的成功因素。这篇博文教授了数据科学与敏捷性的基础知识。重要的是要了解数据科学不同于传统的软件开发，需要复杂的实验工作。为了清晰起见，我们还区分了人工智能、机器学习、数据分析和数据分析等术语。 CRISP-DM 和 CRISP-ML(Q) 等流程模型帮助我们采用系统方法。但是我们如何在 DS 项目中使用敏捷方法呢？是否有影响特定敏捷方法使用的标准？我们准备好变得“真正”敏捷了吗？我们将在下一篇博文中澄清这些问题。
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。
图像 Sezen Ipek
作者 Sezen Ipek
Sezen Ipek 自 2021 年以来一直是 adesso 商业工程能力中心的学生员工。她的主要主题是需求工程、研讨会形式、数据科学和敏捷性。
她目前正在学习商业信息学，主修数据科 厄瓜多尔 whatsapp 数据 学与咨询（硕士），预计于 2024 年 1 月完成学业。在过去的几十年里，我们的工作世界发生了根本性的变化。数字化实现了流程自动化、减少了人工干预并创建了新的工作档案。由于全球化，团队现在可以跨地点合作，知识已成为资本因素。自由、社区和自决已成为劳动人口的需求。新冠大流行加速了这些趋势。这种变化需要公司采取新的工作形式，以满足员工不断变化的需求。人们谈论新工作。
新工作的一种形式是敏捷工作。敏捷工作方法旨在让公司培养适应性，以便能够灵活地应对变化。敏捷工作包括各种敏捷方法，例如 Scrum、设计思维或敏捷影子。这些旨在将公司从僵化的结构中解放出来，并鼓励员工积极主动、独立行动。
敏捷的思维方式和工具可以为这里的员工提供支持。具有敏捷思维的员工具有内在动力，喜欢承担责任并做出决策。他们从错误中吸取教训，并能够很快适应新情况。因此，敏捷组织可以以最佳方式应对新挑战并积极采取行动。他们得到敏捷工具的支持，这些工具基本上是通过敏捷世界中的项目管理方法以 Scrum、看板或其他新敏捷方法的形式提供的。