Bygga ett starkt datateam

När man bygger ett plattformsverktyg behöver man ha berättelser och uppgifter tillgängliga. Scrum masters ser till att alla i teamet känner till dessa och är i samklang. Tillsammans med produktägaren (och resten av teamet) definierar de uppgifter och organiserar dessa genom att skapa en färdplan. De kontrollerar också och definierar ytterligare uppgifter som behövs för att bygga produkten. Uppgifter som att säkerställa att alla arbetar som ett team och känner till sitt ansvar. Dessutom hjälper de teamet att ta fram de bästa uppgifterna i enlighet med färdplanen.

Möjliga nästa steg

För att skapa ett verktyg som Spotify kommer affärschefer i kontakt med intressenter. Deras mål är att förbättra en produkt och dess påverkan på marknaden. De funderar på alla möjliga alternativ. Dessutom kommer de att ställa frågor som ‘Vad kan göras för att fullföra vår vision baserat på marknaden?’ Affärschefer rapporterar och ställer (samt besvarar) frågor om affärsintelligens. Affärsintelligens fokuserar på hur affärsverksamheten kan förbättras och hur den kan bli mer lönsam. För Spotify kan de till exempel tänka på flera typer av abonnemang. Dessutom studerar och utvärderar de konkurrensens affärsmodeller och försöker lista ut vad som kan göras för att konkurrera med dem. Genom att använda Tableau skapar de dashboards som automatiserar (dagliga eller veckovisa) rapporter för att visualisera data. När använder folk Spotify? Och vad använder de mest? Med dessa data kan bättre beslut fattas. Affärsintelligens kan ge bättre råd till affärschefen och diskutera möjliga nästa steg.

Visa lösningar.

Produktägarnas ansvar är att undersöka vad som kan göras för att skapa en produkt. De söker ständigt efter data som besvarar deras frågor. Dessutom får de feedback från dataanalytiker som hjälper till att utveckla och definiera produkten. Produktägare säkerställer att affärschefer är i linje med produktens mål och hanterar deras förväntningar. Sist - men inte minst - kommer data scientists att demonstrera lösningar för produktägarna för att se vad som kan göras för att skapa produkten. Kort sagt: produktägare säkerställer att en produkt blir vad den borde vara.

Dataanalytiker undersöker om – och vad – som kan göras baserat på tillgängliga data inom företaget. De använder Python och Tableau för att omvandla försäljningsinformation till insikter som hjälper ledningen i beslutsfattandet. Python och Snowflake används för att automatisera befintlig rapportering till bättre lösningar. Genom att kontrollera vad som händer visar de produktägare och affärsintelligensteam om det är möjligt att bygga en produkt. Om så är fallet, berättar de hur. Till exempel utvärderar de kundfeedback om en produkt och verktygets påverkan på marknaden. Därefter diskuterar de med produktägare om det finns data som kan hjälpa. Till exempel: vi behöver en ny funktion för recensioner, vad vill eller behöver användarna? Dataanalytiker skapar frågor som besvarar dessa frågor.

Data scientists arbetar sida vid sida med dataanalytiker (dataingenjörer och maskininlärningsingenjörer). De skapar dashboards och Proof of Concepts (PoC), får tillgång till insikter från dataingenjörer och arbetar med företagets data. Data scientists kontrollerar vilken data som redan finns och vilka frågor som besvaras så att ett verktyg - som faktiskt kommer att användas - byggs. Drar de slutsatsen att bättre data behövs? Då måste de interagera med dataingenjörer.

Arbeta med rätt data

Nu går vi vidare till maskininlärningsingenjörer. Dessa behöver arbeta tillsammans med dataingenjörer och konsolidera alla pipelines. De skalar upp modeller och sätter dem i en produktionsmiljö. Till exempel: när Spotify vill skala upp. De samarbetar med mjukvaruingenjörer på backend för att optimera teknologin och arbetar tillsammans med dataingenjörer på infrastrukturen. Dataingenjörer skapar och arbetar med databaser. De säkerställer att datavetare får tillgång till den data som behövs för att bygga ett verktyg. Utan data vet man inte vad man ska göra eller var man ska börja. Man kan säga att detta är den mest avgörande och viktiga rollen inom datavetenskapsteamet. Det är viktigt att de vet hur man bygger och strukturerar en databas. När någon gör en förfrågan, till exempel, måste den vara effektiv. Och dataingenjörer säkerställer att andra har rätt data för att göra en förfrågan.

När ditt verktyg är tillgängligt och intressenter är med ombord, vill du göra det tillgängligt för allmänheten. Det är då en lösning (förhoppningsvis) sätts i produktion och proof of concept måste visa sig. Att sätta verktyget i produktion säkerställer att användare faktiskt börjar använda det. När produkten finns på marknaden behöver du också göra den attraktiv för allmänheten. För att nå ut till din målgrupp måste mjukvaruingenjörerna säkerställa att produkten ser bra ut och är lätt att använda. Det är här front-end mjukvaruingenjörer kommer in. Eller om möjligt, en UI- eller UX-designer som tänker på utseende och känsla.

Bygga ditt team

Innan du bygger ett datavetenskapsteam är det viktigt att tänka på vad du skapar och vad det är du letar efter. Ett vanligt misstag som görs är att folk börjar leta efter data scientists. Inte för att de behöver en (eller två eller tre), utan för att alla andra letar efter dem. Även om det kanske finns ett litet antal data scientists, måste du först säkerställa att du har data att arbeta med. Och du kommer inte att ha rätt data utan en dataingenjör. Så, vad är det första du gör när du bygger ditt datavetenskapsteam? Anställ en dataingenjör. Lycka till!