Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634928)
Контекстум
Руконтекст антиплагиат система

Как вытащить из данных максимум: Навыки аналитики для неспециалистов (1650,00 руб.)

0   0
Первый авторМорроу Джордан
ИздательствоМ.: Альпина Паблишер
Страниц257
ID810090
АннотацияДата-грамотность, то есть способность ориентироваться в мире данных, — ключевой навык сегодняшнего дня. Ежедневно в соцсетях публикуются миллиарды сообщений, электронные почтовые ящики по всей планете гудят от писем, а каждый подключенный к интернету автомобиль производит терабайты данных, не говоря уже об онлайн магазинах, платежных системах и государственных цифровых сервисах. Однако работать с данными, анализировать их и использовать их для бизнеса по-прежнему умеет меньшинство, а специалистов катастрофически не хватает. Для тех, кто хочет научиться говорить на языке данных уверенно, признанный эксперт в области дата-грамотности Джордан Морроу и написал свою книгу. Это практическое руководство позволит даже неспециалисту освоить четыре базовых уровня аналитики и узнать, как принимать эффективные решения на основе данных, чтобы извлекать максимум из информации и быть успешными в быстро меняющемся цифровом мире.
ISBN978-5-9614-7563-0 (рус.)
УДК004.6
ББК65.291.213
Морроу, Д. . Как вытащить из данных максимум: Навыки аналитики для неспециалистов / Д. . Морроу .— Москва : Альпина Паблишер, 2022 .— 257 с. — ISBN 978-1-78966-803-2 (англ.) .— ISBN 978-5-9614-7563-0 (рус.) .— URL: https://rucont.ru/efd/810090 (дата обращения: 01.05.2024)

Предпросмотр (выдержки из произведения)

