In de praktijk is DataOps niet zo gebruikelijk voor data & analytics als DevOps voor software engineering. Voor het laatste zijn Ontwikkeling en Operaties gezamenlijk verantwoordelijk voor het ontwikkelen van een systeem, het implementeren ervan en het onderhouden van het systeem. Met als doel sneller leveren, wendbaarder zijn en maximale bedrijfswaarde creëren. Hier is DataOps hetzelfde als DevOps: het doel is vergelijkbaar. Maar ‘Hoe’ we dit doen, verschilt aanzienlijk.

Het hebben van de juiste gegevens op de juiste plaats op het juiste moment met de juiste kwaliteit wordt steeds belangrijker om zakelijke beslissingen te ondersteunen, te optimaliseren, te automatiseren en AI-modellen te voeden. Net als bij softwareontwikkeling wil je nieuwe functionaliteiten met premiumkwaliteit veel sneller leveren. Je wilt niet elke maand nieuwe gegevens, nieuwe inzichten, nieuwe AI-modellen beschikbaar maken voor de gebruiker, maar wanneer ze klaar zijn voor implementatie. Dat is wat DataOps theoretisch kan bereiken. Maar in de praktijk worden serieuze uitdagingen ondervonden die het veel moeilijker maken om het DataOps-proces in een organisatie te effectueren. Bijvoorbeeld, hoe om te gaan met ontwikkelingssandboxen en representatieve testgegevens over systemen.

In deze sessie zullen we laten zien wat DataOps is en dat het niet alleen DevOps voor data is. We zullen de unieke uitdagingen bespreken, oplossingen voor deze uitdagingen en de lessen die we hebben geleerd.