به گزارش سایت نتگام: از آنجایی که حجم دادهها در سالهای اخیر افزایش یافته است، مدیران اجرایی برای استفاده مناسب از همه آنها تحت فشار فوقالعادهای قرار دارند. با این حال، آنها اغلب در تلاشهای خود با مشکل مواجه میشوند و برای استفاده مؤثر از دادهها به DataOps روی میآورند، اما در این مسیر با چالشهایی مواجه میشوند.
بر اساس نظرسنجی اجرایی داده و هوش مصنوعی 97 درصد از شرکتهای مورد بررسی گفتند که روی طرحهای داده سرمایهگذاری میکنند، اما تنها 47 درصد برای دادهها و تجزیه و تحلیلها رقابت میکنند. تنها 39 درصد داده ها را به عنوان دارایی تجاری مدیریت می کنند و تنها 26 درصد گزارش داده اند که یک سازمان داده محور دارند.
در پاسخ به چنین عملکرد ضعیفی، رهبران کسبوکار از اصول و شیوههای موجود در رشته DataOps استفاده میکنند تا به استفاده مؤثر از دادهها برای تصمیمگیری، کشف بینشها و هدایت خودکارسازی و ابتکارات هوشمند کمک کنند.
DataOps چیست؟
DataOps، مخفف عملیات داده، مجموعه ای از شیوه ها، اصول، فن آوری ها و کارکنان است که برای ایجاد مدیریت کارآمد داده ها در نظر گرفته شده است. قلب و روح DataOps ارکستراسیون است. جابجایی، پردازش و غنیسازی دادهها در حین حرکت از طریق خط لوله، نیازمند یک گردش کار پیچیده با وابستگیهای متعدد است.
این رشته مفاهیمی را از دنیای توسعه نرم افزار وام گرفته است، مانند اصول توسعه B. Agile و رویکرد تکراری و مشارکتی معروف به DevOps. هدف آن کمک به مباشران داده های سازمانی است که با شکستن سیلوهای داده، افزودن اتوماسیون و اجرای قوانین حاکمیتی، داده های مناسب را در زمان مناسب به کاربران مناسب تحویل دهند. DataOps توانایی یافتن، اعتماد و درک سریع و مطمئن دادهها را فراهم میکند.
چالش های DataOps
بر اساس گزارش ESG، سازمان ها از DataOps برای مقابله با چندین چالش مرتبط با استفاده از داده های خود استفاده می کنند. رهبران دادهها چالشهای مربوط به تضمین انطباق با مقررات، پایبندی به استانداردهای حاکمیتی و دسترسی به موقع به دادههای جدید را به عنوان محرکهای کلیدی برای پذیرش DataOps ذکر کردند.
با این حال، مدیران، محققان و مشاوران دادههای سازمانی میگویند که سازمانها نیز در پذیرش موفقیتآمیز و بلوغ دیسیپلین DataOps با چالشهای متعددی روبرو هستند. چالش های کلیدی DataOps در پیاده سازی، استفاده و مقیاس بندی DataOps در سراسر سازمان شامل موارد زیر است:
1. عدم اطمینان در مورد آنچه DataOps مستلزم آن است
مفهوم DataOps تقریباً یک دهه است که وجود دارد، اما مانند پسر عموی DevOps آن هیچ فرمول واحد یا راهنمای جامعی برای دقیقاً آنچه که مستلزم آن است وجود ندارد. جی لیمبرن، معاون مدیریت محصول آیبیام برای دادهها و هوش مصنوعی، میگوید در واقع، فروشندگان فناوری معمولاً دیدگاه خاص خود را در مورد نیازهای این رشته دارند.
مایک هندریکسون، معاون فناوری و محصولات توسعهدهنده گفت، در نتیجه، مباشران داده باید بهترین شیوههای نوظهور و رویکردهایی را که شروع به استاندارد شدن میکنند شناسایی کنند تا یک برنامه DataOps که برای سازمانشان کار میکند ایجاد کنند. نرم افزار و محتوا
رهبران داده همچنین باید چابک باشند تا با بلوغ این رشته و ظهور فناوریهای توانمندساز جدید، آماده سازگاری باشند. DataOps هنوز در اوایل چرخه بلوغ است. انتظار تغییرات و پیشرفتهای زیادی را از منظر ابزار و فرآیند داشته باشید.
2. ناتوانی در یافتن مکان و چگونگی شروع
حجم داده ها خیره کننده است. به گفته شرکت تحقیقاتی IDC، در سال 2020 جهان 64 زتابایت داده ایجاد یا تکثیر کرده است. تخمین زده می شود که ایجاد و تکثیر داده های جهانی تا سال 2025 با نرخ ترکیبی سالانه 23 درصد رشد خواهد کرد.
در حالی که هیچ سازمانی نمی تواند حتی از راه دور آن حجم را مدیریت کند، اکثر آنها هنوز بیشتر از توانایی خود دارند. به گفته کارشناسان، دانستن اینکه اصول DataOps را از کجا شروع کنند و چگونه به بهترین نحو به بلوغ برسند، برای آنها دشوار است. سازمانها باید حوزههایی را که میتوانند یک رشته DataOps را آزمایش کرده و تمرین کنند، قبل از اینکه آن را گسترش دهند تا همه دادهها و استفاده از داده در سازمان را شامل شود، شناسایی کنند. به عبارت دیگر، رویکرد حداقل محصول قابل دوام را در پیش بگیرید و از آنجا رشد کنید.
