Uitdagingen overwinnen bij het opschalen van data-scienceprojecten

We bevinden ons aan het eind van het Informatie­tijdperk.

Maar landbouw en industrie verdwenen niet in het midden van de 20e eeuw toen het Informatietijdperk het Industriële Tijdperk opslokte. Op dezelfde manier zal het Informatietijdperk worden—is het al?—opgenomen in het spannende nieuwe tijdperk waarin we nu zitten: het Ervaringstijdperk.

Als het Informatietijdperk draaide om het verzamelen van enorme hoeveelheden data, dan draait het Ervaringstijdperk om het analyseren ervan en ontdekken wat het voor ons kan doen—het voor ons laten werken.

En daar komen data scientists zoals jij in beeld. Steeds meer organisaties vormen data-scienceteams om inzichten te halen uit continue datastromen. Het U.S. Bureau of Labor Statistics schat dat banen in data science met 35% zullen toenemen vóór 2033.

Vergelijk dat met het nationale gemiddelde van 3% banengroei over alle sectoren.

Deze statistiek is spannend, maar de grote vraag naar data scientists betekent dat er enorme behoefte is aan datagedreven inzichten, en elke organisatie wil daar een flink stuk van.

De druk kan overweldigend voelen. Hoe kan je team voldoen aan de vraag van een organisatie naar datagedreven inzichten? Hoe kun je het aantal data-scienceprojecten dat je team aankan opschalen zonder extra middelen te verbruiken?

Het komt allemaal neer op organisatie. Met een gesmeerd systeem voor data governance en sprintplanning kun je meer doen dan je ooit had durven dromen.

Wat is data governance en waarom is het belangrijk?

Data governance is het systeem dat een team gebruikt om de levenscyclus van de verzamelde data te beheren. Met een effectief data-governanceplan blijft je team georganiseerd en volgt het belangrijke staats-, federale en wereldwijde regelgeving.

Je vraagt je misschien af: “Wat is het verschil tussen data governance en data management?” Denk er zo aan:

• Data governance stelt het beleid en de procedures vast die bepalen hoe je data verwerft, gebruikt en beveiligt.
• Data management is hoe je die data vervolgens verzamelt, verwerkt, opslaat, analyseert en interpreteert.

Met andere woorden: data governance zet het kader op voor data management en houdt toezicht op die processen. Je kunt meer leren over concepten rond data governance bij DataCamp.

De meeste organisaties hebben standaard governanceplannen op microniveau—één voor een bepaalde business tool en een ander voor een aparte functie. Als data scientist is het jouw taak om data governance te stroomlijnen tot één zeer goed georganiseerd, strak gecontroleerd geheel.

Kost dat veel werk vooraf? Ja. Maar zodra je het hebt opgezet, ben je klaar om grotere datasets te beheren en meer projecten op te pakken. Wil je deze concepten snel onder de knie krijgen, bekijk dan DataCamp's Data Governance Fundamentals Cheat Sheet, een handige gids met kernbegrippen en best practices.

Een data-governanceframework opzetten

Het data-governanceproces begint met het bouwen van een team.

Jij en de andere data scientists in je organisatie zullen moeten samenwerken om een data-governanceprogramma te implementeren. De exacte functietitels en verantwoordelijkheden verschillen per organisatie, maar in het algemeen moet je organisatie vier rollen aanwijzen:

• Data steward: Beheert het governanceprogramma, waarborgt de beveiliging en fungeert als schakel tussen de business en het IT-team
• Data-architect: Ontwerpt het systeem dat data verwerkt en opslaat en helpt de data steward om governancebeleid te volgen
• Data custodian: Verplaatst, slaat op, beveiligt en houdt toezicht op het gebruik van de data
• Data-analist: Interpreteert de data en zet die om in bruikbare inzichten voor de business

Afhankelijk van de grootte van je bedrijf heb je mogelijk meer dan één persoon per rol nodig. Sommige organisaties hebben ook data­beheerders of -raden die toezien op het opstellen van data-governancebeleid.

Een allesomvattende strategie is cruciaal, en DataCamp's module over Het creëren van een data-governancestrategie kan je een gestructureerde aanpak voor dit proces bieden.

Een data-governancebeleid uitwerken

Zodra je je team hebt opgebouwd, kun je samenwerken om de data-governance­beleidsregels te definiëren die iedereen zal volgen.

Denk na over deze vragen:

• Hoe zal je bedrijf de data gebruiken en beheren volgens best practices voor data governance?
• Wie neemt beslissingen over het gebruik van data nu technologie snel evolueert?
• Hoe verwacht de organisatie dat eindgebruikers van de data profiteren?

Onderzoek de antwoorden en gebruik ze om je overkoepelende data-governancebeleid te creëren. Zie het als de paraplu die de subbeleidsregels beschermt die je opstelt rond standaarden, datacultuur en beveiliging.

