Daten-Teams
Springer (Verlag)
979-8-8688-0071-9 (ISBN)
Erfahren Sie, wie Sie erfolgreiche Big-Data-Projekte durchführen, wie Sie Ihre Teams mit Ressourcen ausstatten und wie die Teams miteinander arbeiten sollten, um kosteneffizient zu sein. In diesem Buch werden die drei Teams vorgestellt, die für erfolgreiche Projekte erforderlich sind, und es wird erläutert, welche Aufgaben die einzelnen Teams haben.
Die meisten Unternehmen scheitern mit Big-Data-Projekten, und der Misserfolg wird fast immer auf die verwendeten Technologien geschoben. Um erfolgreich zu sein, müssen sich Unternehmen sowohl auf die Technologie als auch auf das Management konzentrieren.
Die Nutzung von Daten ist ein Teamsport. Es bedarf verschiedener Menschen mit unterschiedlichen Fähigkeiten, die alle zusammenarbeiten müssen, um etwas zu erreichen. Bei allen Projekten, mit Ausnahme der kleinsten, sollten die Mitarbeiter in mehreren Teams organisiert werden, um das Scheitern von Projekten und unzureichende Leistungen zu vermeiden.
Dieses Buch konzentriert sich auf das Management. Vor einigen Jahren wurde wenig bis gar nicht über das Management von Big-Data-Projekten oder -Teams geschrieben oder gesprochen. Data Teams zeigt, warum Managementfehler die Ursache für so viele Projektmisserfolge sind und wie Sie solche Misserfolge in Ihrem Projekt proaktiv verhindern können.
Was Sie lernen werden
Entdecken Sie die drei Teams, die Sie benötigen, um mit Big Data erfolgreich zu sein
Verstehen, was ein Datenwissenschaftler ist und was ein Datenwissenschaftsteam tut
Verstehen, was ein Data Engineer ist und was ein Data Engineering Team macht
Verstehen, was ein Betriebsingenieur ist und was ein Betriebsteam tut
Wissen, wie sich die Teams und Titel unterscheiden und warum Sie alle drei Teams brauchen
Erkennen, welche Rolle das Unternehmen bei der Zusammenarbeit mit Datenteams spielt und wie der Rest der Organisation zu erfolgreichen Datenprojekten beiträgt
Für wen dieses Buch gedacht ist
Führungskräfte aller Ebenen, einschließlich derjenigen, die über einige technische Fähigkeiten verfügen und ein Big-Data-Projekt in Angriff nehmen wollen oder bereits ein Big-Data-Projekt begonnen haben. Es ist besonders hilfreich für diejenigen, die Projekte haben, die nicht vorankommen und nicht wissen, warum, oder die an einer Konferenz teilgenommen oder über Big Data gelesen haben und nun damit beginnen, zu prüfen, was nötig ist, um ein Projekt zu realisieren.
Dieses Buch ist auch für leitende Mitarbeiter oder technische Architekten relevant, die in einem Team arbeiten, das vom Unternehmen beauftragt wurde, herauszufinden, was nötig ist, um ein Projekt zu starten, in einem Projekt, das nicht vorankommt, oder die feststellen müssen, ob es nichttechnische Probleme gibt, die ihr Projekt beeinträchtigen.
Jesse Anderson ist in drei Funktionen beim Big Data Institute tätig: Dateningenieur, kreativer Ingenieur und Geschäftsführer. Er arbeitet im Bereich Big Data mit Unternehmen, die von Start-ups bis zu Fortune-100-Unternehmen reichen. Seine Arbeit umfasst Schulungen zu Spitzentechnologien wie Kafka, Hadoop und Spark von Apache. Er hat mehr als 30.000 Menschen die notwendigen Fähigkeiten vermittelt, um Dateningenieure zu werden. Jesse ist weithin als Experte auf diesem Gebiet und für seine neuartigen Lehrmethoden bekannt. Er hat für O'Reilly und Pragmatic Programmers veröffentlicht. Über ihn wurde in renommierten Publikationen berichtet, wie z. B.: The Wall Street Journal, CNN, BBC, NPR, Engadget und Wired. Er hat die letzten 6+ Jahre damit verbracht, Datenteams zu beobachten, zu betreuen und mit ihnen zu arbeiten. Dieses Wissen darüber, warum Teams erfolgreich sind oder scheitern, hat er in diesem Buch zusammengefasst.
Erscheinungsdatum | 04.07.2024 |
---|---|
Zusatzinfo | 13 Illustrations, black and white; XXVII, 332 S. 13 Abb. |
Sprache | deutsch |
Maße | 178 x 254 mm |
Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
Mathematik / Informatik ► Informatik ► Netzwerke | |
ISBN-13 | 979-8-8688-0071-9 / 9798868800719 |
Zustand | Neuware |
Haben Sie eine Frage zum Produkt? |
aus dem Bereich