Veri bilimi projelerinde 3 işbirlikçi türü

Başarılı veri bilimi projeleri, ekipler arası işbirliği gerektirir. İlgili tüm paydaşlarla doğru hizalama olmadan veri bilimi projeleri etkili olamaz. Yakın tarihli bir DataCamp web seminerinde Lucid Software’da İç Mühendislikten Sorumlu Mühendislik Yöneticisi Brian Campbell, veri bilimi projelerinde ekipler arası işbirliği için en iyi uygulamaları ele alıyor.

Üç İşbirlikçi Türü

Veri bilimciler, projeleriyle etki yaratmak için diğer paydaşlarla işbirliği yapmalıdır. Veri bilimciler, ilgilendikleri sorunların altında yatan iş değeri ve metrikleri daha iyi anlamak, karmaşık veri ortamlarında yol almak ve modellerini müşterilere nasıl sunacaklarını bilmek için kuruluşlarındaki diğer kişilerden yararlanmalıdır. Web seminerinde Brian, üç işbirlikçi türünden bahsediyor:

Sorun Uzmanı

Sorun uzmanı, bir veri bilimi projesinin temelini atan işbirlikçidir. Görevleri, projeye alan uzmanlığı sağlamak ve problem ifadesini tanımlamaktır.

Sorun uzmanları, bir veri bilimi projesinin etkilediği metrikleri ve bunların iş sonuçlarına nasıl dönüştüğünü derinlemesine anlar. Ayrıca bir modelin değerli olması için gereken doğruluğu da bilirler. Bu bilgi kritiktir çünkü hiçbir model mükemmel doğrulukta olamaz. Makul ve değerli olan hedeflerin ne olduğunu bilmek, projeye erken aşamada hedefleri tanımlamak ve beklentileri belirlemek için esastır.

Veri Uzmanı

Veri, başarılı herhangi bir veri bilimi projesinin temel bileşenidir. Birçok kuruluşta, hangi verilerin mevcut olduğunu ve bir sorunu çözmek için hangi verilerin gerektiğini bilmeyi zorlaştıran karmaşık veri manzaraları vardır.

Veri uzmanları, bir alanda hangi verilerin mevcut olduğunu, veriye nasıl ulaşılacağını ve belirli iş soruları için hangi verilerin en uygun olduğunu bilmekten sorumludur. Bazen kendileri de sorun uzmanı olabilirler ancak genellikle kuruluş içinde veri mühendisliği rollerinde bulunurlar.

Uygulama Uzmanları

Son olarak, uygulama uzmanları bu modellerin müşterilere nasıl sunulacağını anlamaktan sorumludur. Modelleri ölçekli bir şekilde hayata geçirmek için gereken altyapı ve kaynaklar konusunda uzmandırlar.

Bu uzmanlarla işbirliği yaparken, modelin dağıtıma hazır olduğunda uygun altyapının mevcut olmasını sağlamak için projeden onları önceden haberdar etmek önemlidir. Ayrıca çalışmanın nasıl kullanılacağını bilmek de önemlidir—üründe bir özellik olarak mı, bir API’nin parçası olarak mı, mevcut bir sürece entegre edilerek mi, yoksa sıfırdan yeni bir süreç mi gerekecek? Projenin kullanım şekli, birlikte çalışılacak en uygun uygulama uzmanını belirleyecektir.

İşbirlikçilerle Etkili Şekilde Nasıl Çalışılır

Zaman çizelgeleri, işbirliğinin kritik bir bileşenidir. Bu çizelgeler, projeye dahil olan herkesin, projeyi tamamlamaya ilerletmek için ne zaman devreye gireceklerini planlamalarını sağlar.

Müşteri elde tutma modeli dağıtmayı amaçlayan önerilen bir projeyi düşünün. Bu model, kuruluştan abonelik satın almayı bırakma riski taşıyan müşterileri belirleyecek ve onlara kalmalarını teşvik etmek için promosyon e-postası gönderecektir.

Bu proje, başlangıçta müşteri elde tutma metriklerinin ve eğilimlerinin anlaşılmasını, ilgili verilerin toplanmasını, verilerin temizlenip analiz edilmesini, sınıflandırma modelinin kurulmasını, otomatik e-posta sistemine entegre edilmesini ve canlıya alınmasını gerektirecektir. Tüm bu adımlar haftalar sürebilir ve birçok adım, önceki bölümde ele alınan üç paydaşın desteğini gerektirecektir.

Başlangıçta bir zaman çizelgesi belirlemek, işbirlikçilerin projeye ne zaman destek vermek üzere hazır olmaları gerektiğini planlamalarını sağlar. Gecikmeler ortaya çıkarsa, paydaşlar derhal bilgilendirilmelidir. Veri toplama aşamasında gecikme varsa, uygulama uzmanlarının bir ay önceden gelmesi onların zamanını boşa harcar ve gelecekte onlarla işbirliği fırsatlarına zarar verir.

Veri bilimi proje yönetimi en iyi uygulamaları hakkında daha fazla bilgi edinmek için, daha derinlemesine örnekler içeren talep üzerine web seminerini izleyin.