Skuteczna analityka wymaga wykonywania wieloaspektowego zestawu zada

Zobacz także:

• Power BI Desktop. Kurs video. Wykorzystanie narzędzia w analizie i wizualizacji danych 332,50 zł, (39,90 zł -88%)
• Analiza danych w Tableau. Kurs video. Podstawy pracy analityka 234,71 zł, (39,90 zł -83%)
• Tabele i wykresy przestawne dla ka 190,00 zł, (39,90 zł -79%)
• Power Apps. Kurs video. Tworzenie biznesowych aplikacji no-code 190,00 zł, (39,90 zł -79%)
• Microsoft Excel. Kurs video. Wykresy i wizualizacja danych 190,00 zł, (39,90 zł -79%)

Spis treści

Biznes oparty na danych. Zespół ekspertów, sztuczna inteligencja i analityka jako klucz do sukcesu eBook -- spis treści

O autorze

Podziękowania

O korektorze merytorycznym

Przedmowa

Prolog

Wstęp

Wprowadzenie

• Rozwój organizacji opartej na danych i analityce
• Analityczny sposób myślenia
• Budowanie zespołu analitycznego i środowiska sprzyjającego współpracy
• Towarzysze podróży analitycznych
• Wybór projektów prowadzących do sukcesu
• Dynamika organizacyjna
• Uzyskanie przewagi konkurencyjnej lub utrzymanie konkurencyjności
• Podstawowy cykl współpracy i innowacji
• Przykład: koncentracja na samoaktualizujących się procesach zamiast na projektach
• Podsumowanie

Rozdział 1. Omówienie skutecznych i wydajnych zespołów analitycznych

• Wprowadzenie
  • Sztuczna inteligencja i miejsca pracy w przyszłości
  • Sztuczna inteligencja kreuje miejsca pracy
  • Na wiele zawodów sztuczna inteligencja nigdy nie wpłynie
  • Skoro sztuczna inteligencja stworzy więcej miejsc pracy, warto się do tego przygotować
  • Miejsca pracy będą się zmieniać, a sztuczna inteligencja będzie napędzać tę ewolucję
  • Sztuczna inteligencja i dane służą nam, a nie odwrotnie
  • Zmiany są nieuniknione - myśl perspektywicznie
  • Przyszłość jest długa, a wiele pozostało jeszcze do zrobienia
  • Ucz się i zrób krok naprzód
• Sztuczna inteligencja w systemie edukacji
  • Dawny model.
  • .i nowe podejście
• Jesteśmy różni
  • Różni w dobry sposób
  • Brzydkie kaczątko
  • Nieoszlifowany diament
  • Idealne cechy
  • Częsty błąd
  • Niejasna wizja
• Grzech pierworodny
• Właściwe miejsce
• Kwestie etyczne
• Podsumowanie

Rozdział 2. Budowanie zespołu analitycznego

• Kontekst organizacyjny i związane z nim rozważania
  • Innowacyjne umysły
• Staże i programy praktyk
• Różnorodność i inkluzywność
• Neuroróżnorodność
• Działania dyscyplinarne
• Dynamika rynku pracy
• Szukanie dopasowania
• Warunkiem sukcesu jest świadome przywództwo
• Ciągłe uczenie się i edukacja w zakresie danych na poziomie organizacyjnym
• Definicja skutecznego zespołu analitycznego
• Ogólny proces danologii
• Możliwości w obszarze architektury i struktury zespołu
  • Architektura i struktura zespołu w podejściu rzemieślniczym
  • Architektura i struktura zespołu w podejściu fabrycznym
  • Architektura i struktura zespołu w podejściu hybrydowym
• Konsekwencje stosowania narzędzi własnościowych i otwartoźródłowych
• Podsumowanie

Rozdział 3. Zarządzanie zespołem analitycznym i jego rozwój

• Koncentracja i równowaga w zarządzaniu
• Zarządzanie sponsorami i interesariuszami
  • Tworzenie wewnętrznego zapotrzebowania
  • Zarządzanie czy współpraca?
• Otwarty czy sztywny sposób myślenia?
• Różnice w produktywności
• Rytm pracy
• Osobisty portfel projektów
• Zarządzanie dynamiką zespołu
• Początek procesu pozyskiwania talentów
• Potrzebny jest zespół
• Po prostu najlepsi
  • Zarządzanie ego
• Maksymy organizacyjne
  • Ludzie nie zmieniają się wystarczająco szybko
  • Zmiana kulturowa
  • Nie trzymaj się stanowiska, szukaj dalej
• Podsumowanie

Rozdział 4. Przywództwo w zespołach analitycznych

• Sztuczna inteligencja i przywództwo
• Cechy skutecznych liderów w dziedzinie analityki
  • Konsekwencja
  • Pasja
  • Ciekawość
  • Odpowiedzialność
  • Różnorodność
  • Optymizm
• Budowanie pomocnego i zaangażowanego zespołu
• Zarządzanie spójnością zespołu
• Najmądrzejsza osoba na sali
• Każdy może być źródłem dobrych (i złych) pomysłów
• Nowe role przywódcze - dyrektor ds. danych (CDO) i dyrektor ds. analityki (CAO)
• Od czego zacząć zatrudnianie dyrektora ds. danych lub dyrektora ds. analityki?
  • Dyrektor ds. danych
  • Dyrektor ds. analityki
• Podsumowanie

