TOPマネジメント > データ活用の改善で関心が高まるDataOpsとは(前)

マネジメント

データ活用の改善で関心が高まるDataOpsとは(前)

2020/12/22

Thor Olavsrud CIO

 さらに、データ、ツール、コード、環境などを初めから終わりまでオーケストレーションすること、結果を再現可能にすること、分析パイプラインをリーン製造のラインと同じように捉えること、顧客、チームメンバー、運用統計から得られるフィードバックを定期的に振り返ることなども、原則として挙げている。

DataOpsに適した対象

 企業は、多種多様なプロダクトやサービスに機械学習をいっそう取り入れつつある。DataOpsは、機械学習のエンドツーエンドのニーズを支えるのに適している。

 「例えば、データサイエンティストがソフトウエアエンジニアリングの支援を得やすくなり、デプロイの中でモデルをオペレーションに引き渡す時のニーズを満たすのに適している」と、Dunning氏とFriedman氏は述べている。

 「DataOpsの対象は機械学習に限らない。この編成は、データ指向のあらゆる業務に有益で、グローバルデータファブリックの構築で得られるメリットを生かしやすくなる」

 DataOpsはマイクロサービスアーキテクチャーにも適すると両氏は述べている。

DataOpsのチームの構成

 DataOpsを最大限に生かすためには、データマネジメント戦略を進化させ、大規模なデータへの対処や、発生した現象へのスピーディーな対応を実現できるようにする必要があると両氏は述べている。

 「これまでのように職務がサイロ化していると、硬直的で動きが遅く、デジタルトランスフォーメーションを進めているビッグデータ組織にはあまり適さない。そこで、DataOpsのスタイルが役立つ」

 DataOpsは、DevOpsの発想をベースにしている。したがって、オペレーション、ソフトウエアエンジニアリング、アーキテクチャー/プランニング、プロダクトマネジメント、データ分析、データ開発、データエンジニアリングといった職能の枠を越えた、組織横断的なチームが欠かせない。また、DataOpsチームのマネジメントでは、開発者、オペレーション担当者、データエキスパートの間のコラボレーションとコミュニケーションを密にする必要がある。

 DataOpsチームの重要メンバーとしてデータサイエンティストを含める場合もあるとDunning氏は言う。「ここで最も重要だと考えるのは、データサイエンティストと開発チームが別居しているような、現実とかけ離れた旧式の組織編成を踏襲しないことだ。最も重要なステップは、DevOpsチームにデータサイエンティストを文字どおり組み込むこと。同じ部屋で仕事し、同じ食事をとり、同じ不平を聞いていれば、自然に足並みがそろうはずだ」

 一方でDunning氏は、データサイエンティストを永続的にDataOpsチームに組み込んでおくことは必ずしも必要ないと述べている。

 「一般には、チームにデータサイエンティストをしばらく組み込む。すると、その人の能力や感覚がチームに伝播し、チームの誰かが、一種のデータエンジニアのような役割や、低予算のデータサイエンティストのような役割になってくる。この段階で、チームに参加していた本物のデータサイエンティストはチームを離れる。万物流転だ」

翻訳:内山卓則=ニューズフロント

↑ページ先頭へ