Конференция завершена. Ждем вас на DevOpsConf в следующий раз!

Как договориться с аналитиком, если ты инженер в Data-мире

Актуальное

Архитектуры / другое
Методологии и процессы разработки ПО; Сроки и приоритеты
Обработка данных

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Дата-инженеры и дата-аналитики взаимодействуют как кошки с собаками? Докладчик расскажет возможные причины такого поведения и как инженеры с инженерными практиками могут помочь аналитикам и наоборот.

Целевая аудитория

Дата-инженеры, их руководители, а также дата-сайентисты, которые разрабатывают или планируют разрабатывать data-intensive applications.

Тезисы

В области Data Science, Machine Learning и даже Data Engineering нет таких устойчивых традиций разработки, как в других областях. При этом, конечно же, есть свои сложности и проблемы. Новички приходят в эту область, быстро понимают, что всё совсем не так, как они себе представляли, а те, кто пока к ней приглядывается, часто имеют довольно искажённое представление о том, как выстраивается типичный цикл разработки и какие там есть неожиданные неприятности. В ситуации, когда ты приходишь в аналитическую команду инженером или работаешь с соседней командой дата-сайентистов, это взаимодействие часто приводит к склокам и недопониманию.

В докладе мы обсудим возможные причины, почему такое может происходить и что можно сделать, чтобы этого не было. Я поделюсь соображениями о том, как можно сделать так, чтобы дата-сайентисты и дата-инженеры выполняли свои задачи без ощущения, что это их убивает.

Data Platform Engineer в команде Data Insights and Analytics Platforms в финтех-компании.
Прошёл путь Computer Science -> Science -> Data Science -> Data. Насмотрелся всякого, набил шишек, сделал пару диссертаций. Любит разбираться в сложных штуках и думать о том, как их улучшить

Klarna

Klarna — это международный финтех, предоставляющий сервисы оплаты для продавцов и покупателей, которые помогают упрощать обработку платежей в интернете.

Видео