Как_вытащить_из_данных_максимум._Навыки_аналитики_для_неспециалистов.pdf
УДК 004.6 ББК 65.291.213 М79 Переводчик М. Кульнева Редактор Л. Макарина Морроу Дж. М79 Как вытащить из данных максимум: Навыки аналитики для неспециалистов / Джордан Морроу ; Пер. с англ. — М. : Альпина Паб лишер, 2022. — 256 с. ISBN 978-5-9614-7563-0 Дата-грамотность, то есть способность ориентироваться в мире данных, — ключевой навык сегодняшнего дня. Ежедневно в соцсетях публикуются миллиарды сообщений, электронные почтовые ящики по всей планете гудят от писем, а каждый подключенный к интернету автомобиль производит терабайты данных, не говоря уже об онлайнмагазинах, платежных системах и государственных цифровых сервисах. Однако работать с данными, анализировать их и использовать их для бизнеса по-прежнему умеет меньшинство, а специалистов катастрофически не хватает. Для тех, кто хочет научиться говорить на языке данных уверенно, признанный эксперт в области дата-грамотности Джордан Морроу и написал свою книгу. Это практическое руководство позволит даже неспециалисту освоить четыре базовых уровня аналитики и узнать, как принимать эффективные решения на основе данных, чтобы извлекать максимум из информации и быть успешными в быстро меняющемся цифровом мире. УДК 004.6 ББК 65.291.213 Все права защищены. Никакая часть этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами, включая размещение в сети интернет и в корпоративных сетях, а также запись в память ЭВМ для частного или публичного использования, без письменного разрешения владельца авторских прав. По вопросу организации доступа к электронной библиотеке издательства обращайтесь по адресу mylib@alpina.ru. © Jordan Morrow, 2021 This translation of Be Data Literate is published by arrangement with Kogan Page ISBN 978-5-9614-7563-0 (рус.) ISBN 978-1-78966-803-2 (англ.) © Издание на русском языке, перевод, оформление. ООО «Альпина Паблишер», 2022
Стр.5
Содержание Об авторе . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Предисловие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 01 Мир данных . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Данные: мир, в котором мы живем . . . . . . . . . . . . . . . . . 16 Данные: нехватка навыков. . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Данные: в чем причина нехватки навыков? . . . . . . . . . 24 Данные: что дальше? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . . . 31 02 Четыре уровня аналитических методов . . . . . . 33 Данные и их анализ — целых четыре уровня? . . . . . . 33 Четыре уровня аналитических методов. . . . . . . . . . . . . . 35 Уровень 1: дескриптивные (описательные) аналитические методы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 Уровень 2: диагностические аналитические методы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 Уровень 3: предиктивные (предсказательные) аналитические методы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Уровень 4: прескриптивные (предписывающие) аналитические методы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 Примеры использования четырех уровней аналитических методов в реальной жизни . . . . . . . . . . 48 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Стр.8
03 Определение дата-грамотности. . . . . . . . . . . . . . . . 53 Элемент 1: чтение данных. . . . . . . . . . . . . . . . . . . . . . . . . . . 55 Элемент 2: работа с данными . . . . . . . . . . . . . . . . . . . . . . . 58 Элемент 3: анализ данных. . . . . . . . . . . . . . . . . . . . . . . . . . . 63 Элемент 4: общение на языке данных. . . . . . . . . . . . . . . 66 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . . . 69 04 Зонтик дата-грамотности . . . . . . . . . . . . . . . . . . . . . . . 71 Стратегия в сфере данных и аналитики . . . . . . . . . . . . . 73 Дата-грамотность и обработка данных . . . . . . . . . . . . . . 74 Дата-грамотность и визуализация данных. . . . . . . . . . . 78 Дата-грамотность и топ-менеджмент . . . . . . . . . . . . . . . . 85 Дата-грамотность и культура . . . . . . . . . . . . . . . . . . . . . . . . 87 Дата-грамотность и качество данных . . . . . . . . . . . . . . . . 89 Дата-грамотность и управление данными . . . . . . . . . . . 90 Дата-грамотность, этика и законодательство . . . . . . . . 91 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . . . 95 05 Чтение и общение на языке данных . . . . . . . . . 97 Чтение данных. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .101 Свободное владение данными. . . . . . . . . . . . . . . . . . . . . .105 Словарь данных . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .108 Стратегия чтения данных и свободного владения данными . . . . . . . . . . . . . . . . . . .110 Пример из жизни организации. . . . . . . . . . . . . . . . . . . . .111 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . .113 06 Связь дата-грамотности с четырьмя уровнями аналитики . . . . . . . . . . . . .115 Дата-грамотность и дескриптивный анализ . . . . . . . .116 Дата-грамотность и диагностический анализ . . . . . . .121 Дата-грамотность и предиктивный анализ . . . . . . . . .130
Стр.9
Дата-грамотность и прескриптивный анализ . . . . . . .134 Дата-грамотность и четыре уровня аналитики: готовая мозаика . . . . . . . . . . . . . . . . . . . . . . . .139 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . .139 07 Стадии обучения дата-грамотности . . . . . . . . .141 Роль руководства в обучении дата-грамотности . . . .142 Роль общей аналитической стратегии и обучения дата-грамотности. . . . . . . . . . . . . . . . . . . . . . .145 Схема и стратегия обучения дата-грамотности . . . . .146 Обучение четырем элементам дата-грамотности . . .152 Обучение и культура дата-грамотности . . . . . . . . . . . .156 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . .161 08 Три «С» дата-грамотности. . . . . . . . . . . . . . . . . . . . .163 Curiosity — любопытство. . . . . . . . . . . . . . . . . . . . . . . . . . .164 Creativity — творческий подход . . . . . . . . . . . . . . . . . . . .174 Critical thinking — критическое мышление . . . . . . . .181 Общение на языке данных . . . . . . . . . . . . . . . . . . . . . . . . .184 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . .185 09 Принятие решений, подкрепленных данными . . . . . . . . . . . . . . . . . . . . . .187 Схема принятия решений, подкрепленных данными . . . . . . . . . . . . . . . . . . . . . . . . . .189 Ступень 1. Спросить. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .190 Ступень 2. Получить. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .193 Ступень 3. Проанализировать . . . . . . . . . . . . . . . . . . . . . .196 Ступень 4. Интегрировать . . . . . . . . . . . . . . . . . . . . . . . . . .198 Ступень 5. Решить . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .204 Ступень 6. Выполнить итерацию . . . . . . . . . . . . . . . . . . .206 Краткое содержание главы и пример . . . . . . . . . . . . . . .208
Стр.10
10 Дата-грамотность и стратегия в сфере данных и аналитики. . . . . . . . . . . . . . . . . .211 Культура, основанная на данных . . . . . . . . . . . . . . . . . . .212 Бизнес-аналитика. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .215 Искусственный интеллект . . . . . . . . . . . . . . . . . . . . . . . . . .218 Машинное обучение и алгоритмы . . . . . . . . . . . . . . . . . .221 Большие данные . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .223 Внутренняя аналитика . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .225 Облачные сервисы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .228 Периферийная аналитика. . . . . . . . . . . . . . . . . . . . . . . . . . .229 Геоаналитика . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .230 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . .231 11 Ваше личное путешествие в мир данных: первые шаги . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .233 COVID-19, данные и аналитика . . . . . . . . . . . . . . . . . . . .234 Рецепты. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .238 Проактивная и реактивная аналитика . . . . . . . . . . . . . .241 Начинайте с основ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .243 Данные и аналитика: геймификация . . . . . . . . . . . . . . .245 Найдите то, что вам интересно, и займитесь этим . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .246 Найдите свои «почему» . . . . . . . . . . . . . . . . . . . . . . . . . . . . .247 Краткое содержание главы. . . . . . . . . . . . . . . . . . . . . . . . . .249 Примечания . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .251
Стр.11

Облако ключевых слов *


* - вычисляется автоматически
Антиплагиат система на базе ИИ