-
。
-
基于 Azure 机器学习服务，团队构建了一个人员部署推荐方案，为新项目推荐最优的员工组合和具有对口经验和专业知识的人员。
在过去的几年里，来自无数不同来源的数据变得更加可用和可消费，许多组织都在开始寻找使用最新数据分析技术的方法，以满足他们的业务需求和寻求新的机会。除了数据变得更加可用和可访问外，还出现了大量工具和应用程序，使团队有能力构建复杂的数据分析解决方案。鉴于以上种种，组织越来越多地围绕数据科学的职能组建团队。
数据科学是一个结合数学、编程和可视化技术的领域，它将科学方法应用于特定的业务领域或问题，如预测未来的客户行为、规划空中交通路线或识别语音模式等。但是，成为一个数据驱动的组织究竟意味着什么呢?
通过本文，业务和技术领导者将学到一些评估他们的组织是否是数据驱动的方法，以及对其数据科学成熟度进行基准测试的方法。此外，通过现实世界中已经应用过的用例，他们将学习如何使用健康的数据科学组织框架在组织内培养健康的数据科学思维。作为一名数据科学家，我基于自身的经验创建了这个框架，我正在从事端到端数据科学和机器学习解决方案的工作，与许多不同类型行业的外部客户合作，包括能源、石油和天然气、零售、航空航天、医疗保健和职业劳务。该框架提供了一个构建数据科学项目的开发生命周期。这个生命周期概述了项目在运行时从开始到结束要遵循的步骤。
理解健康的数据科学组织框架
成为一个数据驱动的组织意味着要嵌入数据科学团队，以充分参与业务，并调整公司的运营骨架 (技术、流程、基础设施和文化)。健康的数据科学组织框架是一系列方法论、技术和资源的组合，如果正确使用，这些方法论、技术和资源将帮助你的组织 (从业务理解、数据生成和获取、建模，到模型部署和管理) 变得更为数据驱动。这个框架包括六个关键原则，如图 1 所示：
-
了解业务和制定决策的过程
-
建立绩效指标
-
构建端到端解决方案
-
构建你的数据科学技巧工具箱
-
统一组织的数据科学愿景新的机会。
原则 1：了解业务和制定决策的过程
对于大多数组织来说，缺乏数据并不是问题。事实恰恰相反：通常在制定决策时手里掌握太多的信息。有这么多的数据需要分类，组织需要充分定义一个策略在以下各方面对业务加以阐述：
-
数据科学如何帮助企业做业务转变，更好地管理成本，并驱动更卓越的运营?
-
组织对想要完成的事情是否有一个明确定义并予以清晰表达的目标和愿景?
-
组织如何获得 C 级管理人员和涉众的支持，以实现数据驱动的愿景，并推动它贯穿至业务的各个部分?
简而言之，公司需要对其业务决策过程有一个清晰的理解，以及一个更好的数据科学策略来支持该过程。有了正确的数据科学思维，以往大量不同的信息就变成了一个简单清晰的决策点。推动转型需要公司对他们想要实现的事情有一个明确定义并予以清晰表达的目标和愿景。它通常需要 c 级主管的支持，以实现该愿景，并推动它贯穿至业务的各个部分。
组织必须从正确的问题着手。该问题应该是可度量的、清晰的、简洁的，并与他们的核心业务有直接的关联。在此阶段，设计问题就特定业务问题或机会的潜在解决方案加以限定(或取消限定)非常重要。例如，从一个明确定义的问题开始：一家零售公司的成本正在不断上升，无法再向客户提供有竞争力的价格。要解决这一业务问题，可能会引出许多的问题，其中之一可能是：公司能否在不影响质量的情况下减少运营?
要回答这类问题，组织需要解决两项主要任务：
-
定义业务目标：数据科学团队需要与业务专家和其他涉众合作，以理解和识别业务问题。
-
提出正确的问题：公司需要提出明确的问题，定义数据科学团队可以瞄向的业务目标。
去年，Azure 机器学习团队为一家职业劳务公司开发了一个基于推荐的员工分配解决方案。通过使用Azure 机器学习服务，我们开发并部署了一个人员部署推荐解决方案，该方案为新项目推荐最优的员工组合和具有对口经验和专业知识的个人
（编辑：常州站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