Je standaarden, beveiligingsmaatregelen en datacultuur bepalen

Nu moet je nadenken over datastandaarden. Data levert je weinig op als de kwaliteit niet top is. Aan welke standaarden moet de data voldoen? Hoe filtert je team de data die daar niet aan voldoet? Inzicht in en waarborging van datakwaliteit is cruciaal. Verdiep je in dit onderwerp met DataCamp's Introduction to Data Quality Course.

Het volgende punt op de agenda is beveiliging. Bedenk:

• Hoe je je data classificeert—openbaar, privé, vertrouwelijk, beperkt, enzovoort
• Wie toegang heeft tot elke classificatie
• Hoe je de data versleutelt om die veilig te houden van opslag tot overdracht en weer terug
• Een alarmsysteem dat je team waarschuwt bij beveiligingsinbreuken
• Een beleid voor hoe je met eventuele inbreuken omgaat
• Een test- en auditroutine om te zorgen dat je programma draait zoals bedoeld

Tot slot: een van de belangrijkste dingen die je data-governanceteam kan doen, is de hele organisatie informeren over hoe de data hen kan helpen. Mensen op de hoogte houden helpt een cultuur te creëren waarin data wordt gewaardeerd en verzorgd, als de asset die het is.

Dus, hoe laat je iets dat zo saai lijkt als data aantrekkelijk zijn voor je hele organisatie?

Door het tot leven te brengen, zo dus.

Laat je organisatie precies zien hoe de data hun werk makkelijker maakt. Organiseer kwartaalpresentaties met grafieken en visuals die laten zien hoe data bedrijfsbeslissingen beïnvloeden. Stuur informatieve memo's of maandelijkse nieuwsbrieven in dezelfde geest. Bied bedrijf brede cursussen aan die medewerkers helpen hun datageletterdheid te verbeteren.

Een organisatie die om haar data geeft, zal helpen de beleidsregels, procedures en standaarden die je opstelt te handhaven. Deze standaard en structuur maken het makkelijker voor je data-scienceteam om meer projecten op te pakken zonder datakwaliteit of beveiliging op te offeren.

En nu ben je klaar om te sprinten.

Sprintplanning voor data-scienceteams

Je hebt het framework gebouwd zodat data veilig en efficiënt door je organisatie kan stromen. Nu is het tijd om te zien hoe sprintachtige planning voor jou kan werken. Zeker, sprintplanning is onderdeel van het scrumprojectmanagementsysteem dat in softwareontwikkeling wordt gebruikt. Maar het werkt ook goed voor data governance en -management.

Dat komt omdat, net als softwareontwikkeling, datamanagement bestaat uit talloze bewegende delen. Letterlijk.

Eerst: wat is een sprint?

Een sprint is een vooraf gedefinieerde periode waarin je team aan taken werkt om één hoofddoel te bereiken. Hoewel sprints zo lang kunnen zijn als je wilt, duren ze meestal één tot vier weken. Vaak is dat genoeg tijd voor je data-scienceteam om kleine of middelgrote projecten af te ronden.

Soms moet je team meerdere sprints draaien om één groot project te voltooien. Je weet wel, die waarbij je een enorme dataset moet genereren en die door de hele levenscyclus moet halen, van verzameling tot interpretatie.

Voordat de sprint begint, komt je team bijeen om die uit te stippelen.

Zo weet iedereen, zodra de sprint officieel start, precies wat er tijdens de werkdag moet gebeuren. Volgens de Scrum-methodologie mogen sprintplanningsmeetings niet langer duren dan twee uur per sprintweek.

Stel dat je zorgorganisatie je een kleiner project heeft gegeven. Je team moet uitzoeken waarom een call-to-action (CTA)-knop op de homepage van het bedrijf slecht presteert. De CTA-knop spoort patiënten aan een belangrijke kankerscreening te plannen.

Om dit probleem op te lossen, moet je:

• Historische data analyseren die je vertelt over de doelgroep van de CTA-knop
• Eén tot twee nieuwe varianten van de CTA-knop bedenken
• De varianten A/B-testen ten opzichte van elkaar en het origineel
• De data over een specifieke periode verzamelen, verwerken en analyseren
• Bruikbare inzichten leveren om het marketingteam te helpen de juiste CTA-knop te kiezen

Het marketingteam wil binnen drie weken resultaten.

Dat is een krappe tijdlijn voor een A/B-test, maar jullie team gaat ervoor. Je houdt een planningssessie van drie uur voor je sprint van drie weken.

We gebruiken dit scenario om te laten zien hoe sprintplanning eruit kan zien voor een data-scienceteam.

