Na czym polega sekret udanej współpracy między data scientist a data engineer?
Szacunek i pokora. Kiedy pracujesz z ludźmi o komplementarnych umiejętnościach, łatwo jest pomyśleć: My rozwiązujemy prawdziwe problemy, ich zadania może wykonać licealista. Często nie zdajesz sobie sprawy, dlaczego wdrożenie niewielkiej usługi lub narysowanie prostego wykresu może być wyzwaniem. Z drugiej strony nawet osoby, które nie rozumieją w pełni twojej dziedziny, mogą dostarczyć cennych sugestii i opinii.

Czy rozwiązaniem jest ścisły podział obowiązków? Czasami częścią problemu jest zmuszanie naukowców zajmujących się danymi do wykonywania zadań inżynierskich. W drugą stronę prawdopodobnie zdarza się to rzadziej?
Mieliśmy odwrotny problem – wydawało się, że oba zespoły chciały robić wszystko. Zdolni ludzie często mają problemy z oddawaniem zadań innym. Tymczasem, jako data scientist, pewnie mogę wykonywać zadania inżynierskie, ale to nie będzie efektywne. Specjalista zrobi to lepiej.

Jak optymalnie dzielić zadania?
Jednym z ważnych aspektów jest zapewnienie, że stosunek interesujących do nudnych zadań jest dla każdego podobny. Wszyscy dokładają swoją cegiełkę do procesu twórczego, ale każdy też wykonuje swoje żmudne obowiązki.

Czy może Pan podać przykłady takich interesujących i nudnych zadań?
Twórcze jest zaprojektowanie architektury albo opracowanie nowego algorytmu czy modelu. Nudne jest szukanie wycieków pamięci i czyszczenie danych.

Czy narzędzia techniczne są częścią rozwiązania?
Narzędzia są ważne, ale jeszcze ważniejsze są procesy i wzajemne zrozumienie. Zawsze zaskakuje mnie, jak ważny jest ludzki aspekt mojej pracy.

Jak te procesy zostały zaprojektowane w firmie, w której obecnie Pan pracuje?
Gdy zaczynaliśmy współpracę z zespołem inżynierów z innego działu, zapisaliśmy dokładnie, jak dużo czasu każdy zespół ma zamiar poświęcić na ten projekt i nad czym będzie pracował. Prosta rzecz, ale pozwoliła nam uzgodnić oczekiwania. Ważne są też typowo ludzie rzeczy. Jako że jeden zespół pracuje w Londynie a drugi w Nowym Jorku, istotne jest by się spotkać na żywo raz na jakiś czas. Często wideokonferencje nie wystarczają.

Rozmawiał Rafał Jakubowski.

 

Wywiad pochodzi z publikacji “Raport Rynek Pracy – od BigData i AI do BI”