Zespół Data Science w Twojej firmie

Odbyłem ostatnio ciekawą rozmowę z pewnym adeptem Data Science. Rozmowa toczyła się wokół zagadnień co to tak naprawdę jest, po co się tego używa, jakie są przykłady wykorzystania w praktyce i jak się tego nauczyć. W pewnym momencie dyskusja skoncentrowała się wokół zagadnienia, jakie kompetencje powinien mieć Data Scientis't. Na pierwszy rzut oka, odpowiedź jest w miarę prosta. Otóż taki człowiek powinien być specjalistą w programowaniu, bazach danych, matematyce i statystyce, modelach uczenia maszynowego, technikach Big Data a ponadto być świetnym mówcą, rozumieć problemy i wyzwania biznesu i branży. Uff…
Umówmy się, że znalezienie takiej osoby jest co najmniej trudne. Na rynku jesteśmy w stanie znaleźć osoby specjalizujące się w części z wymienionych zagadnień, ale we wszystkich naraz? Niemożliwe ;)

Jak zatem poradzić sobie z taką zagwozdką. Załóżmy, że potrzebuję w firmie uruchomić projekty typu Data Science. Szukam zatem dobrego, doświadczonego Data Scientist'a. Okazuje się, że znalezienie osoby, która spełniałaby wymienione kwalifikacje graniczy z cudem.
Rozwiązaniem jest stworzenie zespołu Data Science. Kilka osób, z których każdy jest specjalistą w innej dziedzinie. Wzajemnie się uzupełniają i dzięki efektowi synergii generują moc.

Przedstawię zatem, kilka wskazówek jak powołać dobry zespół Data Science. Moim zdaniem minimalny skład takiego zespołu to:
1. Szef zespołu. To on powinien być najbliżej biznesu. Rozumieć jakie korzyści dla firmy mają przynieść prace zespołu. Jego kompetencje powinny umożliwić generowanie i weryfikację pomysłów, krytyczne spojrzenie na rozwiązania. Powinien mieć bardzo dobrą orientację w statystyce, modelach statystycznych i uczenia maszynowego (podkreślam słowo orientacja, on nie musi być specjalistą) oraz umiejętność prezentowania i obrony koncepcji.
2. Specjalista statystyk/matematyk z dobrymi umiejętnościami programowania i znajomością narzędzi do analizy danych.
3. Informatyk – specjalista programowania, baz danych, przetwarzania danych itp.
W zespole musi znaleźć się specjalista (specjaliści) który ma opanowane modele uczenia maszynowego (jeden z powyższych lub kolejna osoba w zespole).
Ważną wskazówką jest to by każdy z nich był zorientowany na zastosowania. W projektach Data Science nie zawsze ważne są środki (jakość kodu, wydajność). Ważne żeby szybko weryfikować i rozwijać pomysły i koncepcje, które później mogą być zaimplementowane przez specjalistów zgodnie ze sztuką.

Dacision oferuje konsultacje przy tworzeniu zespołu Data Science (www.dacision.pl. Możemy pomóc przy rekrutacji, definiowaniu wymagań, ustaleniu celów zespołu i pomysłu na jego funkcjonowanie.