पिछले कुछ वर्षों में बड़े उद्यमों के भीतर डेटा टीमों के साथ काम करते हुए, मैंने कई डेटा नेताओं से मुलाकात की है जो मुझे बताते हैं कि उन्होंने कोशिश की है और "डिटाओप्स" करने में विफल रहे हैं। पैटर्न आमतौर पर एक ही होता है. वे मानकों को लिखते हैं, कुछ परीक्षण जोड़ते हैं, और निरीक्षण उपकरणों को खड़े करते हैं. प्रक्रियाओं को दस्तावेज किया जाता है. रिलीज चेकलिस्ट बनाए जाते हैं. टीमें - जल्दी से - उनका पालन करने की कोशिश करती हैं. और फिर बैकलैग जमा हो जाता है, अपवादों की संख्या बढ़ जाती है, और टीम को इसे याददाश्त और लंबे समय तक एक साथ रखना पड़ता है। DataOps एक अच्छा दर्शन है, लेकिन दर्शन अकेले आपकी टीम के काम को पैमाने पर नहीं करता है. DataOps जीवित होता है जब इसकी सिद्धांतों को सिस्टम द्वारा किया जाता है, मानव प्रयास पर निर्भर नहीं होता है. यही जगह है जहां DataOps स्वचालन चित्र में प्रवेश करता है. DataOps ने डेटा के लिए एक नए ऑपरेटिंग मॉडल की पेशकश की DataOps एक सरल प्राथमिकता पर बनाया गया है: डेटा को एक उत्पाद के रूप में व्यवहार करें, और डेटा वितरण सॉफ्टवेयर वितरण के रूप में। व्यावहारिक रूप से, डेटाओप्स सीधे उस से लेता है जो सॉफ्टवेयर टीमों ने कठिन तरीके से सीखा: स्वचालित निर्माण और वितरण, मैन्युअल रिलीज नहीं परीक्षण एक डिफ़ॉल्ट के रूप में, नायक प्रयास नहीं उत्पाद में अवलोकनशीलता, न कि पोस्टमॉर्टम आर्केलॉजी डिलीवरी में पकाया नियंत्रण, तथ्य के बाद नहीं बोल्ड जहां संगठनों को लटका दिया जाता है, वह प्रक्रिया को चलने में रखता है क्योंकि सिस्टम बढ़ते हैं और बदलते हैं। जहां डेटाओप्स व्यवहार में टूट जाता है अधिकांश संगठन जो डेटा ऑप्स के साथ संघर्ष करते हैं, असफल होते हैं क्योंकि वे अपने सिद्धांतों को डेटा टीम के लिए बनाए रखने के लिए महत्वाकांक्षी सर्वोत्तम प्रथाओं के रूप में देखते हैं। कुछ सामान्य पैटर्न दिखाई देते हैं: अनुपालन के बिना मानकों. टीमों ने सम्मेलनों, दस्तावेज आवश्यकताओं और रिलीज प्रक्रियाओं के नामों पर सहमति व्यक्त की - जब तक कि समय सीमा नहीं पहुंच जाए। कवरेज के बिना परीक्षण। महत्वपूर्ण पाइपलाइनों का एक टुकड़ा परीक्षण करता है. बाकी "हम इसके लिए वापस आते हैं" प्राप्त करते हैं। डैशबोर्ड मौजूद हैं, आग की चेतावनी देते हैं, लेकिन उन पर निगरानी करने और जवाब देने के लिए पर्याप्त क्षमता नहीं है, इसलिए टीम अभी भी गुस्से में उतरने वाले उपयोगकर्ताओं से विफलताओं के बारे में सुनती है। नीतियां लिखी जाती हैं, लेकिन अनुपालन पर निर्भर करता है कि इंसान उन्हें लागू करने के लिए याद रखते हैं। यह लापरवाही नहीं है. डेटा टीम पहले से कहीं अधिक कड़ी मेहनत कर रही हैं, लेकिन मैनुअल प्रक्रियाएं अपने कार्य भार को जोड़ती हैं. यह प्रयास बनाए रखना कठिन हो जाता है क्योंकि पाइपलाइन, टीम और निर्भरताएं बढ़ती हैं। ऑटोमेशन DataOps अनुशासन को लागू करता है जब लोग "ऑटोमेशन" सुनते हैं, तो वे अक्सर एक काम की कल्पना करते हैं जो दस्तावेज़ उत्पन्न करता है, एक सहायक जो पाइपलाइन को स्टैफ़ॉल्ड करता है, या एक मैक्रो जो टिकट बनाता है। ऑपरेटिंग ऑटोमेशन संतुलन को स्थापित करके बदलता है जो विश्वसनीय रूप से डेटा वितरण को डिफ़ॉल्ट व्यवहार के रूप में बनाता