如何为您的组织设置数据科学功能
中号OST公司已经意识到，他们为了在各自的市场中保持竞争力需要数据科学的能力。在某些情况下，组织内的数据科学（DS）团队所产生的产品和见解正日益成为他们的主要差异化因素。
但是，很少有公司能做到这一点。
组织需要什么与数据科学家想要做什么之间的脱节与双方的优先级有关。
大多数公司拥有许多“低挂的果实”（数据清理，简单查询等），不需要解决复杂的数据科学模型。但是，大多数数据科学家都希望处理业务中最复杂的问题。
组织需要清楚地说明为什么这些低垂的果实迅速为组织增加了价值，数据科学家需要理解解决这些问题将使他们能够了解业务。一旦他们了解了业务，数据科学家就可以在组织的数据科学能力成熟中发挥重要作用。
为了做到这一点，需要做两件事：
资料来源：莫妮卡·罗加蒂（Monica Rogati）关于“需求的AI层次结构”的文章
（i）了解“需求的数据科学层次结构”-
https://hackernoon.com/the-ai-hierarchy-of-needs-18f111fcc007
（ii）如何根据您的组织规模来组建团队。
1.初创企业：
在大多数初创公司中，资源（时间，英镑和员工人数）有限，同时您的DS团队必须（1）负责建立整个数据基础架构，以及（2）生成所需的关键见解引导组织走向正确的方向。
由于这两个原因，最有效的初创DS团队需要一对由数据科学家和数据工程师共同工作的团队。这使两个技能组都能发挥自己的优势，推动数据产品和见解的发展。
2.中型组织
在中等规模的公司中，可用于创建数据产品和见解的资源会少一些。这意味着他们可以将数据科学家和数据工程师分开。在某些情况下，中型公司可能还会有软件工程师，可以利用它们来照顾数据收集和数据获取。
这允许基于技能集的更多分离。
这里的主要收获是，数据工程师和数据科学家可以专注于分析和指标，这些指标和指标可以有效地告诉企业其产品或产品的性能，同时仍然在努力开发新的复杂模型。
3.大型组织
当公司规模足够大时，他们便开始在员工身上花钱。这有两点：（1）员工不必担心自己领域以外的事情；（2）员工可以专注于自己最擅长的事情而不会分心。
与中型组织类似，在大型组织中，软件工程师负责仪表，日志记录等工作，而数据工程师则专注于数据管道的体系结构。
现在，这种分离发生在不同类型的数据科学家之间。
数据科学，分析工程师
这些数据科学家致力于：
（i）提取大型数据集并将其转化为具体结论和可行的见解。
（ii）与不同的受众交流复杂的话题。
（iii）创造性地思考寻找新的机会，以指导组织朝正确的方向发展。
数据科学，机器学习工程师
这些数据科学家致力于：
（i）开发利用基于规则的模型的高度可扩展的工具。
（ii）建议，收集和综合要求以创建有效的路线图。
（iii）与工程团队一起对可交付成果进行编码。
（iii）采用标准的机器学习方法，以最好地利用现代并行环境。
弥合数据科学家的动机与组织在表示希望数据科学家加入时的含义之间的差距仍然非常困难。
双方都考虑了数据科学的需求层次结构，以及如何在个人发挥自己优势的情况下最佳地实现配对，这将使数据科学团队获得最佳结果。
题库