改善大数据项目管理的4种方法?

Q&AQ&A问答

改善大数据项目管理的4种方法?

来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-12

数据科学是创新的关键驱动力
但是很少有组织知道如何将数据科学的输出始终转化为业务价值。

1.使项目管理参与大数据工作
大数据和分析项目的性质是迭代的。总是会有新的信息和数据类型出现，并且数据科学家准备在新信息可用时修改算法和查询，但是这并不意味着不应采用来自更多线性项目的管理实践，在使用数据之前，需要清理和准备数据，应该有步的方法，理想情况下，这项工作不应该由非常昂贵的数据科学家来完成其次，一旦开发了使用大数据的算法和应用程序，则应在部署之前对其进行测试和分级，实现这些目标的方法是在数据科学团队中增加一个熟练的项目经理，或者使用IT的项目管理技能和人员。

2.参与IT
如果您的数据科学团队与IT部门分开，那么是时候将这两个学科融合在一起了，初许多企业以独立部门的身份开始了他们的数据科学团队的工作，以试点测试大数据和分析可以提供什么，企业不知道他们正在开发的大数据，人工智能和机器学习应用程序必须与其他IT应用程序和系统集成以获得价值，过去对于独立的数据科学部门，IT部门内的数据科学以及数据科学和IT的交互式项目团队存在争议，数据科学要么成为IT的一部分，要么与IT在项目和部署中密切协作的时机已经到来，这是将大数据和分析与整个公司的其他系统和应用程序真正集成的方法。

3.建立大数据维护和监控团队
无论是网络/硬件基础架构，还是要确保大数据在应用程序中独立于应用程序正常执行，一旦在生产中部署了大数据和分析功能，就必须对流程进行连续监视和维护，例如如果其他IT应用程序将大数据源作为嵌入式子例程调用，则IT需要确保调用能够正常工作，并返回正确的数据，如果应用程序出现“中断”，则IT部门需要对其进行修复，同样硬件和网络带宽以及服务质量必须保持在可接受的水平上，这也是IT部门的工作。

4.使用敏捷开发

由于随着数据变化而对算法进行的修订是一个反复且连续的过程，因此IT必须使其项目管理风格适应敏捷开发，并摆脱传统的瀑布式IT项目管理，数据科学家已经了解了随着数据的变化对算法进行迭代修订的概念，在这种情况下，无论是来自IT还是数据科学团队的项目经理，都必须学习如何将传统IT项目管理的一些线性流程如数据准备，回归测试和应用程序维护与敏捷的修订和插入结合起来随着数据算法需求的增长。

客服热线：400-050-6600

商业联合会数据分析专业委员会

Prev article

大数据面临的挑战是哪些问题？

返回列表

Next article

如何以数据科学家的身份取得成功3个技巧？