データとAIにおけるオペレーティングモデルと実践
翻訳：Ryo Hasegawa. - Original Blog Link このBlogシリーズの パート1 では、Databricksがどのように企業のデータとAIから価値を引き出すプロセスを開発、管理、運用を可能にするかについて説明しました。今回は、チーム構成、チームダイナミクス、責任について焦点を当てます。ターゲット・オペレーティング・モデル（TOM）を成功させるためには、組織内のさまざまな部署やチームが協力し合う必要があります。 Databricksに入社する前、私はコンサルティングに携わり、クラウドネイティブからオープンソースまで、様々な業界や様々なテクノロジースタックを使ってAIプロジェクトに携わってきました。基礎となるテクノロジーは異なりますが、これらのアプリケーションの開発と実行に関わる役割はほぼ同じでした。チーム内の1人が、作業の規模や複雑さに応じて複数の役割を担うことができることも事実です。 エンジニアリング、データサイエンス、アナリストのような異なるチームや異なる役割を持つ人々が、同じツール
Databricksが実現するデータとAIの運用モデルとは：Part 1
Original Blog : How Databricks enables your operating model for Data and AI: Part 1 翻訳： junichi.maruyama "今、（AIの）ボトルネックは、テクノロジーではなく、マネジメント、実装、ビジネスイマジネーションにあります。" -Erik Brynjolfsson データとAIは、ここ数年、ほとんどの組織にとって戦略的な必須事項として浮上しています。大企業も中小企業も、データおよびAIの専門家を多数採用し、データプラットフォームのアップグレードと進化に多大な投資を行ってきました。 これまでのところ、投資のほとんどは、データとAIを活用し、進化し続けるデータ環境の規模と複雑性に伴って出現した技術的課題を解決するために必要なテクノロジーと技術スキルに焦点を当て ています。Databricksでは、レイクハウスパラダイムを発明したり、 Delta...