在2021年底，人工智能(AI)和機器學(xué)習(xí)(ML)領(lǐng)域不再是未來不確定的新生領(lǐng)域。人工智能和ML已經(jīng)發(fā)展成為對更廣泛的數(shù)據(jù)科學(xué)世界具有巨大影響力的影響領(lǐng)域，這一事實在今年比以往任何時候都更加真實。

然而，隨著AI、ML以及隨后的數(shù)據(jù)科學(xué)的不斷擴展，決定數(shù)據(jù)科學(xué)團隊成功與否的參數(shù)也在不斷擴展。從人工智能和ML領(lǐng)域獲得重要和深刻見解的機會取決于數(shù)據(jù)科學(xué)團隊，這些團隊比一個數(shù)據(jù)科學(xué)家操作一臺筆記本電腦要大。對于任何一個人來說，需要獲取、清理和準(zhǔn)備分析的數(shù)據(jù)太多了--這一過程消耗了數(shù)據(jù)科學(xué)家平均工作日的很大一部分。

現(xiàn)代數(shù)據(jù)科學(xué)項目圍繞著關(guān)于數(shù)據(jù)準(zhǔn)備、先前的數(shù)據(jù)科學(xué)項目以及部署必須與多個數(shù)據(jù)科學(xué)共享的數(shù)據(jù)模型的潛在方法的重要信息。因此，研究數(shù)據(jù)科學(xué)團隊為什么需要上下文、一致性和數(shù)據(jù)的安全協(xié)作以確保數(shù)據(jù)科學(xué)的成功是至關(guān)重要的。讓我們快速檢查這些需求，以便我們能夠更好地理解數(shù)據(jù)科學(xué)的成功可能是什么樣的。

第一部分：背景

我們對未來數(shù)據(jù)科學(xué)成功的檢驗從上下文開始：如果沒有記錄、存儲和提供給數(shù)據(jù)科學(xué)家的機構(gòu)知識，依賴于嘗試和失敗實驗的迭代模型構(gòu)建過程就不能持續(xù)很長時間。然而，由于缺乏適當(dāng)?shù)奈募蛢Υ?，大量的機構(gòu)知識經(jīng)常丟失。

考慮以下常見場景：一個初級或公民數(shù)據(jù)科學(xué)家被拉進一個項目以提高他們的技能，但由于缺乏上下文，很快就會與同步和異步協(xié)作進行斗爭。這些臨時團隊成員需要上下文來更多地了解他們正在與之交互的數(shù)據(jù)、過去解決過問題的人員以及以前的工作如何影響當(dāng)前的項目前景。

正確記錄項目、數(shù)據(jù)模型及其工作流的需要很容易分散數(shù)據(jù)科學(xué)家團隊的注意力，更不用說單獨操作的單個科學(xué)家了。領(lǐng)導(dǎo)們可以考慮選擇雇傭一個自由開發(fā)者來貢獻他們的時間來保存和傳播機構(gòu)知識，以改進現(xiàn)代數(shù)據(jù)科學(xué)項目的標(biāo)準(zhǔn)審查和反饋會議。這些會議以及軟件系統(tǒng)、工作臺和最佳實踐可以簡化對項目相關(guān)上下文的更有效捕獲，從而提高未來初級和公民數(shù)據(jù)科學(xué)家的數(shù)據(jù)發(fā)現(xiàn)能力。

數(shù)據(jù)科學(xué)的成功需要對知識及其周圍環(huán)境進行簡化的管理。如果沒有它，新的、初級的和公民的數(shù)據(jù)科學(xué)家可能會很難進入并為他們的項目做出有意義的貢獻，這反過來導(dǎo)致團隊重新創(chuàng)建項目，而不是為以前的工作做出貢獻。

第二部分：一致性

當(dāng)涉及到金融服務(wù)、健康和生命科學(xué)以及制造業(yè)時，ML和AI領(lǐng)域已經(jīng)為基礎(chǔ)變革做出了貢獻；然而，這些行業(yè)受制于重要的監(jiān)管環(huán)境。這意味著，在受監(jiān)管的環(huán)境中進行的AI項目必須是可復(fù)制的，并有清晰的審計跟蹤。換句話說，以某種方式、形狀或形式參與數(shù)據(jù)科學(xué)項目的IT和業(yè)務(wù)領(lǐng)導(dǎo)者需要確保在數(shù)據(jù)科學(xué)項目的結(jié)果方面有一定程度的數(shù)據(jù)一致性。

