데이터옵스(DATAOPS) 란 무엇일까?

 

DATAOPS 란 무엇입니까? 협업, 교차 기능 분석

DataOps (데이터 운영)는 DevOps 팀과 데이터 엔지니어 및 데이터 과학자 역할을 결합하여 데이터 중심 엔터프라이즈를 지원하는 도구, 프로세스 및 조직 구조를 제공하는 신흥 분야입니다.

 

DataOps 란 무엇입니까?

 

DataOps (데이터 운영)는 DevOps 팀과 데이터 엔지니어 및 데이터 과학자 역할을 결합하여 데이터 중심 엔터프라이즈를 지원하는 도구, 프로세스 및 조직 구조를 제공하는 신흥 분야입니다.

 

"DevOps 개발에 대한 현대적인 경향이 있지만 점점 더 많은 사람들이 데이터 과학 능력을 개발 및 시스템에 주입하고 있으므로 데이터 프레임이있는 개발자 팀 구성원이 필요합니다." MapR Technologies의 수석 애플리케이션 아키텍트이자 Machine Learning Logistics 의 공동 저자 인 Ted Dunning : 현실 세계에서의 모델 관리 .

 

 

DataOps 원리

 

DevOps와 마찬가지로 DataOps 접근 방식 은 민첩한 방법론에서 단서를 필요로합니다. 이 접근법은 고객을 만족시키는 기본 목표로 분석 통찰력을 지속적으로 전달하는 것을 중요하게 생각합니다.

 

새로운 게임 사이트가 생방송입니다! Gamestar는 게임, 게임 장치 및 장비를 다룹니다. 뉴스 레터를 구독하시면받은 편지함으로 최고의 이메일을 보내 드리겠습니다. 여기에서 자세히 알아보십시오.

DataOps 팀은 작동하는 분석에 가치를 부여합니다. 그들이 제공하는 통찰력에 의해 데이터 분석의 성능을 측정합니다. DataOps 팀은 변화를 수용하고 변화하는 고객 요구를 끊임없이 이해하려고 노력합니다. 

 

DataOps 팀 은 팀입니다. 그들은 목표를 중심으로 스스로 구성하고 지속 가능하고 확장 가능한 팀과 프로세스를 위해 "영웅주의"를 줄이기 위해 노력합니다.

 

DataOps 팀은 데이터, 도구, 코드 및 환경을 처음부터 끝까지 조율하려고 노력합니다. 재현 가능한 결과가 필수적입니다. DataOps 팀은 린 (Lean) 제조 라인과 유사한 분석 파이프 라인을 보는 경향이 있습니다.

 

 

DataOps가 적합한 위치

 

Dunning은 오늘날 기업들이 점점 더 다양한 제품과 서비스에 기계 학습을 도입하고 있으며 DataOps는 기계 학습의 종단 간 요구 사항을 지원하기위한 접근 방식이라고 설명합니다.

 

"예를 들어,이 스타일을 사용하면 데이터 과학자가 배포 도중 모델이 작업에 전달 될 때 필요한 것을 제공하기 위해 소프트웨어 공학을 지원할 수 있습니다."Dunning과 공동 저자 인 Ellen Friedman, MapR의 수석 기술자 .

 

"DataOps 접근법은 기계 학습에 국한되지 않습니다."라고 덧붙입니다. "이 조직 스타일은 데이터 중심의 작업에 유용하며 글로벌 데이터 패브릭을 구축함으로써 얻을 수있는 이점을보다 쉽게 ​​활용할 수있게 해줍니다."

 

또한 DataOps가 마이크로 서비스 아키텍처와 잘 어울리는 것에 주목합니다.

 

 

실제로 DataOps

 

기업들이 이러한 새로운 데이터 기술을 채택함에 따라 Dunning과 Friedman은 대규모의 데이터 작업을 수행하고 실제 상황에 대응할 수있는 능력을 향상시키기 위해 기업이 접근 방식을 발전시켜야한다고 강조합니다.

 

"전통적으로 사일로 드 된 역할은 디지털 변환을 진행중인 대형 데이터 조직에 적합하기에는 너무 경직되어 있고 느릴 수 있습니다."라고 쓰고 있습니다. "이것이 DataOps 스타일의 작업이 도움이 될 수있는 곳입니다."

 

DevOps 접근 방식은 소프트웨어 개발 및 운영 전문가를 모아 개발을 비즈니스 목표와보다 밀접하게 연계하고 개발주기를 단축하고 배포 빈도를 높입니다. 운영, 소프트웨어 엔지니어링, 아키텍처 및 계획, 제품 관리와 같은 "기술 길드"를 가로 지르는 교차 기능 팀을 강조합니다. DataOps는 개발자, 운영 전문가 및 데이터 전문가 간의 협업 및 의사 소통을 향상시키기 위해 데이터 과학 및 데이터 엔지니어링 역할을 혼합하여 추가합니다.

