在关键任务场景中充分利用数据科学家的技能
来源：CPDA数据分析师网 / 时间：2021-02-02
但在另一个不太明显的地方，您的数据科学家可以真正发挥作用-在公司运作的核心（即我所说的运营数据科学）中，将您的数据科学家放在线似乎有点奇怪，但是在某些情况下，这很有道理，我为一家大型金融机构做了一些工作，以帮助他们增强网络安全防御能力，当我们考虑组织结构的备选方案时，在发现可能的违规情况时，将一小组数据科学家放在运营角色中是很有意义的，由于部署了技术团队来防御传入的攻击并保护敏感系统，因此部署了数据科学团队以提供实时信息支持。
任务控制中便会凝聚起大脑信任
这值得考虑您的数据科学家将在必要时提供实时操作数据支持功能，在操作人员角色中使用数据科学家的3个步骤
1：定义所有可能的用例
如果机会确实存在于运营数据科学中，那么您要做的件事就是彻底定义需要运营数据支持的所有用例，首先从所有运营业务功能的清单开始，然后继续进行有关高级分析支持是否有价值的深思熟虑的分析，网络安全只是一个例子，考虑一个像联邦快递这样的快递公司，它负责按时交付包裹，在龙卷风这样的异常情况下，让一组数据科学家分析路线以获得交付时间可能会有所帮助，一旦确定了提供实时数据支持的机会，请明确阐明用例，以便团队可以进行相应的模拟和准备。
2：考虑数据系统支持
接下来要考虑的是您的数据支持系统。数据仓库中有一个称为“操作数据存储”的体系结构，在大多数情况下似乎都很合适，那么是时候让您的建筑师开始设计了，通常位于事务系统和数据仓库之间。它充当中介从交易系统提供操作分析，因此它们不承担同时处理交易和通过分析进行处理的负担，类别决定了从事务系统更新的频率，1级系统接近实时（几秒钟内）；每天有3类系统；和2类系统介于两者之间，更新少于每天一次-通常每周一次，对于大多数目的和目的，您的数据科学团队将需要1级或2级系统，即使有了的技术进步，系统的构建和维护成本仍然很高，他们通常使用消息传递技术，而不是经典的提取，转换和加载（ETL）技术，因此在调查实时数据支持功能的总体价值时，请记住这一点。
3：在作业中要有选择性
，您必须对分配给这些角色的实际数据科学家有很高的选择，您之所以不会自动将数据科学家与高压操作角色联系起来，是因为您假设具有分析能力的人员在这些角色中的表现不佳，你是正确的刻板印象分析不喜欢压力。他们需要时间进行思考和分析，而且他们不希望有人将鼠标悬停在上面来寻找答案，近我正在与一个分析人员合作进行一些分析，您必须搜索非典型数据科学家，您需要数据科学家，他们要在压力下感到自在，并能快速思考和采取行动，通常他们在处理压力正常的数据科学世界之外还有其他热情或经验，您还可以查看他们的工作历史，以查看他们以前是否曾担任过运营和/或高压职务，只是不要假设您可以让任何数据科学家担任运营角色，否则您可能会后悔这一决定。
尽管数据科学无疑在战略分析和创新中占有一席之地
但在实时关键任务场景中使用数据科学家也有必要，分析支持的机会，并与数据科学家讨论他们可能如何提供帮助，如果发现匹配项，请定义用例，然后选择可以应对压力的数据科学家，一点点的实时数据科学都没有什么不妥的地方。