Biznes oparty na danych. Zespół ekspertów, sztuczna inteligencja i analityka jako klucz do sukcesu (ebook) Katowice

Skuteczna analityka wymaga wykonywania wieloaspektowego zestawu zadań w ramach właściwie zarządzanego procesu. Thomas H. Davenport, profesor Babson College Analityka mocno się zmieniła. Kiedyś skupiała się głównie na tworzeniu raportów i wykresów, które prezentowały dane w atrakcyjnej formie. Teraz stała się bardziej zaawansowana ... zespoły pracują w nowy sposób, łącząc różnorodne umiejętności, takie jak analiza danych, programowanie i znajomość biznesu. Dzięki temu decyzje podejmowane w firmach mogą być lepsze, a osiąganie celów ... łatwiejsze. Jednak by to działało, potrzebne są zmiany w strukturze organizacji i podejściu do pracy. Oto najbardziej praktyczny poradnik korzystania z analityki w funkcjonowaniu organizacji! Bill Schmarzo, dyrektor do spraw innowacji w Hitachi Vantara W tej książce znajdziesz podstawowe koncepcje związane z budowaniem skutecznych zespołów analitycznych i zarządzaniem nimi. Wyjaśniono w niej dokładnie, co należy robić, kogo zatrudniać, jakie projekty realizować i czego unikać na drodze do zbudowania sprawnego zespołu analitycznego. Omówiono również znaczenie biznesowego cyklu decyzyjnego w osiąganiu trwałego sukcesu przedsiębiorstwa. Ponadto poznasz wartościowe modele z obszaru zaawansowanej analityki i prognoz opartych na analizie danych. Nie zabrakło też opisu metod i praktyk zarządzania zespołami analitycznymi, a także wskazówek, jak wpływać na oczekiwania kierownictwa i wybierać projekty o największej wartości. Dzięki tej książce dyrektorzy wykonawczy i zespoły analityczne dowiedzą się, jak wypracować trwałą, strategiczną, a nawet rewolucyjną przewagę! Kirk Borne, główny danolog w Booz Allen Hamilton John K. Thompson jest dyrektorem do spraw technologii z ponad 30-letnim doświadczeniem w dziedzinie zaawansowanej analityki biznesowej. Obecnie odpowiada za globalny zespół zaawansowanej analityki i sztucznej inteligencji w CSL Behring. Interesuje go rozwijanie innowacyjnych technologii w celu zwiększenia wartości uzyskiwanej przez organizacje na całym świecie. Bogata wiedza i praktyczne doświadczenie autora zwiększają wartość tej doskonałej książki! Judith Hurwitz, prezeska Hurwitz & Associates 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