Anastasia.ai – Tech Entrepreneur in🇨🇭

Почему в прошлом 87% Data Science проектов не доходило до продакшена и как обеспечить ROI?

Всем привет! В прошлом посте мы уточнили, что data-инициативы должны строиться в соответствии с уровнем data maturity в компании. Также я уже упомянула важность и сложности быстрого и значительного ROI проектов, связанных с данными и ИИ (тут и тут). C-level лидеры последние 5+ лет активно инвестировали огромные деньги в развитие инфраструктуры данных и команд в сфере машинного обучения. При этом есть множество доказательств, что return получили не все проекты. Сегодня хочу поделиться с вами интересными мыслями о том, почему так много Data Science проектов проваливаются и как это исправить.

Что нужно сделать или изменить, чтобы избежать замкнутого круга неуспешных data проектов? Есть технические, а есть бизнесовые требования. Сегодня я хочу начать серию постов, которая раскроет бизнесовые компоненты и необходимые условия для успешных data проектов, которые генерируют отдачу. Самые важные компоненты:
*️⃣Динамическая техническая стратегия
*️⃣Continuous transformation через innovation mix,
*️⃣Внедрение data-driven culture & literacy
*️⃣Сollaborative opportunity discovery

Wait what? – Давайте по порядку!
▶️ Продолжение в следующим посте.

#datapm
@ainastia

Please open Telegram to view this post

VIEW IN TELEGRAM

www.group-telegram.com/ca/ainastia.com/26

2.6K viewsAug 1 at 10:10

Почему в прошлом 87% Data Science проектов не доходило до продакшена и как обеспечить ROI?

Всем привет! В прошлом посте мы уточнили, что data-инициативы должны строиться в соответствии с уровнем data maturity в компании. Также я уже упомянула важность и сложности быстрого и значительного ROI проектов, связанных с данными и ИИ (тут и тут). C-level лидеры последние 5+ лет активно инвестировали огромные деньги в развитие инфраструктуры данных и команд в сфере машинного обучения. При этом есть множество доказательств, что return получили не все проекты. Сегодня хочу поделиться с вами интересными мыслями о том, почему так много Data Science проектов проваливаются и как это исправить.

Что нужно сделать или изменить, чтобы избежать замкнутого круга неуспешных data проектов? Есть технические, а есть бизнесовые требования. Сегодня я хочу начать серию постов, которая раскроет бизнесовые компоненты и необходимые условия для успешных data проектов, которые генерируют отдачу. Самые важные компоненты:
*️⃣Динамическая техническая стратегия
*️⃣Continuous transformation через innovation mix,
*️⃣Внедрение data-driven culture & literacy
*️⃣Сollaborative opportunity discovery

Wait what? – Давайте по порядку!
▶️ Продолжение в следующим посте.

#datapm
@ainastia