《Architecting Data and Machine Learning Platforms》第三章:设计您的数据团队

在设计数据平台时,有几个技术方面需要考虑:性能、成本、运营开销、运营卓越、整合新的分析和机器学习方法等。然而,如果不解决公司文化的问题,这些技术方面将无法发挥作用------采用新技术需要员工愿意改变他们的思维模式和工作方式。另一个需要记住的关键方面是现有员工目前具备的技能以及他们需要掌握的技能。在某些情况下,学习新技能并改变工作方式的员工最终可能会进入与数据平台实施之前不同的角色。

在本章中,我们探讨了组织如何规划和协调这些思维模式、工作流程、技术技能和角色的变化。每个组织都是独特的,因此构建数据平台将涉及为每个部门和其中的员工制定详细的计划。在本章中,我们描述了不同类型组织的这种详细计划会是什么样子。

相关推荐
v***5652 小时前
PostgreSQL 中进行数据导入和导出
大数据·数据库·postgresql
奋斗的小高3 小时前
InnoDB:存储引擎架构
架构
limenga1023 小时前
TensorFlow Keras:快速搭建神经网络模型
人工智能·python·深度学习·神经网络·机器学习·tensorflow
p***c9495 小时前
微服务展望
微服务·云原生·架构
KG_LLM图谱增强大模型5 小时前
Vgent:基于图的多模态检索推理增强生成框架GraphRAG,突破长视频理解瓶颈
大数据·人工智能·算法·大模型·知识图谱·多模态
一只小青团6 小时前
Hadoop之MapReduce
大数据·hadoop·mapreduce
电商API_180079052476 小时前
淘宝商品详情 API 性能优化秘籍:QPS 提升 5 倍的技术方案
大数据·性能优化·数据挖掘·数据分析·网络爬虫
t***26596 小时前
【大数据】MySQL与Elasticsearch的对比分析:如何选择适合的查询解决方案
大数据·mysql·elasticsearch
Xの哲學7 小时前
Linux slab分配器深度剖析:从原理到实践
linux·服务器·算法·架构·边缘计算
阳爱铭8 小时前
ClickHouse 中至关重要的两类复制表引擎——ReplicatedMergeTree和 ReplicatedReplacingMergeTree
大数据·hive·hadoop·sql·clickhouse·spark·hbase