跳到内容
    logo-easyjet

    易捷航空如何在IT和数据科学之间架起桥梁

    本·迪亚斯, 易捷航空数据科学与分析总监, 加入了来自Janssen Pharmaceuticals和PointRight的数据科学领袖,就数据科学如何, IT, 企业领袖可以共同努力,建设更好的企业. 他们的谈话由 达美乐的首席数据科学家Josh Poduska 特邀嘉宾Forrester首席分析师Dr. 谢尔••. 这篇文章提供了本评论中的亮点 有完整网络研讨会的链接.

    易捷航空的数据科学

    易捷航空 是一家提供欧洲主要机场之间航班的低成本欧洲航空公司吗. 通过关注人们想要旅行的航线,优化这些航线的航班频率, 易捷航空已经在航空旅行领域出了名. 事实上,易捷航空在2019年被Skytrax评为欧洲最佳低成本航空公司.

     

    然而, 因此,随着社区封锁,航空业成为COVID-19大流行期间受打击最严重的行业之一,这并不奇怪, 旅行限制, 消费者的担忧也让旅行者们选择离家较近. 航空公司不得不变得更加灵活,本在座谈会上分享了疫情如何改变了公司使用数据的方式, 包括增加使用:

    • 自动化 为了支持增加的工作负载, 比如需要每月(有时甚至每周)更新航班时刻表. 此前,该公司通常每年发布一个冬季和一个夏季时间表.
    • 外部数据 这可能预示着市场的变化和客户需求的变化.
    • 强化学习 从实时的新数据集中学习,这样组织就可以更快地对需求的变化做出反应.

    网络研讨会总结

    如今,绝大多数组织都认识到数据科学的重要性,以及它对每个行业的运营和每个公司的表现产生真正影响的潜力. 然而,数据科学的成功需要强大的伙伴关系. IT和数据科学团队之间的关系, 以及与业务团队的合作, 通常决定了数据科学在组织中的整体价值和渗透程度. 例如, 数据科学家在访问基础设施时经常面临阻力, 工具, 以及他们需要的数据, 哪些因素会扼杀创造力和减缓创新.

    在小组讨论中,Ben分享了易捷航空如何应对这一挑战.

    他首先强调了数据科学家和数据工程师处理问题的方式上的差异——这从一开始就可能产生摩擦. 本的背景是数据科学, 但在之前的职位上,他同时管理着数据科学和数据工程团队. 这是一个很好的学习机会, 他说, 这向他展示了两个团队在建立一个新的Hadoop集群时的工作和思考方式是多么的不同. 他形容这类似于拥有说不同语言的团队.

    如果你理解他们(数据工程)为什么需要这种控制, 然后你就可以解释这只对这个过程有意义而对其他部分没有意义.

    本·迪亚斯,数据主管 & 分析,易捷航空

    他推荐了三种方法来缩小沟通差距?

    1. 解释“为什么”, 例如,为什么IT需要特定的控制和治理. 通过这样做, 他们可以就流程的哪些部分有意义,哪些部分没有意义达成一致.
    2. 采用精益创业的方法 项目越接近生产,控制就越严格. 例如, 使用这种方法, 易捷航空为数据科学家提供了在使用相同模板的受控环境中探索不同想法和工具的自由, 语言, 尽可能使用工具. 仍然, 在开发的早期阶段,他们可以灵活地走出这个范围, 并且提供了对模型开发过程中所需的过程和门的清晰理解. 这对于减少不确定性至关重要, 因此,数据科学家从一开始就知道必须做什么,以及何时加强解决方案,以便在生产环境中成功运行.
    3. 尽可能重用现有流程, 例如服务设计的当前IT和操作指南, 服务转换, 和治理, 当将新模型投入生产而不是创建一个全新的过程时. 当然, 他说会有例外, 但总的来说, 这些应该在项目的早期进行, 正如前面提到的, 当数据科学家处于探索阶段时. 还有一些领域是目前的软件部署通常无法覆盖的, 模型监视是最重要的, 在流程和人员方面,哪些团队将必须到位(可以来自任何一方).

    您应该能够使用相同的服务设计、服务转换和所有治理流程...模型监控是你必须到位的关键不同的东西.

    本·迪亚斯,数据主管 & 分析,易捷航空

    关于本·迪亚斯

    speaker-ben-diasBen目前领导易捷航空数据战略的交付,旨在实现该公司成为全球领先的数据驱动航空公司的雄心. 之前在皇家邮政工作过, 特易购(Tesco)和联合利华, 他拥有超过15年的行业经验,擅长在行业环境中解决现实问题. 最近, Ben专注于建立和领导数据科学团队,并将精益创业方法应用于大型组织中的数据科学. 他在与学术和商业伙伴建立和管理工业研究合作方面经验丰富. 他还积极参与英国数学社区,非常热衷于激励下一代数学家和数据科学家. Ben拥有计算机视觉博士学位和数学与天文学硕士学位, 都来自伦敦大学学院.

    要了解更多

    看网络研讨会 “跨越过道” 学习最佳实践,以解锁数据科学团队的创新,同时实现IT的规模化.