透過第一手在組織、工具、以及產業中與資料工作的經驗，我們發現更好的方式來開發以及交付分析成果及分析工具，我們稱這種方式為 DataOps。
不論是在資料科學、資料工程、資料管理、大數據、商業智慧、或其他相關領域，透過我們的工作，將在分析領域建立以下價值觀：
- 個人與互動重於流程與工具
- 可用的分析重於詳盡的文件
- 與客戶合作重於合約協商
- 實驗、迭代以及回應重於大量的前期設計
- 跨部門的營運所有權重於獨立的責任。
DataOps 原則
1
持續地滿足客戶需求：
我們最優先的任務是透過及早並持續地交付有價值的分析洞察來滿足客戶需求，頻率可以從數分鐘到數個星期。
2
有價值且可用的分析：
我們相信主要衡量資料分析成效的指標為：具洞察力的分析被交付的程度，包括正確的資料、頂級可靠的架構與系統。
3
擁抱變化：
竭誠歡迎改變需求，甚至已處開發後期亦然。敏捷流程掌控變更以維護客戶的競爭優勢。我們相信最有效率、有效、以及最敏捷與客戶溝通的方式為面對面的交談。
4
這是團隊運動：
分析團隊將始終具有各種角色，技能，喜歡的工具和頭銜。 背景和觀點的多樣性提高了創新能力和生產力。
5
每日互動：
客戶、分析團隊與維運必須在專案全程中天天一起工作。
6
自組織：
我們相信最好的分析洞察、演算法、架構、需求與設計皆來自能自我組織的團隊。
7
減少英雄主義：
對於具備深度及廣度的分析洞察需求持續增加，我們相信分析團隊應該致力減少英雄主義，並建立永續且可擴張的資料分析團隊及流程。
8
反省：
分析團隊應該透過來自客戶、團隊本身、及運作數據的回饋，定期的自我反省來優化運作效能。
9
分析即程式碼：
分析團隊使用不同的工具來訪問、整合、建模、以及視覺化資料。基本上，這些工具都會產生程式碼以及設定檔，以此來描述操作資料的動作來交付洞察。
10
編排協作：
資料、工具、程式碼、環境及分析團隊自始至終的編排協作是交付分析的成功關鍵。
11
可再製的結果：
可再製的結果是必須的，因此我們可將任何事情做版本控管，包括資料、低階軟硬體的設定、程式碼、以及在工具鏈上各工具的設定。
12
拋棄式的環境：
我們相信讓分析團隊的成員有個容易創建、獨立、安全、可拋棄、且與生產環境相同的技術環境，並且將其成本最小化是很重要的。
13
精簡：
我們相信持續關注技術優勢及良好的設計有助於敏捷；如精簡 ─ 最大化未完成的工作量之技藝 ─ 一樣根本。
14
分析即生產：
分析流程如同精實的生產線。我們相信 DataOps 的根本精神之一為專注於程序思維 ─ 達成持續且有效率的生產分析洞察。
15
品質為一切：
建立好的分析流程應該具備的根本能力為自動(自働化)偵測異常，這些異常包括程式碼、設定檔、以及資料。並且應該能持續地提供維運人員回饋來避免錯誤發生(防呆)。
16
監控品質與效能：
我們的目標是有效能以及品質的指標，這些指標可以被持續的監控來偵測無預期的變化，並且產生運作數據。
17
再使用：
我們相信生產有效率的分析洞察的根本面向在於避免個人或團隊的重複性工作。
18
改進迭代週期：
我們應該減少將客戶需求轉換成分析想法的時間以及負擔：在開發中建立它，以可重複的生產流程來發布，最後再重構及再使用該產品。
簽署宣言
2021 | Creative Commons (CC) license | Privacy Policy
