「アジャイルを活用したデータサイエンスプロジェクト管理のマスターへの7つのステップ」

7 steps to master Agile-based data science project management

 

アジャイルとは何か？

 

アジャイルの方法論は、2001年初頭に17人が集まりソフトウェア開発の未来について議論した際に発見されました。それは4つの核心価値と12の原則に基づいています。

• アジャイルを用いたデータサイエンスプロジェクトマネジメントのマスターへの7つのステップ
• 中国の研究者たちは、構造化データ上でのLLMのゼロショット推論能力を向上させるためにStructGPTを提案しています
• 中国の研究者たちは、構造化データに対するLLMのゼロショット推論能力を向上させるために、StructGPTを提案しています

アジャイルは、速変化するテクノロジー業界で非常に人気があります-これはそれをうまく反映しています。データサイエンスのプロジェクト管理方法としては最適です。プロジェクトの要件を継続的に見直し、行き来し、プロジェクトが成長するにつれてより多くコミュニケーションを取ることができます。このモデルはユーザー中心の成果物を反映するように進化し、時間と費用、エネルギーを節約します。

データサイエンスのライフサイクルの異なるフェーズで変更に関する意思決定を行うことは、すべてが完了した後ではなくより良い方法です。アジャイルなデータサイエンスのプロジェクト管理を始めるための2つのステップについて話しましょう。

 

スクラム

 

アジャイルな方法の一つの例はスクラムです。スクラムは、一連の価値、原則、および実践を使用してチームに構造を作るためのフレームワークを使用します。

例えば、スクラムを使用すると、データサイエンスのプロジェクトは大きなプロジェクトを一連の小さなプロジェクトに分割することができます。それぞれの小さなプロジェクトはスプリントと呼ばれ、目標、要件、責任などを定義するスプリント計画で構成されます。

これがなぜ有益なのか？それは、チームの異なるメンバーがタスクを完了するために責任を持ち、責任を持つことができるからです。完了したスプリントはすべて、新しい製品の立ち上げなど、ビジネスの最終目標に重要な役割を果たします。

従業員は、スプリントを通じて遭遇するかもしれない課題への解決策を見つけることができることで、エンドユーザーに価値を提供することに重点を置いています。

スクラムのツールには以下があります：

• Monday.com
• ProjectManager
• Jira

 

かんばん

 

かんばんは、アジャイルな方法のもう一つの例です。これは、日本の在庫管理システムから派生した人気のあるフレームワークです。かんばんは、現在のタスクや保留中のタスクの視覚的なステータスを従業員に示します。各タスク、またはかんばんカードはかんばんステータスボードに表示され、完了までのライフサイクルを表します。

例えば、進行中、開発済み、テスト済み、完了などのライフサイクルの列を持つことができます。これにより、データサイエンティストは早期にボトルネックを特定し、進行中のタスクのレベルを減らすことができます。

かんばんは、多くのデータ愛好家が採用しているデータサイエンス界で非常に人気のあるフレームワークと見なされています。これは、ワークフローを改善し、課題を簡単に特定するための視覚的な性質を持つ軽量なプロセスです。これは簡単に実装できる方法であり、データサイエンティストは「次のタスクは何ですか？」と聞かれるよりも、「次のスプリントでどのタスクを持っていますか？」と聞かれる方が非常に良く応答します。

かんばんのツールには以下があります：

• Trello
• Monday.com
• ProofHub

 

走る前に歩く

 

アジャイルの方法論では、最初のステップは計画です。計画、計画、計画！このポイントがどれだけ重要かを強調することはできません。MondayやJiraのようなツールを持っていても、計画を立てなければ何も進めることはできません。

従業員とのディスカッションセッションを行い、すべての人が同じページにいて、何をする必要があるかを理解し、すべてが同じ計画を頭に持っていることが重要です。計画の欠如は、締め切りの見落とし、モチベーションの欠如、従業員の生産性の低下、プロジェクトの実現不可能性につながる可能性があります。

一度、すべての人が同じ目標に向かっていることが確認できれば、次のステップに進むことができます。

 

チームでのデザイン

 

次のフェーズは、従業員との対話に基づいてプロジェクトを設計することです。チームが計画の議論でカバーしたすべての側面は、手元のタスクに効果的な解決策を設計するのに役立ちます。

このフェーズでは、コミュニケーションが最も重要なツールです。チームの他のメンバーは、異なる作業方法やタスクの区分け方法を持っているかもしれません。したがって、各メンバーの作業方法や予定などに基づいて、誰にどの部分のプロジェクトを担当してもらうかを調整する責任があります。

このフェーズでは、プロジェクトの各要素を担当するメンバーを割り当てることができます。これにより、従業員は重要な役割を果たしていると感じることができ、生産性も向上します。タスクの一部を担当する従業員は、スムーズに進行し、期限に遅れることなく計画通りに進むように責任を持つことになります。

 

解決策の開発

 

議論や計画、設計が表れる段階です。この時点でチームメンバーとのコミュニケーションが不要になったと思うかもしれませんが、それは誤りです。この時こそコミュニケーションが最も重要です。週次のスタンドアップミーティングは重要です。これにより、全ての従業員が情報共有や意見交換ができます。

現在のタスクに対する解決策の開発中には、困難やボトルネックに遭遇することがあります。これは非常に大変であり、タイムラインや他の人々のタスクの完了能力に影響を与えます。成功したステップと失敗したステップの両方を共有することで、全てのメンバーが情報を共有し、助け合えるようになります。

 

テスト、テスト、テスト

 

データの分析、アルゴリズムの作成、または新製品の開発を行っている場合は、テストを行いたいでしょう。そして、何度も何度もテストを行いたいでしょう。

データサイエンスのプロジェクトでは、できるだけ正確な結果を得ることが重要です。チームメンバーがこの解決策に時間とエネルギーを投資しただけでなく、正確で問題を解決することができればなお良いです。

1回目と同じように正確でないために行ったり来たりすることは避けたいものです。

 

導入

 

データサイエンスのプロジェクトで最も誇りに思う瞬間の一つです。チームメンバーとコミュニケーションを取りながら、最新のインクリメントを本番環境に導入します。

データサイエンティストは、この解決策を顧客に提供するつもりで考える必要があります。全体のデータサイエンスのプロジェクトや、成功と失敗についてのレビューやドキュメント作成、修正、および議論が重要です。

なぜならば、同様のプロジェクトが生じることがあり、ゼロから始める必要はなくなります。以前のプロジェクトの文書化が、次のデータサイエンスのプロジェクトの議論や計画の最初のステップで使用されるからです。

 

まとめ

 

アジャイルなデータサイエンスのプロジェクト管理で成功するためには、適切なツールを持つことが重要です。しかし、それぞれのフェーズを最大限に活用する能力もさらに重要です。コミュニケーションは重要です。これは私が何度も言った通りです。報酬を得るためには、努力が必要ですが、それには多くのコミュニケーションも伴います。Nisha Aryaはデータサイエンティストであり、フリーランスの技術ライターであり、VoAGIでコミュニティマネージャーを務めています。彼女は特にデータサイエンスのキャリアアドバイスやチュートリアル、理論的な知識を提供することに興味を持っています。また、人間の寿命の長期化に人工知能がどのように役立つかを探求したいと思っています。彼女は学ぶことに熱心で、他の人々を指導するのに役立つ技術的な知識と執筆スキルを広げたいと思っています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!