Data Science для бізнесу. Як збирати, аналізувати і використовувати дані

Найфундаментальніші принципи data science в одній книзі.

Тематика

Бізнес, аналітика, big data, технології.

Про що книга

Протягом останніх років не лише технологічні гіганти, а й інші компанії навчилися збирати дані про операційну роботу, результати маркетингових кампаній і поведінку своїх клієнтів. Проте не всі вміють застосовувати їх на користь власній справі. Потрібно мислити, як Data Science-фахівець, щоб приймати бізнес-рішення на основі даних, стверджують автори цієї книги.

Для кого книжка

Книжка для представників бізнесу, розробників, а також всіх, хто хоче в майбутньому працювати з даними.

Чому варто купувати цю книгу

У цій книжці експерти Фостер Провост і Том Фоусетт пояснюють, як оцінити роль даних у вашому бізнесі, як їх трактувати й узагальнювати та якими принципами керуватися, щоб використати зібрану інформацію для розвитку вашого бізнесу.

Про автора

Фостер Провост — професор Нью-Йоркської бізнес-школи Леонарда Стерна, де він викладає програму МВА з бізнес-аналітики та Data Science. Том Фоусет — кандидат наук у галузі машинного навчання. Працював у таких компаніях, як GTE Laboratories, NYNEX/Verizon Labs і HP Labs.

Книжки на схожу тематику

• «Сам собі МВА. Про бізнес без цензури» Сьюзі Велч, Джек Велч, «Наш формат», 2018 рік.
• «Маркетингова аналітика. Як підкріпити інтуїцію даними» Адель Світвуд, «Наш формат», 2019 рік.

Відгуки

Ця книжка розповідає про те, що нарешті стає очевидним: у сучасному світі дані і є бізнесом. Ви більше не можете думати про бізнес, не думаючи про дані.

Рон Беккерман, Carmel Ventures

Прекрасна книжка для менеджерів, які керують спеціалістами з обробки даних чи взаємодіють з ними та хочуть краще зрозуміти принципи й алгоритми, не заглиблюючись у технічні деталі.

Ронні Кохаві, Microsoft Online Services Division

Цитати з книжки

Для чого можна використати дані

Найширше, мабуть, техніки дата-майнингу використовують у маркетингу—для таргетування, онлайн-реклами і рекомендацій для крос-продажу. У фінансовій галузі дата-майнингом користуються для того, щоб створювати кредитні рейтинги й торгувати в кредит, а також щоб визначати шахраїв і управляти персоналом. Великі ритейлери, наприклад, Walmart чи Amazon, використовують дата-майнинг у своєму бізнесі всюди: і в маркетингу, і в управлінні логістикою.

Про переваги ухвалення рішень на основі даних

Дослідження показало, що за статистикою, що більше в компанії орієнтуються на дані, то продуктивніша вона. Одне стандартне відхилення вгору по шкалі прийняття рішень на основі даних — це зростання продуктивності на 4–6%. Ухвалення рішень на основі даних корелюється також із вищим прибутком на активи, рентабельністю капіталу, використанням наявних ресурсів і ринковою цінністю, і схоже, що ці фактори між собою пов’язані.

У чому відмінність між обробкою даних та data science

Інженерія й обробка даних критично важливі для існування data science, але це більш загальні поняття. Для data science потрібен доступ до даних, і правильна інженерія може тільки піти на користь, але ці технології—не технології власне data science. Технології обробки даних дуже важливі для багатьох задач у бізнесі, для яких потрібні дані, але де не потрібно вміти діставати з даних корисну інформацію або ухвалювати на їх основі рішення.