当我们创立 DataCamp 时，希望让每个人都能轻松、愉快且以可负担的成本在线学习数据科学。如今，我们已覆盖超过 700 万学习者，并积极提升了 1,600 多家组织的数据素养。超过 150,000 名订阅者今日即可访问 DataCamp，更多人还可通过 DataCamp Donates 和 DataCamp for the Classroom 免费获取。但当他们真正开始开展数据工作时，几乎所有人都会面临重大挑战。
数据专业人士与数据团队的困境——以及为何重要
与学习数据科学一样，从事数据科学工作也应该轻松、愉快且具备协作性。尽管数据专业人士的数量激增，但几乎没有既易用、又易于扩展、还考虑到不同人偏好不同技术与集成开发环境（IDE）现实的工具。
因此，如今的数据科学家并未达到应有的高效。坦率说，我们许多数据科学家把大量时间浪费在基础设施和工程性工作上，无论是配置机器、查找并访问合适的数据，还是部署仪表板和报告。我们从学习者和客户那里不断听到这些困境，在 DataCamp 自身也曾深受其扰。
此外，数据科学家并非单打独斗。团队环境中的数据科学工作不应像今天这样痛苦。多数数据科学家使用的工具甚至缺乏最基本的协作功能。令人震惊的是，数据团队之间的协作往往通过电子邮件、Slack 或其他消息工具分享代码和数据来完成。版本控制依赖面向软件工程师工作流的工具，对数据科学家并不直观——更别提多数数据团队在质量控制方面的缺失了。团队必须清楚哪些分析、仪表板或报告仍然准确。这些困境切实存在，而且通常从新成员入职第一天就开始。
组织也会因此受损，因为缺乏一个集中汇聚所有洞见、让数据专业人士彼此学习的场所。有些洞见存在于笔记本中，有些在 PDF 报告里，还有一些在 Looker、Metabase 等专有分析工具中，清单还在不断拉长。结果就是洞见被淹没、重复劳动频发，并让与数据专业人士互动的业务用户和管理层感到挫败。
缺乏恰当的工具，阻碍了高效的数据专业人士与具备数据素养的组织的形成。尽管面向偏 BI 的用户已有诸多创新，但对于想更深入挖掘、借助 Python 和 R 的力量来生成洞见的数据专业人士而言，情况往往并非如此。
DataCamp 的目标方向
我们希望让任何人，无论身在何处、使用何种设备，都能在线访问相关数据，并可使用自己偏好的工具或 IDE 创建可视化、报告和仪表板，并与其他数据专业人士共享。我们希望团队能在实时与异步两种模式下无缝在线协作。我们希望团队能自动具备基础的版本与质量控制。最终成果应是适用于任何规模组织的集中化洞见层。
换言之，我们希望让您在处理自己（或您公司的）数据时做数据科学，像上 DataCamp 课程一样轻松。
我们的实现路径
罗马不是一天建成的。我们正在构建这款产品，并计划在接下来的 12 至 18 个月内分阶段推出。
首先，我们希望让学习者能非常轻松地将他们在 DataCamp 上的收获——无论是项目还是课程——迁移到像 Jupyter 这样流行的 IDE 中。使用业界与学界已广泛采用的工具，是在真实环境中应用所学技能的关键一步。此外，用户将能够在工作区中发布并分享他们的工作。
接下来，我们将实现无缝连接您的数据与上传数据集，使用户能够开始将 DataCamp 用于日常数据科学工作。此外，当用户邀请协作者审阅或编辑他们的工作时，代码与环境将被关联且自包含，从而跨项目与不同用户之间关于使用正确包版本的顾虑将成为过去。
我们还将着力大幅提升数据团队的实时与异步协作。如今几乎任何团队产品都支持实时协作、评论和标记。没有理由让数据团队被剥夺这些功能，但如今这种情况却并不少见。
最后，随着产品成熟，我们将继续为组织新增功能，利用我们已为企业学习平台构建的完善用户管理架构。举例来说，管理员只需一次性指定数据库连接，并管理谁可访问哪些数据。对使用方而言，数据科学家在开始分析时就能拥有正确的数据连接。
提升数据素养、让数据科学更大众化是 DataCamp 使命的核心。这款产品是实现这一目标的关键一步，这也是我们认为其基础版本应永久免费提供的原因。
如果您有兴趣改变数据团队的协作方式，请发送邮件至 [email protected]。您也可以直接联系负责构建这款新产品的 Filip Schouwenaars，或我们的 CTO Dieter De Mesmaeker。我们一直在寻找优秀的工程师加入团队。立即申请！
