Livre

Esprit + Machine

Un modèle décisionnel pour optimiser et implémenter l’analytique

Marc Vollenweider

Wiley, 2016

Acheter le livre

Lire hors ligne ou discuter

Amazon Kindle Discuter

Le fichier audio du résumé n'est pas disponible actuellement.

Classement éditorial

في getAbstract، نقوم بتلخيص الكتب* التي تساعد الناس على فهم العالم وجعله أفضل. أي شيء نختاره لمكتبتنا يجب أن يتفوق في أحد هذين المعيارين الأساسيين:

تنويري – ستتعلم أشياء ستثري وتحسن قراراتك.

مفيد – ستحصل على نصائح عملية ستساعدك على التحسن في ما تفعله.

نقوم بتقييم كل محتوى على مقياس من 1-10 فيما يتعلق بهذين المعيارين الأساسيين. يساعدك تقييمنا في ترتيب العناوين في قائمة قراءتك من الجيد (5) إلى الرائع (10). الكتب التي نقيمها بأقل من 5 لن يتم تلخيصها. إليك ما تعنيه التقييمات:

10 – رائع. كتاب مفيد و/أو تنويري، بالإضافة إلى تلبية أعلى المعايير في جميع الجوانب ذات الصلة، يبرز حتى بين الأفضل. غالبًا ما يكون كلاسيكيًا فوريًا وضروريًا للجميع.
9 – ممتاز. كتاب مفيد و/أو تنويري يتميز بتوازن كبير، وله العديد من النقاط القوية ولا توجد عيوب تستحق الذكر.
8 – جيد جدًا. كتاب مفيد و/أو تنويري يحتوي على عدد كبير من الصفات البارزة دون التفوق في جميع الجوانب، مثل تقديم أحدث الاكتشافات في مجال موضوعي ويكتبه خبير مشهور ولكنه يفتقر قليلاً إلى الأسلوب.
7 – جيد. كتاب مفيد و/أو تنويري يجمع بين قوتين أو أكثر من النقاط القوية الملحوظة، مثل احتوائه على أفكار جديدة بشكل غير معتاد وتقديمها بطريقة جذابة.
6 – ملحوظ. كتاب مفيد و/أو تنويري يبرز في جانب واحد على الأقل، مثل كونه منظمًا بشكل جيد بشكل خاص.
5 – جيد. كتاب مفيد و/أو تنويري، على الرغم من عيوبه الواضحة. على سبيل المثال، قد يقدم نصائح جيدة في بعض المجالات بينما يكون متكررًا أو غير ملحوظ في أخرى.

*getAbstract يلخص أكثر بكثير من الكتب. نحن ننظر إلى كل نوع من المحتوى الذي قد يهم جمهورنا: الكتب، ولكن أيضًا المقالات، والتقارير، ومقاطع الفيديو، والبودكاست. ما نقوله هنا عن الكتب ينطبق على جميع الصيغ التي نغطيها.

Caractéristiques

Innovant
Pratique
Révélateur

بينما يخبرك التقييم بمدى جودة الكتاب وفقًا لمعيارين أساسيين لدينا، فإنه لا يقول شيئًا عن ميزاته المحددة. لذلك، نستخدم مجموعة من 20 صفة لتوصيف كل كتاب بناءً على نقاط قوته:

قابل للتطبيق – ستحصل على نصائح يمكن تطبيقها مباشرة في مكان العمل أو في المواقف اليومية.
تحليلي – ستفهم الآليات الداخلية للموضوع.
خلفية – ستحصل على معرفة سياقية كإطار للعمل أو التحليل المستنير.
جريء – ستجد حججًا قد تخالف الآراء السائدة.
شامل – ستجد كل جانب من جوانب الموضوع مغطى.
أمثلة ملموسة – ستحصل على نصائح عملية موضحة بأمثلة من تطبيقات واقعية أو حكايات.
جدلي – ستواجه آراء مثيرة للجدل بشدة.
بليغ – ستستمتع بنص مكتوب أو مقدم ببراعة.
جذاب – ستقرأ أو تشاهد هذا حتى النهاية.
مفتوح للعين – ستُعرض عليك رؤى مفاجئة للغاية.
للمبتدئين – ستجد هذا مقدمة جيدة إذا كنت متعلمًا بقليل من الخبرة أو المعرفة السابقة.
للخبراء – ستحصل على المعرفة/التعليمات المتقدمة التي تحتاجها كخبير.
موضوع ساخن – ستجد نفسك في وسط قضية مثيرة للجدل بشدة.
مبتكر – يمكنك توقع بعض الأفكار والرؤى الجديدة حقًا حول المنتجات أو الاتجاهات الجديدة.
رؤية من الداخل – ستحظى بامتياز التعلم من شخص يعرف موضوعه بشكل كامل.
ملهم – سترغب في تطبيق ما قرأته فورًا.
نظرة عامة – ستحصل على معالجة شاملة للموضوع، تذكر جميع جوانبه الرئيسية.
علمي – ستحصل على حقائق وأرقام مستندة إلى بحث علمي.
رؤيوي – ستحصل على لمحة عن المستقبل وما قد يعنيه لك.
منظم جيدًا – ستجد هذا منظمًا بشكل خاص لدعم استقباله أو تطبيقه.

Commentaires

Marc Vollenweider, PDG d’Evaluserve, connaît son analytique, et de grandes parties de son guide proposent des conseils ciblés et applicables. La liste des illusions liées à l’analytique de la Partie I peut à elle seule faire économiser beaucoup d’argent aux entreprises, et la méthodologie qu’il explique dans la Partie III permet une mise en œuvre raisonnable et fonctionnelle de l’analytique. Toutefois, Marc Vollenweider est si expérimenté en analytique qu’il avance rapidement, et que son travail peut donc défier ceux qui sont nouveaux dans ce domaine. Hormis cet aspect, getAbstract recommande ses conseils à toute personne intéressée par l’analytique, le Big Data ou la gestion des connaissances.

Résumé

Big Data : emballement, illusions et réalité

Le Big Data et les domaines associés comme l’analytique souffrent d’un emballement. Les prétentions exagérées du Big Data dominent souvent les discussions utiles, ciblées et rationnelles sur la réalité du concept. La première illusion est que ‘le Big Data résout tout’. Ce n’est pas le cas. Beaucoup de gens se lancent dans le Big data sans les outils et les structures nécessaires. Certaines personnes pensent à tort qu’il faut un ‘lac de données et des outils’, soit une énorme collection de données. La promesse illusoire est que vous pouvez traiter les données à moindre coût si vous en collectez des quantités massives. Malheureusement, il est plus probable que vous en veniez à dupliquer des données, les laissiez mourir dans le lac et gériez mal l’aspect ‘propriété intellectuelle’. Les gens pensent aussi qu’un plus grand nombre de données ‘permet une meilleure compréhension’. Cela peut être vrai, si vous traitez les bonnes données de la bonne manière. Mais c’est faux encore plus souvent.