0 added
0 removed
Original
2026-01-01
Modified
2026-03-10
1
<p>Теги: анализ, dataops, исследование данных</p>
1
<p>Теги: анализ, dataops, исследование данных</p>
2
<p>О популярности DevOps не знает только ленивый. Однако уже не первый год набирает силу другая концепция -<strong>DataOps</strong>. Она отличается тем, что в разрабатываемые системы, как и в непосредственные процессы разработки, повсеместно внедряют элементы<strong>анализа данных</strong>.</p>
2
<p>О популярности DevOps не знает только ленивый. Однако уже не первый год набирает силу другая концепция -<strong>DataOps</strong>. Она отличается тем, что в разрабатываемые системы, как и в непосредственные процессы разработки, повсеместно внедряют элементы<strong>анализа данных</strong>.</p>
3
<p><strong>DataOps (data + operations)</strong>- это методология, которая предполагает совместную работу: - команд разработки и эксплуатации IT-систем (DevOps); - инженеров по подготовке данных (data engineer); - исследователей данных (data scientist).</p>
3
<p><strong>DataOps (data + operations)</strong>- это методология, которая предполагает совместную работу: - команд разработки и эксплуатации IT-систем (DevOps); - инженеров по подготовке данных (data engineer); - исследователей данных (data scientist).</p>
4
<p>Результат работы - создание инструментов, процессов и организационных структур, которые нужны предприятию, опирающемуся в своей работе на данные.</p>
4
<p>Результат работы - создание инструментов, процессов и организационных структур, которые нужны предприятию, опирающемуся в своей работе на данные.</p>
5
<h2>Принципы DataOps</h2>
5
<h2>Принципы DataOps</h2>
6
<p>Как и в случае с DevOps, в DataOps тоже опираются на принципы agile-разработки. В рамках DataOps в приоритете как непрерывная доставка аналитических знаний, так и ориентация на удовлетворенность клиента.</p>
6
<p>Как и в случае с DevOps, в DataOps тоже опираются на принципы agile-разработки. В рамках DataOps в приоритете как непрерывная доставка аналитических знаний, так и ориентация на удовлетворенность клиента.</p>
7
<p>На практике DataOps-группы выдают аналитику, которая имеет практическую ценность и измеряется пользой от предоставленных знаний. При этом DataOps-группы могут работать при постоянном изменении потребностей клиента. Эти группы самоорганизуются для достижения конкретных целей, отдавая предпочтение не трудовым рекордам, а масштабируемости и стабильности и в отношении команды, и в отношении процессов.</p>
7
<p>На практике DataOps-группы выдают аналитику, которая имеет практическую ценность и измеряется пользой от предоставленных знаний. При этом DataOps-группы могут работать при постоянном изменении потребностей клиента. Эти группы самоорганизуются для достижения конкретных целей, отдавая предпочтение не трудовым рекордам, а масштабируемости и стабильности и в отношении команды, и в отношении процессов.</p>
8
<p>Кроме того, одной из главных задач DataOps-групп является обеспечение оркестрации данных, инструментов, сред и кода в масштабах всего проекта. Здесь аналитические конвейеры функционируют по аналогии с конвейерными линиями бережливого производства, то есть большее значение придается воспроизводимости результатов.</p>
8
<p>Кроме того, одной из главных задач DataOps-групп является обеспечение оркестрации данных, инструментов, сред и кода в масштабах всего проекта. Здесь аналитические конвейеры функционируют по аналогии с конвейерными линиями бережливого производства, то есть большее значение придается воспроизводимости результатов.</p>
9
<h2>Для чего же нужен DataOps?</h2>
9
<h2>Для чего же нужен DataOps?</h2>
10
<p>Резюмируя, скажем, что DataOps представляет собой подход, который направлен на поддержку процессов<strong>Machine Learning</strong>. К примеру, исследователи данных, если они работают по схеме DataOps, получают возможность продуктивнее взаимодействовать с ПО-инженерами в процессе передачи моделей для развертывания отделу эксплуатации. Однако DataOps машинным обучением не ограничивается. На практике данный подход оказывается полезен практически для любых работ, которые связаны с анализом данных, ведь упрощается применение всех тех преимуществ, которые предоставляются распределенными платформами управления данными. Вдобавок ко всему вышесказанному, DataOps неплохо сочетается с архитектурами, построенными на основе микросервисов.</p>
10
<p>Резюмируя, скажем, что DataOps представляет собой подход, который направлен на поддержку процессов<strong>Machine Learning</strong>. К примеру, исследователи данных, если они работают по схеме DataOps, получают возможность продуктивнее взаимодействовать с ПО-инженерами в процессе передачи моделей для развертывания отделу эксплуатации. Однако DataOps машинным обучением не ограничивается. На практике данный подход оказывается полезен практически для любых работ, которые связаны с анализом данных, ведь упрощается применение всех тех преимуществ, которые предоставляются распределенными платформами управления данными. Вдобавок ко всему вышесказанному, DataOps неплохо сочетается с архитектурами, построенными на основе микросервисов.</p>
11
<p><em>Источники:</em>• https://biconsult.ru/chto-takoe-dataops; • https://www.osp.ru/cw/2018/03/13054002.</p>
11
<p><em>Источники:</em>• https://biconsult.ru/chto-takoe-dataops; • https://www.osp.ru/cw/2018/03/13054002.</p>
12
12