 

Dunning은 DataOps가 약속 한 제휴를 달성하려면 DataOps 팀에 데이터 과학자를 포함시켜야한다고 강조합니다.

 

"여기에서 가장 중요한 일은 데이터 과학자들이 개발 팀과 별개로 살고있는 전통적인 아이보리 타워 조직을 고수하는 것"이라고 Dunning은 말합니다. "DevOps 팀에 실제로 데이터 과학자를 포함시키는 것이 가장 중요합니다. 같은 방에 살고 같은 식사를하고 같은 불만을들을 때 자연스럽게 정렬됩니다."

"그들을 별개로 만들지 마라."그는 덧붙였다. "그들은 일선 의견을 듣고, 같은 솔루션을 추천하고, 같은 등급 분류를 받아야합니다. 그 내장은 취할 핵심 단계입니다."

 

그러나 Dunning은 데이터 과학자가 반드시 DataOps 팀에 영구적으로 포함되어 있다고 지적합니다.

 

"일반적으로 한동안 팀에 포함 된 데이터 과학자가 있습니다."라고 Dunning은 말합니다. "그들의 능력과 감성이 뒤죽박죽으로 바뀌기 시작하면 팀의 누군가가 데이터 엔지니어와 저비용의 데이터 과학자의 역할을 맡고 팀에 포함 된 실제 데이터 과학자는 움직입니다. 그것은 유동적 인 상황입니다."

 

 

DataOps 팀을 구축하는 방법

 

DataOps 팀을 구성한다고해서 새로운 전문가를 고용해야한다는 것은 아닙니다. 프리드먼은 많은 기업들이 이미 기존 개발 팀에 DataOps 팀의 핵심을두고 있다고 지적합니다. 다음 단계는 데이터 집중 개발이 필요한 프로젝트와 데이터 교육이 필요한 프로젝트를 확인하는 것입니다. 그 사람은 전체 데이터 과학자가 아닌 데이터 엔지니어 일 수도 있습니다.

 

"이러한 다양한 기술을 다루고 공통 목표를 달성하기 위해 이러한 목표를 달성 할 때 반드시이 역할을 충원하기 위해 많은 인력을 고용해야한다는 것은 아닙니다."라고 Friedman은 말합니다. "종종 핵심 기술을 가진 이들이 있으며 핵심 역할이 무엇인지 이해하기 위해서는 재배치가 필요합니다."

 

그녀는 중요한 부분은 효율성과 사람의 시간과 전문 지식을보다 잘 활용하기 위해 기술 집합 간의 협력을 개선한다는 것입니다.

 

"대규모 프로젝트에서 특정 DataOps 역할은 한 명 이상의 사람으로 채워질 수 있지만, 일부 사람들은 하나 이상의 역할을 포괄한다는 것이 일반적입니다."Dunning and Friedman은 그들의 저서를 씁니다. "운영 및 소프트웨어 엔지니어링 기술이 겹칠 수 있으며 소프트웨어 엔지니어링 경험이있는 팀원도 데이터 엔지니어 자격을 얻을 수 있습니다. 종종 데이터 과학자는 데이터 엔지니어링 기술을 보유하고 있지만 데이터 과학과 운영 간의 중복을 보는 것은 드뭅니다."

 

Dunning과 Friedman은 DataOps 팀이 그들이 지원하는 서비스의 데이터 중심 요구라는 공통 목표를 공유하는 것이 중요하다고 말합니다.

 

Dunning은 "엔지니어링 팀과 훌륭한 엔지니어가 있으면 목표를 잘 세우는 것이 필요합니다. "일단 공통 목표가 있고 문제를 해결하면 팀은 그 문제를 해결하기 위해 자주 조직합니다 문제는 여러 사람들이 서로 다른 측면을 보면서 어려움을 겪습니다. 사람들은 안정성에 대해 걱정할 것입니다. 데이터 과학자는 답의 정확성에 초점을 맞추는 경향이 있습니다. 이미 약간의 차이가 있습니다. 그러나 동일한 문제를 해결하려고 시도하고 있고 타협하고자한다면 어떻게 해결되는지에 관해서는 생각 하기엔 꽤 쉬운 사회 구조라고 생각합니다. "

 

 

 

해외 원문 : https://www.itnews.com/article/3237694/analytics/what-is-dataops-data-operations-analytics.html