Зарегистрируйтесь на getAbstract, чтобы получить доступ к этому краткому изложению.

Ganar con la ciencia de datos

Зарегистрируйтесь на getAbstract, чтобы получить доступ к этому краткому изложению.

Ganar con la ciencia de datos

Un manual para líderes empresariales

Columbia Business School Publishing,

15 мин на чтение
8 основных идей
Аудио и текст

Что внутри?

Para tener éxito, los líderes empresariales de hoy necesitan comprender la esencia de la ciencia de datos.


Clasificación editorial

8

Cualidades

  • Revelador
  • Ejemplos concretos
  • Para principiantes

Reseña

Los líderes empresariales modernos necesitan conocer los fundamentos de la ciencia de datos. Como explican los autores y científicos de datos Howard Steven Friedman y Akshay Swaminathan, los líderes de una empresa y su equipo de ciencia de datos necesitan colaborar en pos de objetivos empresariales más amplios. Para ello, los líderes deben ser capaces de comunicar sus necesidades a sus científicos de datos y comprender las opciones que ofrecen. La guía práctica de Friedman y Swaminathan sobre la ciencia de datos ofrece multitud de ejemplos concretos para ayudar a empresarios y emprendedores a dominar los fundamentos y poner en práctica sus nuevos conocimientos.

Resumen

Colabore con su equipo de científicos de datos para crear un flujo de datos óptimo.

El jefe de equipo de una importante firma financiera quería mejorar las operaciones del departamento de cobranza para maximizar la cantidad de dinero que recaudaban y minimizar los costos. Contratar más personal no era posible, por lo que la empresa necesitaba un proceso que le permitiera utilizar información basada en datos para priorizar unas cuentas sobre otras y ordenar la carga de trabajo de los empleados. Con estos objetivos en mente, contactó al equipo de ciencia de datos. Tras discutir sus prioridades y las limitaciones del departamento de cobranza, los científicos de datos colaboraron para desarrollar un plan de flujo de datos para la resolución del problema.

Recopilar datos de diversas fuentes y reunirlos en una única ubicación suele ser un proceso automatizado denominado extracción, transformación y carga. Las empresas pueden extraer datos de bases de datos existentes o pueden crear bases de datos relacionales a partir de historiales de compra o llamadas telefónicas de clientes, entre otros. La transformación de datos consiste en prepararlos para su análisis...

Sobre los autores

Howard Steven Friedman es un científico de datos con experiencia en el sector privado y el público. Es profesor adjunto en la Universidad de Columbia. Akshay Swaminathan es un científico de datos que se centra en los sistemas de salud. Es académico Knight-Hennessy en la Facultad de Medicina de la Universidad de Stanford.


Comentarios sobre este resumen

Más sobre esto

Skills Relacionados

Повышать цифровую грамотность
Корпоративные финансы
Развивать навыки мышления
Цифровая трансформация
Примеры использования ИИ
Знать о цифровых технологиях
Предпринимательство
Исполнительное руководство
Внедрить цифровую инфраструктуру
Лидерство
Применять ИИ при создании бизнес-стратегии
Применять ИИ для улучшения клиентского опыта
Применять ИИ в маркетинге
Применять ИИ в разработке продуктов
Применять ИИ в повседневных задачах
Принимать оптимальные решения
Маркетинг
Продажи
Знать об особенностях ИИ
Понимать поведение потребителей
Навыки работы на рабочем месте
Применение ИИ в отрасли информационных технологий
Анализировать данные пользователей
Знать об аналитике данных и больших данных
Узнать о последних достижениях в области ИИ
Применять ИИ для приоритизации функций
Применять ИИ для финансового прогнозирования
Применение ИИ в СМИ и индустрии развлечений
Применять ИИ для сегментации клиентов
Трансформация ИИ
Применять ИИ для анализа настроения
Применять ИИ этично
Применять ИИ для прогнозирования продаж
Применять ИИ в финансах
Применять ИИ для анализа отзывов клиентов
Применять ИИ для проведения исследований
Применять ИИ в продажах
Применять ИИ в маркетинговой аналитике
Применять ИИ для создания изображений и видео
Применять ИИ для анализа рынка
Применять аналитическое мышление
Знать принципы работы с данными
Применять ИИ с корпоративной базой знаний
Знать о генеративном ИИ
Знать об этических вопросах в применении ИИ
Принимать решения на основе данных
Анализировать данные
Применять ИИ для анализа данных