Primero, permítanme aclarar que no participé en la decisión de reorganizar la ciencia de datos en LinkedIn. La reorganización ocurrió un tiempo después de que me transfiriera a Ingeniería.
No obstante, entendí la motivación para la reorganización. Tener un equipo de productos de datos autónomo (es decir, mi equipo anterior) informaba sobre el Producto marginado, especialmente porque el alcance de ese equipo se superponía mucho con el equipo de Búsqueda, Redes y Análisis en Ingeniería. Al mismo tiempo, el alcance del equipo de ciencia de la decisión, que también informó sobre el Producto, se superpuso con el del equipo de análisis empresarial, que informó sobre Finanzas. Hubo un amplio consenso de que esto era un desastre.
La reorganización tenía la intención de limpiar ese desastre. Y lo hizo: la nueva estructura organizativa ofrecía divisiones de responsabilidad mucho más claras. La nueva estructura no era perfecta, pero había mucho menos superposición entre los equipos que creó.
- ¿Cómo es relevante el big data para CRM?
- ¿Dónde puedo obtener tutoriales en línea gratuitos para análisis de big data con python?
- ¿Cuál es el mejor método de minería de datos para predecir la demencia?
- ¿Existe una buena biblioteca para los algoritmos de detección de deriva conceptual?
- ¿Cuál es el límite de tamaño de archivo en una carga a Slack?
Desafortunadamente, la reorganización fue una lucha de poder larga y prolongada. Cuando terminó, muchos de los científicos de datos se habían quedado sin paciencia y confianza. Mientras tanto, hubo (y todavía hay) una intensa demanda del mercado de científicos de datos con experiencia. No es sorprendente que muchos de los científicos de datos se fueron para buscar oportunidades en otros lugares.
LinkedIn finalmente se recuperó, y creo que la nueva estructura organizativa bajo un solo encabezado de datos tiene mucho sentido. Es una pena que LinkedIn haya tenido que perder tanto talento para llegar allí.