与团队交谈并根据项目团队和项目环境单独调整 Scrum 事件非常重要。将 Scrum 事件与看板节奏进行比较对于团队来说也是一个有用的讨论。
此外，一些专家建议为数据理解阶段生成足够的测试数据，以便建立对现有数据基础的理解。这可以确保您对现有数据有一个印象，并可以评估从业务理解阶段获得的需求是否可以使用现有数据来实现。总之，这一措施可以减少数据科学项目的不确定性。
没有关于模型开发中敏捷方法的研究行动建议。 Kleist 和 Pier (2021) 发现短冲刺周期是有利的，因为可以尽早识别模型是否高效。一些专家也持相同观点，认为将模型开发和模型部署嵌入冲刺周期是有意义的。在实施阶段，看板的使用得到了积极的评价。除了以 Scrum 事件或看板节奏的形式进行定期协调之外，在专家的指导下，开发人员的数量可以保持尽可能少。特别是在实施阶段，可以考虑划分数据科学家和软件开发人员，因为他们的任务彼此差异很大。专家表示，如果缺乏技术理解，跨学科团队可能会导致协作面临挑战。因此，根据当前的研究方法和专家访谈，很明显，跨职能取决于项目团队的技能。
总之，在数据科学项目中结合敏捷方法有助于确保高效灵 医疗保健电子邮件列表 活的项目管理并提高项目的成功。然而，敏捷方法的具体应用应适应各个项目的要求和背景。
前景
在不断变化和数据驱动的世界中，敏捷性和数据科学是公司成功的重要因素。在我的硕士论文中，我详细研究了这一点并获得了令人兴奋的见解。
敏捷性和数据科学的结合使公司能够识别模式和趋势、提高效率并做出自动化决策。敏捷方法、框架和途径对于应对复杂数据科学项目的挑战以及使项目组织高效灵活至关重要。但敏捷性不仅仅是流程和工具！它关乎一种心态、欢迎变革和内化敏捷价值观。
当然，没有一种“正确”的敏捷方法。每个项目都是独特的，需要单独的方法。因此，将敏捷思维置于具体行动之前非常重要。如果敏捷方法行不通，我们就应该大胆探索新路径。也许发现问题的设计思维过程是在混乱的项目中创造清晰度的解决方案。实施中可以使用其他敏捷方法，例如 Scrum、Kanban 或 Scrumban。
敏捷项目的一个核心方面是人。敏捷意味着以人为本并欢迎变革。定期活动（例如 Scrum 提供的活动）创建了一个交流和公开解决问题的平台。当问题公开沟通时，可能会出现摩擦点。但这正是您有机会灵活应对变化并取得成功的地方。任何改变都是一个需要耐心的过程。
这里不仅需要考虑敏捷性对于数据科学项目的重要性，而且人的因素和“敏捷”是成功的关键。只有通过专业知识、敏捷原则的相互作用以及对敏捷重要性的真正理解，我们才能在事件不可预测的数据驱动世界中真正敏捷并取得成功。
您可以在我们之前发布的博客文章中找到来自 adesso 世界的更多令人兴奋的主题。