再现性引擎
快速繁殖工作
为审计重新创建之前的工作或交付工件, 在没有中心的情况下，合规或监管报告可能需要花费数月的时间, 项目记录的一致方式.
Domino自动跟踪对代码的更改, data, 工具, 通过持续版本控制和封装. 这些都是在耐用工作区中捕获的，在耐用工作区中，数据科学家可以立即回滚或重新创建用于创建模型的精确实验环境. 这简化了审计、治理、遵从性和监管报告.
搜索与知识管理
很容易找到和建立之前的工作
没有有效回顾之前工作的方法, 重复工作很容易, 特别是当有多个数据科学家团队的时候. 当关键团队成员离开时，机构知识丢失的风险也很高.
通过捕获中央存储库中的所有数据科学构件，Domino捕获了所有数据科学IP, 包括项目中提供关键上下文的所有活动. 数据科学家可以很容易地搜索到之前在某个主题上的工作，这样他们就不会重复发明轮子，而是可以快速地合成某个主题上的知识.
项目管理
跟踪进度，设定目标，并定义最佳实践
数据科学项目需要管理，以便交付预期的业务成果, 就像其他关键任务活动一样.
使用Domino，透明地跟踪项目目标以度量业务价值. 您可以很容易地跟踪进度，解决阻碍因素，以及建立自定义项目阶段，在整个团队中逐步灌输一致的模式和实践. Git和Jira的集成使得将数据科学集成到更广泛的企业项目过程变得很容易.
考虑建立一个数据科学平台?
人们很容易认为，构建一个将基础设施和工具集中起来的基础平台将帮助您扩展数据科学. 但事情没那么简单. 安全、普遍地规模数据科学, 您需要一个提供业务流程的平台, 安全, 治理, 协作, 知识管理, 以及跨数据科学生命周期的自助服务功能.
