各種 Ops 是傳統組織架構崩解的號角

傳統功能性部門的分工方式容易造成資訊孤島，卻又為了企業營運活動而必須合作。純專案組織不用跨部門合作了，不必分享資訊也不必傳承，專案結束連資訊孤島都沒了。

因此，這幾年出現各種 Ops, 而幾乎所有的 Ops 都是為了打破組織間的藩籬，強化合作與傳承，無一例外。甚至包含了 ChatOps 這個 AI 與人的協作。

資料來源：https://developer.ibm.com/articles/all-the-ops-devops-dataops-mlops-and-aiops/

假設部門藩籬不存在，則企業資料的流動將不斷觸發變革

1. 資料在交易系統與客戶服務系統中產生，儲存在資料庫中。
2. 這些資料經由 ETL 或資料管線被轉移到分析系統中。
3. 分析結果資料中產生洞見或決策，觸發產品、服務與流程的改變。
4. 上述改變引起交易系統與客戶服務系統的迭代，又產生了新的資料。
5. 如此不斷循環…

資料專案是各種跨部門協作與傳承

我們正處於資訊專案中「Data Project 資料專案」成分越來越高的過渡階段，因為高層冀求上述的變革循環（當然高層會希望一步到位更好…）。

資料專案是以交付產品化「資料」為目標的專案。資料專案的細節我們後面篇幅再談。總之，資料生產通常都是在業務流程中發生，資料使用者目前常是規劃或決策單位，未來資料使用者可能是企業內所有部門，會更加廣泛地。資料加工或資料產品製造者，則是資料工程師與資料科學家，是新興的 Data Team。

上面描述可以知道「資料專案」常態為跨部門專案，而且可能是任意部門間，很可能這些部門以前從未合作過，沒建立過溝通模式。面對資料專案的新型態挑戰，上述的各種 Ops 不正是跨部門協作與傳承的指引嗎？

我們可以從下圖來看，DataOps 涵蓋最大，把 MLOps 包在其中，而且跟 DevOps 有大幅度的重疊。這是因為 DataOps 原本就是在推進企業應用系統的變革，從 rule-based 向 data-driven 變化。

圖片來源：https://towardsdatascience.com/what-the-ops-are-you-talking-about-518b1b1a2694

各種 Ops 的任務差異

• DevOps：更快更好地交付軟體
• DataOps：更快更好地交付資料或資料產品
• MLOps：更快更好地交付機器學習模型
• AIOps：利用 AI 強化 DevOps (的工具)

各種 Ops 的共通之處就是 DevOps，因為大家都自 DevOps 派生

1. 產品屬性（例如：迭代開發、版控）
2. 持續部署
3. 自動化

DataOps 需要版控？而且有別於軟體版本？是的，我後面會有篇幅會提到 Data Versioning 這項新興技術。

資料領域人才需要培養卓越的溝通能力

我們發現各種 Ops 都會提到組織與流程，打破藩籬的本質為組織再造。為了讓這個過程是「共好」，而不是「鬥爭」，Data Team 要把溝通能力與領域知識，看得跟技術能力一樣重要，作為資料驅動的領導者。