1. Bepaal je sprintdoel en tijdsbestek

De eerste twee vragen die je team tijdens de sprintplanning moet stellen, zijn:

• Welke uitkomst willen we met deze sprint bereiken?
• Wat is een realistisch tijdsbestek om deze uitkomst te behalen?

Het marketingteam gaf jullie de ideale uitkomst: een CTA-knop die twee keer zoveel kliks krijgt als de huidige.

En je weet al dat je drie weken hebt om de sprint te voltooien.

Je kunt door naar de volgende stap.

2. Schrijf je user story

In softwareontwikkeling is een user story een beschrijving van het eindproduct vanuit het perspectief van de gebruiker. Het is een creatieve opdracht in duidelijke, natuurlijke taal. Het doel is om het ontwikkelingsteam in de schoenen van de eindgebruiker te plaatsen en story points te koppelen aan concrete taken binnen een sprint.

Iets vergelijkbaars kun je ook doen voor je data-scienceproject.

Laten we teruggaan naar ons fictieve CTA-knopproject. De marketingafdeling wil dat gebruikers de CTA-knop voor een gratis kankerscreening willen aanklikken. Dat betekent dat je je moet inleven in iemand die de knop ziet op de website van de zorgorganisatie.

Beantwoord vragen zoals deze terwijl je je user story schrijft:

• Wie is de persoon die op de nieuwe CTA-knop gaat klikken?
• Welke gezondheid gerelateerde zorgen houden hen 's nachts wakker?
• Waarom zouden ze baat hebben bij een kankerscreening?
• Hoe maakt de knop die voordelen duidelijk en beknopt duidelijk?
• Hoe laten de tekst en graphics rondom de knop hen voelen?
• Wat is het aan de knopkleur, het lettertype en de copy dat hen aanzet om te klikken?
• Waarom klikt deze persoon op de CTA-knop?

Je kunt deze vragen aanpassen voor jouw project. Focus op het resultaat en werk terug totdat je begrijpt hoe het met de gebruiker interageert en die ten goede komt.

Als je specifieke punten in je verhaal kunt koppelen aan taken in je sprint, is dat nog beter. Dat helpt bij de derde stap van de sprintachtige planningsreis.

3. Wijs sprinttaken toe aan elk teamlid

Tegen nu zou je moeten weten welke taken je moet doen en waarom je ze moet doen.

Het is tijd om elk lid van je data-scienceteam een taak toe te wijzen om binnen het sprinttijdsbestek te voltooien. Mogelijk moet je sommige taken opsplitsen in kleinere stukken. Je moet ook afhankelijkheden aanwijzen. Je data-scienceteam kan bijvoorbeeld geen nieuwe CTA-knopvarianten testen voordat ze zijn gebouwd.

Overweeg het gebruik van software voor taakbeheer om bij te houden wie waarvoor verantwoordelijk is en om te zorgen dat afhankelijkheden duidelijk worden geïdentificeerd en beheerd.

Maak een globale inschatting van hoe lang elke subtaak en taak zou moeten duren. Wijs er sprinthuuren aan toe. Check bij je team of de uren redelijk en haalbaar voelen.

Onthoud dat deze uren schattingen zijn en dat dingen kunnen en zullen veranderen. Maak je je zorgen over de tijdlijn, communiceer dat dan met de afdeling die het project heeft aangevraagd. Onderhandel indien nodig over een ruimere tijdsinschatting. Het is altijd verstandig om extra tijd in te bouwen. Je team kan die gebruiken om de voortgang te evalueren en zich aan eventuele issues aan te passen.

Overhaast door een project gaan kan later meer tijd en geld kosten—en dat is precies het probleem dat sprintplanning je helpt voorkomen.

Data governance en sprintplanning: de perfecte match

Naarmate data science steeds populairder wordt in dit spannende Ervaringstijdperk, zal je team tegelijkertijd aan tientallen projecten werken.

Blijf kalm en sprint verder.

Waarmee we bedoelen:

• Stel geschatte deadlines vast voor elk project
• Deel elk project op in één of meerdere sprints
• Ken verschillende sprints toe aan verschillende subteams binnen je afdeling OF plan sprints in op basis van welke projecten het eerst moeten worden opgeleverd
• Houd sprintplanningssessies voor elke sprint/elk project

Nu kun je toekijken hoe jij en je team doel na doel behalen. Met je data-governanceframework op zijn plaats wordt het beheer van de constante datastroom een soepel en veilig proces.

En als er onderweg haperingen optreden, heb je de beleidsregels en procedures paraat om ze moeiteloos op te vangen.

Tot slot

Als je begint aan de reis om je data-scienceprojecten op te schalen, onthoud dan dat continu leren en aanpassen de sleutel tot succes zijn. Versterk je vaardigheden en kennis met de uitgebreide cursussen van DataCamp over data governance, zoals de Data Governance Concepts Course, en blijf vooroplopen in het Ervaringstijdperk.