第 2 部分:Coinbase 的数据科学:投资数据基础并拥抱 AI 功能

第 2 部分:Coinbase 的数据科学:投资数据基础并拥抱 AI 功能插图1

有趣的是,数据科学家和分析专业人员很少接受自己的分析成果。它们在所谓的“转换层”内运行——这意味着它们将原始数据转化为有用的信息,可用于制定决策或改进产品。这个复杂的过程涉及数据管道的开发、机器学习模型的构建以及数据叙述的构成。每个元素都有一个类似的用途,就像工程组件对于创造成功的产品是不可或缺的一样。在这种情况下,数据的基础及其后续转换是有效业务决策的基础。展望未来,数据科学领域预计会出现新的贡献者和变革性方法,有可能重新定义行业实践。

第 2 部分:Coinbase 的数据科学:投资数据基础并拥抱 AI 功能插图3

不断发展:转换和消费层

当今的数据科学和分析领域具有一些明显的特征:

  • 临时手动查询
  • 耗时的分析
  • 过度依赖个人专业知识和部落知识
  • 缺乏结构化方法

每家公司都在寻找独角兽——能够空降到这个角色并凭借多年经验在上述所有方面都表现出色的罕见个人。然而,重要的是要记住,独角兽是不存在的神话生物。即使“独角兽”在之前的公司中表现出色,他们也可能会发现自己在这个行业中的角色有限,知识基础有限,数据基础薄弱,工作流程高度定制。这种常见情况凸显了一个关键挑战:该领域的技能和知识很难标准化。数据科学家擅长的领域可能会很大程度上受到他们过去的经验和培训的影响。

前进的目标是从寻找神话般的完美候选人发展到建立一个强大的系统,使所有数据专业人员能够尽其所能。

第 2 部分:Coinbase 的数据科学:投资数据基础并拥抱 AI 功能插图5

eamesBot/shutterstock.com

然而,随着自动化和人工智能的兴起,数据科学领域的变化正在迅速展开,甚至更快。想象一下,大多数数据洞察都是自动化的,使业务专业人员能够轻松高效地访问他们所需的信息。这一未来正在迅速成为现实,尤其是随着生成式人工智能技术的进步。

在 Coinbase,我们的数据科学团队正在引领这一变革。我们推出了由 LLM 提供支持的 Slackbot 的早期模型,旨在立即满足用户的数据问题 – 简化我们与数据交互的方式并获得临时见解。此外,通过使用 ThoughtSpot 等平台,我们可以通过日常语言进行分析和仪表板创建,甚至对于非专家来说也是如此。这些创新不仅仅是适应,而且标志着朝着更高效的数据驱动的未来迈出了一大步。

通过改进我们的方法,我们将提高这些技术工具的精度和实用性。随着这些变化成为我们运营不可或缺的一部分以及我们业务的扩展,提供“洞察即服务”的理念(专注于利用先进的工具和模型以指数方式增加分析输出而不是仅仅依赖于人员)变得越来越重要。

现在通过优先考虑数据工程及其项目的资金和计划,对数据基础层进行投资对于未来的准备至关重要,并将产生更高和更长期的红利,这样做可以提高数据洞察交付的效率和可靠性。分析数据模型(管理认证数据源的设计原则)、Cerberus(数据质量框架)和Metrics Cube(核心指标语义的单一真实来源)等举措是 Coinbase 多年来优先考虑的具体投资。这些承诺促进了法学硕士等先进能力的快速整合,为即时和可操作的业务洞察铺平了道路。这种战略远见不仅确保了我们的数据基础设施面对未来需求的相关性,而且还确保了其弹性。

总而言之,可持续推动数据驱动文化的数据工具策略和路线图对于公司的成功至关重要。它应该通过以下方式做到这一点:

  • 拥抱法学硕士的能力。沙箱环境对于工具和探索至关重要。
  • 投资巩固数据基础:人们常说,我们从数据科学中看到的切实结果(无论是机器学习模型、见解还是报告)只是冰山一角。深入钻研,打好基础势在必行。
  • 促进产品、销售、营销和财务团队自助服务其数据消费。并非所有团队都需要学习如何使用电子表格编写 SQL 或 Pivot 数据,但他们应该具有分析思维,并学会使用自然语言操作简单的工具,这可以通过培训来实现。

第 2 部分:Coinbase 的数据科学:投资数据基础并拥抱 AI 功能插图7

eragraphics/shutterstock.com

Coinbase 处于数据科学变革时代的前沿,从寻找难以捉摸的“独角兽”转向培育集体技术赋权的环境。我们的举措标志着迈向一种新方法,一种使数据民主化、实现团队之间更多互动并减少对利基专业知识的依赖的方法。通过投资基础数据策略,我们正在为未来奠定基础,让实时、可访问的见解成为企业战略决策的支柱。当我们拥抱这一演变时,我们的承诺是明确的:利用最好的技术和人类专业知识来制定一条既具有革命性又植根于价值的路线。

联系邮箱:idea2003@foxmail.com