数据科学与DevOps是天生的冤家?
虽说这二者都可以让业务更高效、更智能，但二者之间的融合却成了最大的问题。尽管数据科学盛行，但某银行的数据科学家Gianmario Spacagna在2015年10月的“Spark Summit Europe”计算杂志上表示：在许多情况下，数据科学团队的影响力并不大。有什么不错的解决方案吗?那就是在数据科学与DevOps之间建立桥梁：
“如果你是一个初创企业，你最想要雇用的是做DevOps的，而不是数据科学家。你需要工程师，机器学习专家，数学家，统计学家，敏捷专家。您需要覆盖所有内容，否则您很难创建适当的应用程序，从而为企业带来价值。“
两年后，他的想法仍然很有意义。过去几年来，“数据”本身的价值远没有被很好地挖掘， 一些企业甚至分散注意力，在电子表格方面花费了大量的时间，没有足够的时间去应用于决策，或者建立事务之间的关系。
许多企业仍然存在战略缺陷，在某种意义上他们不知道如何利用数据科学。只是过分关注他们拥有的和可以获得的数据，应该更加强调哪些人可以访问数据以及具体用途。如果数据科学没有加入这些点，DevOps可以通过提供实用的解决方案来弥补，例如构建仪表板和创建API。
诸如此类的解决方案可以通过使其更易于访问并简单地使用，从而提供数据的附加价值。 即使对于中小企业来说，如果未能把数据科学家和分析师成功地融入企业文化中，所产生的价值也将微不足道。
这种方法也对企业如何看待客户体验产生了影响。实际上，通过内部协作和决策开发的工具实际上应该与客户体验相似：优雅，引人入胜，直观。这并不意味着将每一个关系都视为纯粹的交易，是基于一些不利于自身利益的逻辑，而是更深入地尊重人们互动和分享想法。如果DevOps是一种跨越开发和运营之间差距的敏捷开发方法，它也可以帮助弥合数据和操作之间的差距。
DevOps的传道人可能会认为DevOps已经开始了，但未来的方向应该是推动更多的整合和协作。随着API经济对创业公司和大型企业的成功越来越重要，所有这些不同领域之间的关系将会变得更加复杂化。DevOps是开始一切的好地方，但记住这只是开始。
作者：钰莹
来源：IT168
原文链接:数据科学与DevOps之间的差距还有救吗？