سازمان ها همچنین باید راه هایی برای اندازه گیری اثربخشی برنامه های DataOps خود بیابند. این به شما کمک خواهد کرد که بدانید آیا در مسیر درستی هستید یا خیر.
3. مبنا داده های از دست رفته
DataOps افراد، فرآیندها و فناوری را با هم جمع می کند تا جریان موثر، کارآمد و ایمن داده ها را در یک سازمان سازماندهی کند. برای انجام این کار، سازمان ها باید دارای اجزای کلیدی در هر سه حوزه باشند.
به طور خاص، کارشناسان گفتند که سازمان هایی که به دنبال استفاده از DataOps هستند باید درک کنند:
چه پایگاه داده ای دارند و کیفیت آن داده ها.
چگونه آن داده ها در حال حاضر از طریق شرکت جریان می یابد.
آیا سیلوهای داده هنوز وجود دارند و چگونه می توان آنها را حذف کرد.
چگونه شرکت قصد استفاده از داده ها را دارد.
چه حکمرانی داده وجود دارد.
مؤلفه های فناوری و استعدادهایی که آنها برای پشتیبانی از همه این عناصر دارند.
DataOps به ترکیبی از سرمایه گذاری های فنی، بازسازی سازمانی و مدیریت تغییر نیاز دارد. موانع فنی، عملیاتی، انسانی و فرهنگی وجود دارد.
با این حال بسیاری از سازمان ها فاقد برخی یا همه این عناصر هستند. آنها همچنین فاقد فرهنگ داده و همچنین استراتژی داده هستند. فقدان این اصول می تواند مانع از اجرای موفقیت آمیز یک رشته DataOps در یک سازمان شود.
برای مقابله با این، مباشران داده باید روی ساختن عناصر اساسی یک برنامه داده تمرکز کنند تا همه چیزهایی که برای پذیرش DataOps نیاز دارند را داشته باشند. دان ساترلند، مدیر ارشد بخش مشاوره فناوری گفت کسبوکارها باید دادهها و تحویل دادهها را در مرکز قرار دهند، نه اینکه آنها را بهعنوان یک پساندیشه در چرخه توسعه نرمافزار تلقی کنند.
ساترلند گفت که کسب و کارها باید به تمام عناصر چرخه عمر داده ها، از جمله طراحی و توسعه خط لوله داده، ذخیره سازی، مدل سازی داده ها و الگوهای مصرف توجه بیشتری داشته باشند.
علاوه بر این، آنها باید اولویت بندی کنند:
پشته های قدیمی فناوری داده را با پشته های مدرن جایگزین کنید که دید کاملی را به خط لوله داده ارائه می دهند.
سرمایه گذاری در آموزش سواد داده در سطح شرکت؛
تیم های داده خود را آموزش دهید تا آنها برای کار در این محیط جدید آماده شوند.
ایجاد یک استراتژی داده جامد که مزایای پر کردن شکاف بین جایی که در حال حاضر است و جایی که سازمان باید از دادهها برای رسیدن به اهداف حیاتی استفاده کند را برجسته کند، بسیار مهم است.
رومرو گفت رهبرانی را که می توانند از این برنامه حمایت کنند، شناسایی کنید. با افرادی که با پذیرش DataOps تأثیر مثبتی خواهند داشت، تماس بگیرید. روی یک برنامه سواد داده سرمایه گذاری کنید که می تواند فرهنگ داده سالم را تقویت کند.
4. عدم استقبال از رهبری
یکی دیگر از چالش DataOps برای سازمان ها، متقاعد کردن رهبری برای حمایت از تلاش DataOps است. هرچه فرهنگ داده یک سازمان بالغ تر باشد، دستیابی به آن آسان تر است. برای افرادی که به طور روزانه از داده ها استفاده می کنند، گفتن ما به این نیاز داریم آسان است، اما گاهی اوقات رهبری همیشه این نیاز را نمی بیند. رومرو گفت آنها هدفی از انجام DataOps نمی بینند.
سایرین نیز این نظر را تکرار کردند و خاطرنشان کردند که رهبران سازمانهایی که فرهنگ دادهای بالغ ندارند یا دستاوردهای حاصل از بینشهای مبتنی بر دادهها معمولاً تمایلی به حمایت از سرمایهگذاری در DataOps ندارند.
5. مشکلات در مواجهه با تغییر
DataOps از افراد می خواهد که اساساً روش کار خود را تغییر دهند. شاپور گفت که این نوع تغییر یک شبه اتفاق نخواهد افتاد.
او گفت ترغیب کارکنان به اتخاذ شیوههای جدید و روشهای چابک کار آسان نیست. اغلب آنها فاقد مهارت و زمان لازم برای یادگیری مهارت های جدید هستند. DataOps همچنین به شیوه جدیدی از تفکر در مورد شیوه های نرم افزار نیاز دارد.
به این ترتیب، مباشران داده باید اصول مدیریت تغییر را در برنامه های DataOps خود بگنجانند تا اطمینان حاصل کنند که می توانند با موفقیت افراد را در شیوه های جدید کار و تفکر در مورد داده ها درگیر کنند.
منبع: techtarget
