數據科學與DevOps之間的差距還有救嗎？
Packt的Skill Up 2016年調查報告顯示，數據科學和DevOps是廣大程序員的新寵。JavaScript和Python是數據科學家最常用的基本編程語言也是最受歡迎的，而DevOps則成為未來最大的趨勢。
數據科學與DevOps是天生的冤家？
雖說這二者都可以讓業務更高效、更智能，但二者之間的融合卻成了最大的問題。儘管數據科學盛行，但某銀行的數據科學家Gianmario Spacagna在2015年10月的“Spark Summit Europe”計算雜誌上表示：在許多情況下，數據科學團隊的影響力並不大。有什麼不錯的解決方案嗎？那就是在數據科學與DevOps之間建立橋樑：
“如果你是一個初創企業，你最想要僱用的是做DevOps的，而不是數據科學家。你需要工程師，機器學習專家，數學家，統計學家，敏捷專家。您需要覆蓋所有內容，否則您很難創建適當的應用程序，從而為企業帶來價值。“
兩年後，他的想法仍然很有意義。過去幾年來，“數據”本身的價值遠沒有被很好地挖掘， 一些企業甚至分散注意力，在電子表格方面花費了大量的時間，沒有足夠的時間去應用於決策，或者建立事務之間的關係。
許多企業仍然存在戰略缺陷，在某種意義上他們不知道如何利用數據科學。只是過分關注他們擁有的和可以獲得的數據，應該更加強調哪些人可以訪問數據以及具體用途。如果數據科學沒有加入這些點，DevOps可以通過提供實用的解決方案來彌補，例如構建儀表板和創建API。
諸如此類的解決方案可以通過使其更易於訪問並簡單地使用，從而提供數據的附加價值。 即使對於中小企業來說，如果未能把數據科學家和分析師成功地融入企業文化中，所產生的價值也將微不足道。
這種方法也對企業如何看待客戶體驗產生了影響。實際上，通過內部協作和決策開發的工具實際上應該與客戶體驗相似：優雅，引人入勝，直觀。這並不意味著將每一個關係都視為純粹的交易，是基於一些不利於自身利益的邏輯，而是更深入地尊重人們互動和分享想法。如果DevOps是一種跨越開發和運營之間差距的敏捷開發方法，它也可以幫助彌合數據和操作之間的差距。
DevOps的傳道人可能會認為DevOps已經開始了，但未來的方向應該是推動更多的整合和協作。隨著API經濟對創業公司和大型企業的成功越來越重要，所有這些不同領域之間的關係將會變得更加複雜化。DevOps是開始一切的好地方，但記住這只是開始。
相關推薦
