随着大多数企业决定以更智能和有利的方式利用数据，Dataops的势头越来越好，获得了更大的动力。
越来越多的员工使用机器学习来管理任务，从创建预测模型和加深对消费者行为的洞察力到检测和管理网络威胁，也增加了Dataops的动力。能够转向对复杂数据集进行快速自主或半自主检查的企业将获得强大的市场优势。
随着企业考虑到更成熟和强大的分析实践所带来的挑战，一些企业正在转向Dataops-as-a-service（数据操作即服务），外包利用公司数据的工作。
虽然这种方法可以解决一些人才问题并加快数据分析之旅，但也有风险。如果不清楚数据分析背后的业务驱动力，外包数据需求可能无法提供你需要的数据情报。而在数据摄取和分析过程中加入第三方甚至第四方，会增加数据保护的风险。
企业的另一个选择是：建立一个内部的Dataops团队。
这种方法也有其挑战性，需要的不仅仅是找到合适的团队成员或模仿良好的DevOps计划，但付出的努力总是值得的。
一个好的Dataops计划不仅会使企业更加智能且更具有竞争力，还可以通过将数据和开发输入结合到一个地方来提高数据的准确性并减少产品的缺陷。
以下是建立一个成功的内部Dataops计划的7条关键指南：
充分利用DevOps的文化优势
在实施Dataops时，拥有成熟的DevOps文化和实践的企业更具有优势。
他们努力将孤立的开发和运营团队聚集在一起，专注于更大的业务目标。与没有 DevOps背景的企业相比，将数据专家添加到这个已建立的团队以创建 Dataops计划要容易得多。
虽然缺乏当前的DevOps项目并不是拒绝内部Dataops的理由，但企业需要考虑到将更大的团队（数据、开发和运营）聚集在一起并从头开始建立运营框架的挑战。
将安全放在首位
企业扩大数据访问和参与确实增加了安全风险。检查如何保护数据的完整性是建立Dataops实践和团队的一个重要组成部分。
将使用哪些流程来确保Dataops团队创建的任何工具或应用程序都符合合规性？企业将如何使团队达到最佳的数据安全标准？谁将决定哪些客户数据可以或应该被使用？
数据泄露和损失对企业来说是毁灭性的，Dataops团队必须在数据完整性方面做到最好。
让业务专家成为统一的力量
很显然，企业内的任何团队都应该把企业的优先事项作为其首要关注点。然而，数据可以将最具战略性的分析师和工程师带入各种有趣的开发、运营和数据路径。
为了使数据团队保持在正确的轨道上，不断提醒战略业务目标是必不可少的。应该定期提出这样的问题：“我们正在考虑的这个数据产品或解决方案是否符合既定的业务优先级？”以保持团队的同步性和轨道。
采取以人为本的方法来管理过渡期
转移到Dataops将改变角色和责任，这可能会破坏团队成员的稳定。他们担心扩大项目团队和责任会损害他们的工作安全。“如果没有我自己的项目，该如何为我的工作和贡献获得荣誉？”
成功过渡到共享数据工具和解决方案开发的关键是重新建立绩效目标和措施。团队成员需要把这看作是业务运营的进步，他们的职责也会相应地发展和进步。
知道一些角色将很难被填补或自动化
企业寻求外包数据服务令人信服的一个原因是人才的短缺。当企业在考虑是否能配备和管理自己的Dataops团队时，技能挑战是一个重要的考虑因素。
机器学习驱动的数据分析需要专业技能。虽然DevOps和Dataops计划往往希望实现流程自动化，但在数据供应链中，有很多角色是不能自动化的。例如，解释情报并将其与业务需求相结合的数据科学家，最初被麦肯锡称为分析翻译员，就是无法实现自动化的。
为了在内部解决这些人才挑战，企业可以确定围绕数据工作的高技能员工，如软件工程师或商业分析师，并开始培训他们从事这种更高水平的分析工作。
从小规模着手
对于不知道从哪里开始的企业，以及资源有限的企业，敏捷开发提供了一个很好的出发点：小规模的增量。
如果一家企业不能建立一个完整的团队或流程，它可以从一个跨职能团队的一个可管理的数据项目开始。一个小的开始仍然是一个寻找自动化潜力的机会，如数据摄取或测试，并开始建立数据渠道，以促进未来的项目和更成熟的分析。
争取内部数据消费者作为早期客户
正如小型增量项目提供了一个良好的起点，员工--内部数据消费者--也是Dataops的良好早期客户。从寻求指导的执行团队到平衡管理和存储大量数据的部门，内部团队有关键的业务战略目标需要实现。
通过推动企业内部使用的高度自动化应用程序的开发，Dataops为内部团队提供了将其项目提升到新水平所需的智能，并为涉及外部利益相关者的未来 Dataops项目增加了支持。
作者：Anna Frazzetto
原文地址：
www.cio.com/article/3624699/building-an-internal-dataops-team-7-considerations-for-success.html