है, परीक्षण करता है, तैनात करता है, देखता है और नियंत्रित करता है। DataOps स्वचालन उन क्षमताओं का एक सेट है जो अनुशासन को लागू करने में सक्षम बनाते हैं। अभ्यास में, यह इस तरह दिखता है: 1) डेटा उत्पाद वितरण एक प्रथम श्रेणी कार्य प्रवाह के रूप में पाइपलाइनों को एकल परियोजनाओं के रूप में व्यवहार करने के बजाय, आप उन्हें टिकाऊ, पुनः उपयोग योग्य डिलीवरी के रूप में पैक करते हैं - संस्करण, दस्तावेज, स्वामित्व और पर्यावरणों के माध्यम से प्रचारित। 2) डेटा परिवर्तन के लिए स्वचालित सीआई / सीडी योजना अद्यतन, परिवर्तन तर्क, निर्भरता अद्यतन, और बुनियादी ढांचे में परिवर्तन एक निरंतर रिलीज पथ के माध्यम से चलते हैं - हर बार पुनः आविष्कार किए बिना। 3) निरंतर निगरानी जो कार्रवाई से जुड़ी है न केवल "हम इसे देख सकते हैं?", बल्कि "क्या हम तुरंत जानते हैं कि यह कब बदलता है, और क्या हमारे पास गेट हैं जो बुरे डेटा को शिपिंग से रोकते हैं? 4) Runtime में प्रबंधन लागू करना नीति नियंत्रण बन जाती है: गुणवत्ता गेट्स, नीति गेट्स, ऑडिट ट्रैक, और अनुपालन जाँच जो स्वचालित रूप से चलाते हैं, हर रिलीज, हर दिन। कैसे स्वचालन डेटा टीमों के लिए काम को बदलता है ऑटोमेशन के बारे में चिन्तात्मक दृष्टिकोण यह है कि यह मनुष्यों को बोतल के रूप में व्यवहार करता है. यह फ्रेमिंग बिंदु को याद करता है। अधिकांश डेटा orgs में, असली बोतलन है कि प्रतिभाशाली लोग अनियंत्रित काम पर अपना मूल्यवान समय बिता रहे हैं: पुनरारंभ, आग की लड़ाई, backfills, मैनुअल सत्यापन, रिलीज समन्वय, नीति चेकलिस्ट। जब उन कार्यों को स्वचालित किया जाता है, तो डेटा टीम को उस काम पर अधिक समय बिताने के लिए सांस लेने की जगह मिलती है जो वास्तव में व्यवसाय को स्थानांतरित करता है, जैसे डेटा उत्पादों को डिजाइन करना, व्यवसाय को मॉडलिंग करना, विश्वसनीयता में सुधार करना और जटिलता को कम करना। DataOps हमेशा संचालन के बारे में था - इसलिए इसे संचालित करें शुरुआत से, DataOps को डेटा वितरण में अनुशासन, पुनरावृत्ति और भरोसा लाने के लिए बनाया गया था - एक आदर्श दुनिया सिद्धांत के रूप में नहीं, बल्कि एक संचालन वास्तविकता के रूप में। ऑटोमेशन डेटाओप्स को सिद्धांतों के एक सेट से एक परिभाषित प्रक्रिया में बदलता है जिसे सिस्टम हर दिन लागू करता है यह सुनिश्चित करता है कि मानकों को दबाव का सामना करना पड़ता है, प्रबंधन परिवर्तन के साथ अनुरूप होता है, और विश्वास कुछ ऐसा होता है जिसे आप माप सकते हैं बल्कि उम्मीद करते हैं। जब टीमें आपके डेटा पर निर्भर करती हैं ताकि आप एआई का निर्माण और संचालन कर सकें, तो डेटा के व्यवहार के बारे में अस्पष्टता के लिए कोई जगह नहीं है. आपको आत्मविश्वास की आवश्यकता है कि आपके सिस्टम हर घंटे ऐसा करते हैं जो आप सोचते हैं कि वे करते हैं. यह हमेशा DataOps का वादा था. ऑटोमेशन इसे वास्तविकता बनाने के लिए कुंजी है। यह लेख HackerNoon के Business Blogging Program के तहत प्रकाशित किया गया था। यह लेख HackerNoon के Business Blogging Program के तहत प्रकाशित किया गया था। इस कहानी को HackerNoon के तहत प्रकाशित किया गया था . व्यापार ब्लॉगिंग कार्यक्रम व्यापार ब्लॉगिंग कार्यक्रम व्यापार ब्लॉगिंग कार्यक्रम
