Книга, которая не отпускает с первой до последней страницы.
Открыли Вы книгу, прочитали первые несколько абзацев – и всё, провалились. Может быть, в один присест прочитали и заснули ближе к утру. Может быть, даже семья Вас потеряла на пару дней.
Вобщем, наверное, понятно, о чём я .
Хорошая озвучка, правда всё-таки перечитаю в текстовом виде, очень много новых и сложных понятий(
В остальном отличный материал, очень полезный, рассчитан на НЕ специалистов.
Неплохо. Мастхэв для аналитиков и руководителей. Книга полезна всем, кто занимается бизнесом. Маркетологам она послужит отличным пособием с готовыми идеями, шаблонами и инструментами. Руководителям даст понять, как должна выглядеть действительно качественная аналитика.
Отличная книга. Много про дата-грамотность, много примеров из жизни организаций, различные виды анализа и их преимущества + схема и стратегия обучения сотрудников. Книга скорее для руководителей, которые хотят подтянуть знания своих коллег, но не знают с чего начать.
как по мне книга пустовата. она скорее написана по принципу «важность ЗОЖ»
тут про важность данных. скорее про «что важно». ответа «как» эту важность реализовать – нет.
самым полезным может стало что то про типы анализа данных.
в общем скорее потратил время.
в аналитике данных я относительно недавно, но даже в этом случае прочитал впустую.
однако учитывая колво восхищенных отзывов, допускаю что я не прав
очень много воды. За 2 часа прослушивания я стал ненавидеть слово «данные». Материал для студентов, которые только входят во взрослую жизнь.
вода. очень много воды. не смог осилить, есть более весомые и интересные книги по теме. поэтому только три. не нашел ничего ценного, только много определений, как будто автор брал определения из статей и копипастио их сюда
Один из самых полезных материалов за последнее время.
Написано доступным языком, в голове теперь будто по полочкам разложили достаточно сложную тему.
После ознакомления с доводами автора странно, что организации не думают над стратегией получения и использования данных для расширения видения и постановки задач!
Видимо это по незнанию, хз какое ещё тут объяснение.
Если совсем кратко о книге, то она для тех, кто раньше слышал о явлениях вроде бизнес-аналитики разве что краем уха, но не хочет смотреть как баран на новые ворота во время совещания с представителями всех отделов. Лично мне не хватило технических подробностей.
Для начала автор разделил работу с данными на четыре уровня. Необязательно делить между ними поровну ресурсы вроде времени, следует ориентироваться на потребности компании и её аудитории.
Первый — описание того, что имело или имеет место. Не следует чрезмерно увлекаться визуализацией данных, достаточно удобного и понятного для пользователя отображения. В качестве источника удачных решений дана Большая книга об информационных панелях (The Big Book of Dashboard) Векслера, Шеффера и Котгрейва. Сюда относится популярный Excel.
Второй уровень — выяснение почему так сложилось. Для освоивших эти уровни автор предлагает Alteryx, SAS, Apache Spark, D3.
Третий уровень — что будет. В список необходимого для этого уровня и отчасти четвертого автор включил обработку данных, статистику, машинное обучение, алгоритмы, большие данные. Последние имеют три показателя качества, “три “V” больших данных”: разнообразие (variety), объем (volume), скорость (velocity). Для статистики и количественной аналитики, построения моделей обоснованно рекомендованы языки программирования Python и R. Стоит пользоваться уже упомянутым Microsoft Excel, Tableau (включая Tableau Blue Print для развития культуры работы с данными), Qlik.
Четвертый уровень — что делать дальше. В качестве простых инструментов — Domo и Alteryx, продвинутых — SAS и SAP Predictive Analytics.
Если говорить о бизнес-аналитике, которая по тексту предназначена для создания отчётов, подсчёта показателей эффективности и выявления тенденций, то Qilk, Tableau, ThoughtSpot, Microsoft Power BI, Alteryx.
Для внутренней аналитики требуется интеграция аналитического контента и возможностей в приложения, программы для производственной и коммерческой деятельности (CRM, ERP, EHR/EMR) или порталы (внутренние и внешние корпоративные сети).
В этой книге приводится известная по словам автора схема Кевина Ханегена по принятию решений, подкрепленных данными. Авторская модификация такова: спросить, получить, проанализировать, интегрировать, решить и выполнить итерацию.
Техническая часть книги сводится к этому. Гораздо больше внимания уделено психологическому аспекту.
К деятельности советуют подходить с помощью трёх “С”: curiosity (любопытство), creativity (творческий подход), critical thinking (критическое мышление). В этом же русле указание помнить, что трансформации возможны и следует давать себе волю, хотя автор и советует определиться со своей ролью в компании.
Постоянно делается упор на ориентирование на людей. Например, при работниках обосновывать изменения работы с данными и прикладывать усилия для ознакомления с ними вместо имитации бурной деятельности. Напоследок автор указывает, что без системной целенаправленной практики толку от чтения немного.
Очень поверхностное содержание, полезна только для тех кто начинает либо думать о внедкрении аналитики у себя (руководство) либо для общего инфо о сфере аналитики и чем они занимаются.
«Как вытащить из данных максимум. Навыки аналитики для неспециалистов» audiokitabına rəylər, 14 rəylər