Rozdział 5. Zarządzanie oczekiwaniami kadry zarządzającej

• Nie jesteś jedynym graczem w mieście
• Należy wiedzieć, co powiedzieć
• Należy wiedzieć, jak to powiedzieć
• Kształtowanie narracji i kierowanie nią
• Przygotuj się, zanim zaczniesz
• Ilu nas jest?
• Istnieje sprawdzona droga do sukcesu
• Co chcesz osiągnąć?
• Zlecanie prac na zewnątrz
• Słonie i wiewiórki
• Codzienne operacje
  • Szybkie sukcesy
  • Poczucie pilności
  • Innowacje
  • Celebrowanie uczenia się (niektórzy nazywają to porażkami)
• Podsumowanie

Rozdział 6. Zapewnianie zaangażowania ekspertów biznesowych

• Pokonywanie przeszkód utrudniających wdrażanie analityki
• Kultura organizacyjna
• Dane lub algorytmy - punkt bez odwrotu
• Sposób myślenia menedżerów
• Braki w umiejętnościach
• Myślenie liniowe i nieliniowe
• Czy naprawdę potrzebujesz budżetu?
• Dużo małych zbiorów danych zamiast big data
• Projekty wstępne
• Realizacja wartości
• Podsumowanie

Rozdział 7. Wybieranie projektów o najwyższej wartości

• Samosterowność zespołu analitycznego
• Przedstawianie wartości analityki
• Względna wartość analityki
• Proste przedstawianie wartości analityki
• Umożliwianie zrozumienia wyników
• Proces wyboru projektu na poziomie korporacyjnym
• Ocena i komunikowanie wartości projektów
• Delegowanie podejmowania decyzji
• Czynniki techniczne lub organizacyjne
  • Dane - czy istnieją i czy można je wykorzystać?
  • Dane - źródła wewnętrzne i zewnętrzne
  • Dane - źródła i informacje zastępcze
  • Dane - integrowanie istotnych elementów
  • Dane - kwestie etyczne
  • Technologia - sprzęt, oprogramowanie i chmura
• Wskazówki dla użytkowników końcowych
• Gdzie kryje się wartość w projekcie?
• Kwestie operacyjne
• Marketing projektu - wizja, wartość czy jedno i drugie?
• Nie podejmuj wszystkich decyzji
• Czy eksperci merytoryczni wiedzą, jak wyglądają dobre wyniki?
• Portfolio projektów - małe i duże
• Możliwości i odpowiedzialność
• Podsumowanie

Rozdział 8. Operacjonalizacja analityki - jak przejść od projektów do środowiska produkcyjnego

• Proces zarządzania zmianą
• Poznawanie firmy
• Zarządzanie zmianą
  • Wymagane zmiany mogą być poważne dla pracowników jednostek funkcjonalnych
  • Zmiany w strukturze pracy
  • Trzeba bezpośrednio zakomunikować potrzebę zmian
• Analityka i odkrywanie
  • Procesy i systemy produkcyjne
• Cykle i systemy analityczne i produkcyjne - projekty wstępne
  • Automatyzacja zarządzania danymi
  • Modele i aplikacje analityczne
  • Pielęgnacja modeli analitycznych i aplikacji
  • Interfejs między cyklem prac analitycznych a procesami produkcyjnymi
  • Pojedyncze decyzje a ciągłe prognozowanie
  • Świadomość i wsparcie kierownictwa w obszarze danych i analityki
• Podsumowanie

Rozdział 9. Zarządzanie nowym ekosystemem analitycznym

• Twój główny cel - współpraca z interesariuszami
  • Skoncentruj się na swojej misji, ale pomagaj, gdy to możliwe
  • Równowaga w pracy analitycznej - budowanie i obsługa
  • Równowaga w pracy analitycznej - budowanie i aktualizacje
• Uwzględnianie i minimalizowanie błędu systematycznego
  • Czy należy dążyć do wyeliminowania błędów systematycznych?
  • Dlaczego należy wyeliminować błąd systematyczny?
  • Jak wyeliminować błąd systematyczny?
• Etyka
  • Zakres uwagi kadry zarządzającej
  • Proces tłumaczenia
  • Proces wdrażania
• Podsumowanie

Rozdział 10. Przyszłość analityki - czego możemy

• Dane
  • Wartość danych
  • Osobista kontrola nad danymi
  • Brokerzy danych i pośrednicy
• Sztuczna inteligencja dzisiaj
  • Uczenie modeli sztucznej inteligencji
  • Zrozumiała sztuczna inteligencja
• Informatyka kwantowa a sztuczna inteligencja
• Sztuczna inteligencja ogólna
• Obecnie zawodzimy
• Uczenie dzieci miłości do liczb, wzorów i matematyki
• Łączenie uczenia się na pamięć z krytycznym myśleniem w modelu edukacji
• Podsumowanie

Przypisy

Skorowidz