توسط : معماری داده یکی از عناصر اصلی هوش مصنوعی سازمانی است. معماری داده ها در حال بازگشت است زیرا شیوه‌های ابری اخیر با مسائل مربوط به طراحی سیستم، مدیریت داده‌ها و نمونه کارهای برنامه که یادآور دهه ۱۹۹۰ است، روبرو شده‌اند. در این روزها توزیع داده‌ها حتی بیشتر خواهد شد و تقاضا برای یک مرجع مرکزی در دفتر مدیر ارشد داده را افزایش می‌دهد. با این حال، این رویکرد باید چابکی و سازگاری را در مدیریت داده فراهم کند.
از سوی دیگر تصمیمات مربوط به معماری داده ها برای ایجاد گزینه‌های مناسب برای پیاده سازی، استقرار و مدیریت هزینه، به سطحی از نظم و انضباط نیاز دارد. اما چه کسی در پشت پرده واقعاً این فرایندها را به واقعیت تبدیل می‌کند؟ معماران داده. در ادامه، نحوه عملکرد هر معمار و تأثیر کار آنها بر تجارت را شرح خواهیم داد.
بیشتر بخوانید: معماری داده کاوی
نقش معمار داده
معماران داده های سنتی، وظیفه درک معماری کلی شرکت و اطمینان از مطابقت با الزامات مورد نیاز داده ها را از سراسر کسب و کار دارند. آنها به طور معمول در تعیین چگونگی جمع آوری، ذخیره و مصرف داده ها نقش دارند. برخی از کارهای اضافی آنها عبارتند از:
- تطبیق و پالایش مدیریت جریان داده (دانستن اینکه داده ها به کجا می‌روند و از کجا می‌آیند) و استراتژی ذخیره اطلاعات
- کنترل دسترسی به داده ها ( چه کسی باید به چه چیزی دسترسی داشته باشد)
- مدل سازی داده ها و ادغام داده ها (همکاری با دانشمندان داده و اعضای تیم فناوری اطلاعات در صورت لزوم و خودکار‌سازی)
- حفظ دانش کامل حاکمیت داده ها و انبارداری داده ها
- در صورت نیاز، تغییر معماری داده سازمان به میزان قابل توجه
اگر به دنبال ایده‌پردازی و ایجاد زیرساخت قوی داده‌ای هستید که متناسب با نیازهای منحصر به فرد کسب و کار شما باشد، یک معمار داده استخدام کنید، سیاست‌ها و رویه‌های داده را توسعه داده و اصلاح کنید و برای تغییر در ساختار موجود، توصیه‌ها و پیشنهادهای متفکرانه ارائه دهید.
معمار یادگیری ماشین
MLOps فراتر از یک واژه در جامعه علوم داده به مفهومی رسیده است که برای مدیریت موفق چرخه‌های زندگی یادگیری ماشین مورد نیاز است. MLOps به طور همزمان باعث ایجاد یک معمار جدید و مرسوم می‌شود: معماران یادگیری ماشین به طور معمول نه تنها وظایف مربوط به داده ها و ادغام آنها را دارند، بلکه همچنین نحوه ارائه مدل‌های یادگیری ماشین به طور همزمان در برنامه‌ها و خدمات کل سیستم اطلاعاتی را نیز انجام می‌دهند و آنها را به عنصری مهم در هر عملکرد صحیح MLOps تبدیل می‌کند. معمار یادگیری ماشین مسئول این موارد هستند:
- استراتژی صحیحی را برای افشای هر مدل یا سرویس هوش مصنوعی تعریف کنند (به عنوان سرویس دسته‌ای، کتابخانه، سرویس REST ، مصرف کننده جریان و غیره)
- اطمینان از یک محیط قابل انعطاف
- ارتباط با داده ها و تیم‌های تجاری برای مطالعه فن‌آوری‌های جدید که عملکرد مدل یادگیری ماشین را در تولید بهبود می‌بخشد
- همکاری با گروه‌های مختلف سازمانی (مانند دانشمندان داده، مهندسان داده و DevOps برای اطمینان از عملکرد مطلوب مدل‌های تولید شده و کاربران تجاری در رابطه با ارتباط مدل‌ها و نیاز به ساخت مدل‌های جدید یا تکامل مدل‌های موجود)
- حفظ دید جامع وابستگی‌ها و تخصیص منابع به منظور حفظ نبض و شناسایی هرگونه تنگنای برای پیشرفت‌های آینده
اگر می‌خواهید به سرعت استراتژی MLOps خود را مقیاس‌بندی کنید و از دگرگونی‌ها و چالش‌های مربوط به انتقال مدل و نظارت بر عملکرد مدل در تولید بهره ببرید، یک معمار یادگیری ماشین استخدام کنید و یک چشم انداز جامع از چرخه عمر مدل یادگیری ماشین داشته باشید. این فرد باید از همه چیز یادگیری ماشین (از طراحی تا نظارت) و ادغام داده ها و همچنین مهارت‌های برنامه‌نویسی آگاهی داشته باشد.