IT和商業(yè)領(lǐng)袖可以期待可靠的一致性水平，在進行人工智能促進的戰(zhàn)略轉(zhuǎn)移時，他們也可以享有更多的信心。當(dāng)涉及到數(shù)據(jù)科學(xué)項目時，有很多風(fēng)險，有很多投資依賴于它們，所以數(shù)據(jù)科學(xué)家應(yīng)該有一個基礎(chǔ)設(shè)施，在這個基礎(chǔ)設(shè)施中，他們可以從頭到尾都有保證的可復(fù)制性水平。這種完全的可復(fù)制性轉(zhuǎn)化為高層管理人員正在尋找的數(shù)據(jù)的一致性，以便決定數(shù)據(jù)科學(xué)項目是否足夠重要，是否符合他們的業(yè)務(wù)目標(biāo)。

反過來，這些高層管理人員應(yīng)該預(yù)期，隨著他們的科學(xué)團隊的擴大，必要的培訓(xùn)集和硬件需求也將擴大，以確保舊項目結(jié)果的一致性。因此，幫助管理環(huán)境的過程和系統(tǒng)對于數(shù)據(jù)科學(xué)團隊的擴展是絕對必要的。例如，如果一個數(shù)據(jù)科學(xué)家正在使用筆記本電腦，而一個數(shù)據(jù)工程師正在運行一個云虛擬機上運行的庫的不同版本，該數(shù)據(jù)科學(xué)家可能會看到他們的數(shù)據(jù)模型從一臺機器到另一臺機器產(chǎn)生不同的結(jié)果。底線是：管理人員應(yīng)該確保他們的數(shù)據(jù)合作者有一種一致的方式來共享完全相同的軟件環(huán)境。

第三部分：協(xié)作

最后，我們談到安全協(xié)作的重要性。隨著企業(yè)繼續(xù)將他們的運營轉(zhuǎn)移到在家工作的模式，組織意識到數(shù)據(jù)科學(xué)協(xié)作比面對面協(xié)作困難得多。盡管在單個數(shù)據(jù)科學(xué)的幫助下可以管理一些核心數(shù)據(jù)科學(xué)職責(zé)（數(shù)據(jù)準(zhǔn)備、研究和數(shù)據(jù)模型迭代），但大多數(shù)業(yè)務(wù)主管錯誤地將協(xié)作擱置一邊，從而阻礙了遠程生產(chǎn)力。

但是如何促進項目參與者之間的有效和遠程協(xié)調(diào)以及項目數(shù)據(jù)的安全？答案在于與數(shù)據(jù)科學(xué)項目有關(guān)的可共享工作文件和數(shù)據(jù)，這使得遠程傳播信息更加可行。隨著項目相關(guān)數(shù)據(jù)的傳播變得越來越簡單，共享信息變得越簡單，就越容易促進遠程數(shù)據(jù)協(xié)作。數(shù)據(jù)科學(xué)項目的參與者可以利用基于云的工具來加強其研究背后的安全性。但太多的領(lǐng)導(dǎo)者犯了不鼓勵合作的錯誤，降低了生產(chǎn)率。

結(jié)論

近年來，數(shù)據(jù)科學(xué)領(lǐng)域所取得的巨大進步是前所未有的，坦率地說，也是驚人的。數(shù)據(jù)科學(xué)的進步使世界各地的公司能夠解決一些問題，這些問題以前幾乎沒有現(xiàn)成的答案，如果沒有人工智能和ML帶來的創(chuàng)新的話。

然而，隨著數(shù)據(jù)科學(xué)世界的不斷成熟和發(fā)展，是時候讓高層管理人員和他們所監(jiān)督的數(shù)據(jù)科學(xué)團隊從一種更加特殊和被動的完成工作的方式中遷移了。數(shù)據(jù)科學(xué)家可以用來生成上下文、一致性和更大協(xié)作的資源，如軟件工作臺，可能對數(shù)據(jù)科學(xué)的成功至關(guān)重要。最終，項目將需要數(shù)據(jù)科學(xué)家、工程師、分析師和研究人員更少的努力，他們將能夠更好地加速該領(lǐng)域的持續(xù)和驚人的成功。