我们为何为数据专业人士和具备数据素养的团队打造协作产品
当我们创立 DataCamp 时，希望让每个人都能轻松、愉快且以可负担的成本在线学习数据科学。如今，我们已覆盖超过 700 万学习者，并积极提升了 1,600 多家组织的数据素养。超过 150,000 名订阅者今日即可访问 DataCamp，更多人还可通过 DataCamp Donates 和 DataCamp for the Classroom 免费获取。但当他们真正开始开展数据工作时，几乎所有人都会面临重大挑战。
数据专业人士与数据团队的困境——以及为何重要
与学习数据科学一样，从事数据科学工作也应该轻松、愉快且具备协作性。尽管数据专业人士的数量激增，但几乎没有既易用、又易于扩展、还考虑到不同人偏好不同技术与集成开发环境（IDE）现实的工具。
因此，如今的数据科学家并未达到应有的高效。坦率说，我们许多数据科学家把大量时间浪费在基础设施和工程性工作上，无论是配置机器、查找并访问合适的数据，还是部署仪表板和报告。我们从学习者和客户那里不断听到这些困境，在 DataCamp 自身也曾深受其扰。
此外，数据科学家并非单打独斗。团队环境中的数据科学工作不应像今天这样痛苦。多数数据科学家使用的工具甚至缺乏最基本的协作功能。令人震惊的是，数据团队之间的协作往往通过电子邮件、Slack 或其他消息工具分享代码和数据来完成。版本控制依赖面向软件工程师工作流的工具，对数据科学家并不直观——更别提多数数据团队在质量控制方面的缺失了。团队必须清楚哪些分析、仪表板或报告仍然准确。这些困境切实存在，而且通常从新成员入职第一天就开始。
组织也会因此受损，因为缺乏一个集中汇聚所有洞见、让数据专业人士彼此学习的场所。有些洞见存在于笔记本中，有些在 PDF 报告里，还有一些在 Looker、Metabase 等专有分析工具中，清单还在不断拉长。结果就是洞见被淹没、重复劳动频发，并让与数据专业人士互动的业务用户和管理层感到挫败。
缺乏恰当的工具，阻碍了高效的数据专业人士与具备数据素养的组织的形成。尽管面向偏 BI 的用户已有诸多创新，但对于想更深入挖掘、借助 Python 和 R 的力量来生成洞见的数据专业人士而言，情况往往并非如此。
DataCamp 的目标方向
我们希望让任何人，无论身在何处、使用何种设备，都能在线访问相关数据，并可使用自己偏好的工具或 IDE 创建可视化、报告和仪表板，并与其他数据专业人士共享。我们希望团队能在实时与异步两种模式下无缝在线协作。我们希望团队能自动具备基础的版本与质量控制。最终成果应是适用于任何规模组织的集中化洞见层。
换言之，我们希望让您在处理自己（或您公司的）数据时做数据科学，像上 DataCamp 课程一样轻松。
我们的实现路径
罗马不是一天建成的。我们正在构建这款产品，并计划在接下来的 12 至 18 个月内分阶段推出。
首先，我们希望让学习者能非常轻松地将他们在 DataCamp 上的收获——无论是项目还是课程——迁移到像 Jupyter 这样流行的 IDE 中。使用业界与学界已广泛采用的工具，是在真实环境中应用所学技能的关键一步。此外，用户将能够在工作区中发布并分享他们的工作。
接下来，我们将实现无缝连接您的数据与上传数据集，使用户能够开始将 DataCamp 用于日常数据科学工作。此外，当用户邀请协作者审阅或编辑他们的工作时，代码与环境将被关联且自包含，从而跨项目与不同用户之间关于使用正确包版本的顾虑将成为过去。
我们还将着力大幅提升数据团队的实时与异步协作。如今几乎任何团队产品都支持实时协作、评论和标记。没有理由让数据团队被剥夺这些功能，但如今这种情况却并不少见。
最后，随着产品成熟，我们将继续为组织新增功能，利用我们已为企业学习平台构建的完善用户管理架构。举例来说，管理员只需一次性指定数据库连接，并管理谁可访问哪些数据。对使用方而言，数据科学家在开始分析时就能拥有正确的数据连接。
提升数据素养、让数据科学更大众化是 DataCamp 使命的核心。这款产品是实现这一目标的关键一步，这也是我们认为其基础版本应永久免费提供的原因。
如果您有兴趣改变数据团队的协作方式，请发送邮件至 [email protected]。您也可以直接联系负责构建这款新产品的 Filip Schouwenaars，或我们的 CTO Dieter De Mesmaeker。我们一直在寻找优秀的工程师加入团队。立即申请！