معمار اطلاعات شرکت
موفقیت به عنوان یک معمار سازمانی از ابتدا به ایجاد پایه‌ای برای یک رویکرد سالم بستگی دارد. این امر مستلزم درک دقیق بهترین شیوه‌ها، اجتناب از بدترین شیوه‌ها و درک چگونگی ارائه ارزش و برقراری ارتباط بین چشم انداز و اهداف است. این نقش معمولاً شامل موارد زیر است:
- نظارت بر معماری شرکت در انواع مختلف داده (ساختار یافته، غیر ساختاری و غیره)
- طرفداری از ایجاد خط مشی شرکتی یا استراتژی مدیریت اطلاعات، شرح مختصات مالکیت داده ها ، سرپرستی داده ها ، الزامات حسابرسی و توافق نامه‌های سطح خدمات که باید به آنها پایبند باشد.
- آگاه بودن از آخرین روندهای مقررات و انطباق ، از جمله شامل قوانین حریم خصوصی داده ها
- توسعه فرایندهایی برای اطمینان از حاکمیت مناسب، امنیت و کیفیت داده ها
- داشتن یک برنامه واضح و مستند برای همکاری موثرتر با همتایان تجاری و فناوری اطلاعات
اگر می‌خواهید از رعایت اصول، دستورالعمل‌ها و استانداردهای معماری داده اطلاعات سازمانی تاسیس شده اطمینان حاصل کنید و نقشه‌های معماری داده را به طور موثر توسعه و نگهداری کنید، یک معمار اطلاعات سازمانی استخدام کنید. این افراد برای سازمان شما بسیار کاربردی خواهند بود و بخش مهمی از سازمان شما را به گردش در خواهند آورد.
معمار IT و فضای ابری
معماران فناوری اطلاعات در پروژه‌های واقعی دانش داده دخیل نیستند اما وظیفه آنها اطمینان از کارکرد سیستم‌هایی است که تیم‌های معماری داده از آنها استفاده می‌کنند و به تمام منابع داده و خدمات تجزیه و تحلیل مورد نیاز تیم برای کارشان متصل هستند. وظایف اصلی آنها عبارتند از:
- اطمینان از اینکه زیرساخت به خوبی طراحی شده است، بنابراین تیم‌های داده در سراسر شرکت می‌توانند به طور موثر از داده ها استفاده کنند.
- اطمینان از عملکرد سیستم‌ها همانطور که برای آنها در نظر گرفته شده و حفظ امنیت
- نظارت بر امنیت و انطباق فناوری اطلاعات برای جلوگیری از از دست رفتن داده ها، آلودگی به نرم افزارهای مخرب، مشکلات قانونی و انطباق با ایجاد مشکل در پروژه‌های داده
- نظارت بر در دسترس بودن منابع سیستم رایانه‌ای، به ویژه ذخیره اطلاعات (ذخیره سازی ابری) و قدرت محاسبات، بدون مدیریت فعال از سوی کاربران
- تغییرات عمده خدمات ابری را که پروژه‌های علوم داده به آن وابسته‌اند، کنترل می‌کند.
اگر به دنبال کسی هستید که کمتر روی معماری داده های خالص و یادگیری ماشین متمرکز باشد، یک معمار IT / Cloud استخدام کنید. این افراد بیشتر روی قابلیت همکاری سرویس یکپارچه و امنیت ابری متمرکز هستند. در نتیجه حتما به اینگونه افراد حرفه‌ای نیاز خواهید داشت. معمار IT / Cloud به تیم‌ها کمک می‌کند تا در پیکربندی مطلوب خود کار کنند و از افرادی که از داده ها استفاده می‌کنند، یک چشم انداز داشته و از بهینه سازی منابع پشتیبانی کنند.
