Оглавление
Джордан Морроу. Как вытащить из данных максимум. Навыки аналитики для неспециалистов
Об авторе
Предисловие
01. Мир данных
Данные: мир, в котором мы живем
Данные: нехватка навыков
Данные: в чем причина нехватки навыков?
Данные: что дальше?
Краткое содержание главы
02. Четыре уровня аналитических методов
Данные и их анализ – целых четыре уровня?
Четыре уровня аналитических методов
Уровень 1: дескриптивные (описательные) аналитические методы
Уровень 2: диагностические аналитические методы
Уровень 3: предиктивные (предсказательные) аналитические методы
Уровень 4: прескриптивные (предписывающие) аналитические методы
Примеры использования четырех уровней аналитических методов в реальной жизни
Краткое содержание главы
03. Определение дата-грамотности
Элемент 1: чтение данных
Элемент 2: работа с данными
Элемент 3: анализ данных
Элемент 4: общение на языке данных
Краткое содержание главы
04. Зонтик дата-грамотности
Стратегия в сфере данных и аналитики
Дата-грамотность и обработка данных
Дата-грамотность и визуализация данных
Дата-грамотность и топ-менеджмент
Дата-грамотность и культура
Дата-грамотность и качество данных
Дата-грамотность и управление данными
Дата-грамотность, этика и законодательство
Краткое содержание главы
05. Чтение и общение на языке данных
Чтение данных
Свободное владение данными
Словарь данных
Стратегия чтения данных и свободного владения данными
Пример из жизни организации
Краткое содержание главы
06. Связь дата-грамотности с четырьмя уровнями аналитики
Дата-грамотность и дескриптивный анализ
Дата-грамотность и диагностический анализ
Дата-грамотность и предиктивный анализ
Дата-грамотность и прескриптивный анализ
Дата-грамотность и четыре уровня аналитики: готовая мозаика
Краткое содержание главы
07. Стадии обучения дата-грамотности
Роль руководства в обучении дата-грамотности
Роль общей аналитической стратегии и обучения дата-грамотности
Схема и стратегия обучения дата-грамотности
Обучение четырем элементам дата-грамотности
Обучение и культура дата-грамотности
Краткое содержание главы
08. Три «С» дата-грамотности
Curiosity – любопытство
Creativity – творческий подход
Critical thinking – критическое мышление
Общение на языке данных
Краткое содержание главы
09. Принятие решений, подкрепленных данными
Схема принятия решений, подкрепленных данными
Ступень 1. Спросить
Ступень 2. Получить
Ступень 3. Проанализировать
Ступень 4. Интегрировать
Ступень 5. Решить
Ступень 6. Выполнить итерацию
Краткое содержание главы и пример
10. Дата-грамотность и стратегия в сфере данных и аналитики
Культура, основанная на данных
Бизнес-аналитика
Искусственный интеллект
Машинное обучение и алгоритмы
Большие данные
Внутренняя аналитика
Облачные сервисы
Периферийная аналитика
Геоаналитика
Краткое содержание главы
11. Ваше личное путешествие в мир данных: первые шаги
COVID-19, данные и аналитика
Рецепты
Проактивная и реактивная аналитика
Начинайте с основ
Данные и аналитика: геймификация
Найдите то, что вам интересно, и займитесь этим
Найдите свои «почему»
Краткое содержание главы
Отрывок из книги
Джордана Морроу называют крестным отцом дата-грамотности. Он один из пионеров движения за дата-грамотность и постоянно стремится помогать руководителям и сотрудникам различных организаций раскрывать потенциал данных и аналитики. Вне мира данных Джордан Морроу – счастливый семьянин, у него пятеро детей. Кроме того, он увлеченный любитель бега по пересеченной местности и ультрамарафона.
Мое путешествие в мир дата-грамотности официально началось в июне 2016 года, но первые идеи по этой теме появились у меня еще раньше. Меня называли крестным отцом дата-грамотности и Главным Ботаником (второе прозвище мне и правда нравится). Я долго развивал и совершенствовал свои представления. В этой книге я хочу поделиться своими наблюдениями и помочь вам совершить путешествие в мир данных и аналитики.
.....
Итак, в целом только один из пяти участников исследования уверен в своих навыках обращения с данными, так что для руководителей организаций должен быть очевиден огромный пробел, который необходимо заполнить. Здесь и кроется корень проблемы: если организации хотят извлечь выгоду из данных и аналитики, но при этом нужных специалистов критически не хватает, то как, собственно, извлечь эту выгоду? И какое влияние нехватка дата-грамотности и уверенности в умении обращаться с данными оказывает на организации? Не отражается ли этот недостаток на прибыли?
Влияние человеческого фактора на недостаток знаний о данных трудно переоценить. В исследовании 2019 года было выявлено, что лишь 32 % опрошенных топ-менеджеров утверждают, что способны извлечь измеримую пользу из данных, и 27 % – что их проекты в сфере данных и аналитики «дают им применимые на практике знания»[13]. Конечно же, это тоже следствие недостаточной дата-грамотности. Когда вспоминаешь, что миллионы, а то и миллиарды долларов вкладываются в аналитические проекты, ПО и технологии, связанные с данными, то поневоле задумываешься, сколько из них потрачено впустую. И если среди людей в целом лишь каждый пятый уверен в своих навыках обращения с данными, а топ-менеджеры не осознают ценность этих навыков, то потери действительно огромны.
.....
