Мои первые три недели на должности менеджера инженерии данных
Прошло три недели с тех пор, как я официально вступил в свою новую должность – менеджер инженерии данных в Vox Media.
Помимо работы, которую я выполнял, чтобы оценить текущие проекты и процессы, я развлекался, формулируя и придумывая способы добиться больших успехов для нашей команды по обработке данных. В этом посте я хотел бы поделиться своими мыслями о важности команд специалистов по исследованию данных и о том, как вы также можете начать определять свою стратегию на основе данных (data strategy) в будущем.
Зачем нужна ваша команда?
Наша команда по обработке данных в Vox Media — это небольшая, но растущая и образованная группа энтузиастов по данным.
Мы существуем, чтобы…
Предоставить заинтересованным сторонам Vox Media демократизированные и интегрированные решения на основе данных, чтобы получить ясность, понимание и масштабирование на основе первичных данных.
Наше видение состоит в том, чтобы…
Стать командой инженерии данных мирового класса, занимающей лидирующие позиции в разработке готовых к производству решений и изящных решений для исследования данных.
Мы делаем это так…
Мы остаемся любопытными, делимся тем, что знаем, поддерживаем членов нашей команды, отмечаем наши успехи и учимся на неудачах.
В течение моей первой недели на работе у меня было множество встреч с замечательными людьми, благодаря которым достижение этих целей стало возможными. В мире технологий, программные решения, которые мы создаем, должны быть полезными, желанными и эффективными. Наш код существует не для того, чтобы жить изолированно, чтобы его никогда никто не видел и не понимал. Объединение команды означает понимание того, что путь создания ценных программных решений включает множество этапов. И это путешествие кросс-функционально.
Получить ясность в деталях
В течение моей второй недели в Vox Media я определял эти различия и формулировал их по функциям.
Получить понимание навыков и функций, необходимых для создания полностью демократизированных и интегрированных проектов, непросто, особенно когда речь идет о создании команд (например, команд специалистов по исследованию данных), где нет отраслевого стандарта для конкретных ролей. Как мы определяем инженера данных, инженера по машинному обучению и исследователя машинного обучения?
Я начал формулировать эти концепции как средство для лучшего обсуждения точек зрения, которые традиционные команды в разных организациях могут не осознавать, поскольку они связаны с созданием команд, которые сильно отличаются от стандартной группы разработки программного обеспечения (как мы видели в DevOps и SRE Team Toplogies, даже это постоянно меняется). Мои идеи должны были отдать должное техническим участникам команды по работе с данными и профильным экспертам, которые помогают сделать наши проекты и идеи реальными. Как сделать так, чтобы все заинтересованные стороны начали понимать и уважать приоритеты, навыки и различия, связанные с разными ролями, опытом и ценностями? И на что это похоже, когда части складываются в единой целое?
Я начал определять эти части и уточнять их с течением времени. Есть примеры замечательных команд специалистов по исследованию данных, которые выдают сообществу свои публикации, доступные наборы данных и решения с открытым исходным кодом. У Facebook Ai, LinkedIn и Mozilla есть отличные команды специалистов по исследованию данных. Если наше видение состоит в том, чтобы стать компанией мирового класса, необходимо соблюдать определенные стандарты.
Я вышел из DevOps, и мы часто застреваем в существующей терминологии, спрашивая друг друга, что такое DevOps, что такое SRE, что такое GitOps или что такое Progressive Delivery? Но если мы сможем сосредоточиться на сегментах и областях знаний, у нас появятся нужные роли и возможности для различных проектов в нашей команде. Я стремился также подумать о текущем дефиците кадров в области исследования данных, о том, что у нас есть более 21 миллиона разработчиков программного обеспечения в мире, но не так много тех, которые понимают и работают с решениями на основе данных.
Я задаю эти острые вопросы не только в этом посте, но и своему сообществу и команде. Эти обсуждения и беседы делают новые команды более сплоченными, инклюзивными и успешными.
Дальнейшее масштабирование
Я пришел в организацию как раз в то время, когда все здесь очень интересуются данными и этическим использованием данных в современных платформах и решениях, таких как Forte. Однако это ничего не значит, если мы не можем полностью сформулировать ценность наших планов на межкомандном и внутрикомандном уровне. Коммуникация быстро сталкивается с проблемой масштаба, когда динамика команды устанавливается в нисходящей иерархии.
Я поделился видением и миссией нашей команды ранее в этой статье, потому что я увлечен полученными нами результатами. Поделиться этими мыслями с моей командой было одним из первых действий, которые я предпринял в качестве нового менеджера. Автономия в современной разработке программного обеспечения— это то, как мы можем устойчиво и разумно масштабироваться для удовлетворения потребностей в ПО. Участники сами решают, над чем работать и когда это сделать. Как менеджер, я буду поддерживать этот подход, как могу.
Вывод
Надеюсь, что вам понравилось мое введение в вопрос создания команды специалистов по исследованию данных. Тот факт, что я занял свою должность был не случайным. Я увлечен объединением команд для уверенной и успешной разработки программного обеспечения. Я делаю это, делясь тем, что знаю, сохраняя пространство и вдохновляя всех, кто интересуется технологиями, делать то же самое.
