BIG DATA NAUKA O DANYCH I AI BEZ TAJEMNIC PODEJMUJ LEPSZE DECYZJE I ROZWIJAJ SWÓJ BIZNES! STEPHENSON D. Księgarnia

Big data, nauka o danych i AI bez tajemnic

Podejmuj lepsze decyzje i rozwijaj swój biznes!

Koncepcja big data zmieniła zasady gry w biznesie. Wiele osób z kadry zarządczej nie rozumie specyfiki tego rodzaju danych: ogromnych, szybko narastających, często niepasujących do tradycyjnej struktury. Są one zasadniczo różne od konwencjonalnych danych, zarówno pod względem wielkości, jak i złożoności. Rzucają nowe wyzwania, stwarzają nowe możliwości, zacierają tradycyjne granice konkurencji i zmuszają do zmiany paradygmatów pozyskiwania wartości z danych. Big data i data science wraz z uczeniem maszynowym radykalnie zmieniają ekosystem biznesu. Aby przetrwać tę rewolucję, trzeba dostosować się do nowych warunków.

Ta książka jest przystępnym wprowadzeniem do koncepcji big data i data science.

Pozwoli na uzyskanie wiedzy niezbędnej do oceny, czy korzyści z tych technologii są warte kosztów i wysiłku związanych z wdrożeniem w firmie. Poszczególne techniki zostały dokładnie i przejrzyście opisane. Przedstawiono zasady tworzenia odpowiednich strategii. Wyjaśniono, jakich zasobów i jakich ludzi potrzeba do przeprowadzenia transformacji w kierunku zbierania, analizy i wykorzystywania danych, a także omówiono związane z tym ryzyko. Ważnym elementem książki są praktyczne wskazówki i podpowiedzi.

W tej książce:

podstawy big data, data science i sztucznej inteligencji
praktyczne zastosowanie big data w technikach analitycznych
przegląd podstawowych rodzajów analityki i dobór technologii
przygotowanie firmy do wdrożenia projektów big data i data science
wymagania prawne i ochrona danych a korzystanie z narzędzi big data

Opinie o książce
O autorze
Podziękowania
Wprowadzenie
Rozdziały
Część 1. Wprowadzenie do koncepcji big data
Rozdział 1. Historia big data
Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data
Rozdział 3. Dlaczego technologie big data są użyteczne?
Rozdział 4. Przykłady zastosowań big data w analizie danych
Rozdział 5. Zrozumieć ekosystem big data
Część 2. Jak wykorzystać ekosystem big data w swojej organizacji?
Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?
Rozdział 7. Strategia wykorzystywania big data oraz data science
Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe
Rozdział 9. Wybór technologii
Rozdział 10. Budowanie zespołu
Rozdział 11. Zarządzanie danymi i kwestie prawne
Rozdział 12. Skuteczne realizowanie projektów

Część 1. Wprowadzenie do koncepcji big data

Rozdział 1. Historia big data
Co się zmieniło na początku XXI wieku?
Dlaczego tak wiele danych?
Rozpowszechnienie urządzeń generujących dane cyfrowe
Tworzenie i publikowanie treści prywatnych
Aktywność użytkowników
Uczenie maszynowe i Internet rzeczy (IoT)
Badania naukowe
Malejące koszty przestrzeni dyskowej
Malejące koszty RAM-u
Malejące koszty mocy obliczeniowej
Dlaczego koncepcja big data zyskała taką popularność?
Pionierzy big data, którzy odnieśli sukces
Oprogramowanie open source wyrównało szanse wśród twórców oprogramowania
Przetwarzanie w chmurze ułatwiło rozpoczynanie i skalowanie pomysłów
Podsumowanie
Zastanów się

Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data
Czym są sztuczna inteligencja i uczenie maszynowe?
Początki AI
Skąd niedawne odrodzenie AI?
Sztuczne sieci neuronowe i uczenie głębokie
Jak AI pomaga w analizie wielkich zbiorów danych?
Na co warto zwrócić uwagę?
Podsumowanie
Zastanów się

Rozdział 3. Dlaczego technologie big data są użyteczne?
Całkiem nowe sposoby używania danych
Nowy sposób myślenia o danych
Stosowanie podejścia data-driven
Informacje ukryte w danych
Analiza
Lepsze narzędzia
Dane: im więcej, tym lepiej
Dodatkowe typy danych
Wartość danych o ścieżkach zakupowych klientów
Większe ilości danych
Podsumowanie
Zastanów się

Rozdział 4. Przykłady zastosowań big data w analizie danych
Testy A/B
Systemy rekomendacyjne/następna najlepsza oferta
Prognozowanie: popyt i przychody
Oszczędzanie kosztów w IT
Marketing
Media społecznościowe
Wyceny
Zatrzymywanie klientów i budowanie ich lojalności
Porzucanie koszyka (analizowane w czasie rzeczywistym)
Optymalizacja współczynnika konwersji
Dopasowywanie produktu w czasie rzeczywistym
Reklamy kontekstowe w czasie rzeczywistym
Wykrywanie nadużyć w czasie rzeczywistym
Ograniczenie migracji klientów
Utrzymanie według stanu
Zarządzanie łańcuchem dostaw
Długookresowa wartość klienta
Lead scoring
Zasoby ludzkie
Analiza sentymentu
Podsumowanie
Zastanów się

Rozdział 5. Zrozumieć ekosystem big data
Kiedy dane można określać jako big data?
Rozproszone przechowywanie danych
Rozproszone przetwarzanie
Fast data/strumieniowanie danych
Mgła obliczeniowa/przetwarzanie krawędziowe
Oprogramowanie open source
Historia open source
Licencjonowanie
Dystrybucja kodu
Korzyści z open source
Open source a big data
Przetwarzanie w chmurze
Podsumowanie
Zastanów się

Część 2. Jak wykorzystać ekosystem big data w swojej organizacji?

Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?
Twoi klienci
Zdobywanie danych
Platformy cyfrowe
Wsparcie klienta
Fizyczne położenie klientów
Łączenie danych o klientach
Używanie danych
Ścieżka zakupowa
Grupy klientów (persony)
Towary
Krytyczne interwencje
Twoja konkurencja
Czynniki zewnętrzne
Twój własny produkt
Podsumowanie
Zastanów się

Rozdział 7. Strategia wykorzystywania big data oraz data science
Zespół ludzi
Specjaliści od strategii
Specjaliści od biznesu
Specjaliści od analizy
Specjaliści techniczni
Spotkanie inauguracyjne
Strategia
Biznes
Analiza
Technologia
Efekty spotkania inauguracyjnego
Omówienie zakresu projektu
Podsumowanie
Zastanów się
Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe
Cztery typy analityki
Analityka opisowa
Analityka diagnostyczna
Analityka predykcyjna
Analityka preskryptywna
Modele, algorytmy i czarne skrzynki
Projektowanie modelu
Modele czarnoskrzynkowe w big data
Dopasowywanie modelu do danych
Wdrażanie modelu
Sztuczna inteligencja i uczenie maszynowe
Oprogramowanie analityczne
Bazy danych
Bazy relacyjne (75%)
Bazy dokumentowe (9%)
Silniki wyszukiwania (5%)
Bazy typu klucz-wartość (5%)
Bazy kolumnowe (3%)
Bazy grafowe (2%)
Wybór bazy danych
Języki programowania
Narzędzia analityczne
Agile w analityce
Podsumowanie
Zastanów się

Rozdział 9. Wybór technologii
Wybór sprzętu
Wybór lokalizacji sprzętu: rozwiązania chmurowe
Przenoszenie, oczyszczanie i przechowywanie danych
Wybór oprogramowania
Dostarczanie wyników użytkownikowi końcowemu
Rozważania na temat wyboru technologii
Podsumowanie
Zastanów się

Rozdział 10. Budowanie zespołu
Specjaliści w zakresie data science
Role potrzebne w zespole analitycznym
Platform engineer
Inżynier danych
Specjalista od algorytmów
Analityk biznesowy
Analityk sieciowy
Specjalista od raportowania
Przywództwo
Posiadanie trzech niepowiązanych umiejętności
Wszechstronnie rozwinięte umiejętności techniczne
Umiejętność dostarczania rezultatów
Proces zatrudniania na stanowisko przywódcze
Rekrutowanie specjalistów od danych
Zatrudnianie na dużą skalę i pozyskiwanie startupów
Outsourcing
Małe firmy
Podsumowanie
Zastanów się

Rozdział 11. Zarządzanie danymi i kwestie prawne
Dane osobowe
Przepisy dotyczące ochrony prywatności
Data science i ujawnianie informacji prywatnych
Zarządzanie danymi
Zarządzanie raportowaniem
Podsumowanie
Zastanów się

Rozdział 12. Skuteczne realizowanie projektów
Dlaczego projekty upadają
Wykorzystaj model data-driven
Cały czas zadawaj pytania na temat swojego biznesu
Testuj swoje przypuszczenia
Utwórz i monitoruj kluczowe wskaźniki efektywności
Sięgaj po nowe pomysły
Uporządkuj swoje dane
Pozyskaj odpowiednich ludzi
Połącz silosy danych
Skup się na wartości biznesowej
Kontroluj efekty
Korzystaj z metodyki agile
Na zakończenie
Podsumowanie
Zastanów się
Słowniczek

240 stron, oprawa miękka

Po otrzymaniu zamówienia poinformujemy,
czy wybrany tytuł polskojęzyczny lub anglojęzyczny jest aktualnie na półce księgarni.