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

Mente + Máquina

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

Mente + Máquina

Um modelo de decisão para a otimização e implementação da analítica

Wiley,

15 мин на чтение
10 основных идей
Есть текстовый формат

Что внутри?

Big Data! IA! Gestão do conhecimento! Quais destes são verdadeiros modismos explorados com sensacionalismo?


Avaliação Editorial

8

Qualidades

  • Abrangente
  • Aplicável
  • Para Especialistas

Recomendação

Marc Vollenweider, CEO da Evaluserve, é especialista em analítica e em grandes trechos do seu manual se propõe a apresentar conselhos úteis e aplicáveis. Apenas a lista de falácias relacionadas à analítica da Parte I do seu livro já pode ajudar as organizações a economizarem muito dinheiro e a metodologia que o autor esmiúça na Parte III pode tornar a implementação de analítica sensata e funcional. No entanto, por ser tão experiente na analítica e se mover rapidamente, a narrativa de Vollenweider pode desafiar os iniciantes nesta área de atuação. Apesar disto, a getAbstract acredita que as orientações do autor vão servir de grande impulso para qualquer pessoa interessada em analítica, Big Data ou gestão do conhecimento.

Resumo

Big Data: sensacionalismo, falácias e realidade

O Big Data e as áreas relacionadas, como a analítica, sofrem muito com o sensacionalismo. O exagero das alegações sobre o Big Data acaba muitas vezes tirando o foco do que seria um debate útil e racional da realidade deste modelo. A primeira falácia é que “o Big Data resolve tudo”. Não é verdade. Muitas pessoas abraçam o Big Data sem as ferramentas e contextos necessários. Elas precisariam de melhores estruturas para gerir o uso dos dados e uma melhor orientação de como aplicar recursos como analítica, metas, métricas e pessoal especializado. Alguns acreditam erroneamente que você precisa de um “data lake e ferramentas de dados”. Um data lake é uma enorme coleção de dados. Esteja atento para a promessa falaciosa de que você pode processar dados de forma mais barata caso os colete em grandes quantidades. Infelizmente, você está mais propenso a duplicar os dados, deixar os dados morrer no “lago” (lake) e arriscar uma manipulação errônea da “propriedade intelectual”. As pessoas também acreditam que mais dados “significam mais insight”. Isso pode ser verdade – caso você processe os dados corretos...

Sobre o autor

Marc Vollenweider é cofundador e CEO da Evaluserve, uma empresa especializada em analítica e gerenciamento de dados.


Comente sobre este resumo

Mais deste tópico

Relacionados a habilidades

Повышать личную продуктивность
Общаться эффективно
Корпоративные финансы
Разрабатывать инновационные продукты
Развивать организацию
Цифровая трансформация
Знать о цифровых технологиях
Финансовая отрасль
Информационные технологии
Управлять ИИ-трансформацией
Управлять цифровым маркетингом
Повышать кибербезопасность
Предпринимательство
Осуществлять цифровые операции
Исполнительное руководство
Отдел кадров
Стратегически подходить к инновациям
Осуществлять стратегическое руководство
Лидерство
Применять ИИ при создании бизнес-стратегии
Применять ИИ в финансах
Применять ИИ в разработке продуктов
Применять ИИ в продажах
Принимать оптимальные решения
Управлять обучением и развитием
Управлять работниками и талантами
Управлять продуктовыми инновациями
Управление
Анализ рынка по отраслям
Маркетинг
Повышать производительность персонала
Личностный рост
Производство и логистика
Продажи
Мягкие навыки
Повышать цифровую грамотность
Знать об особенностях ИИ
Понимать поведение потребителей
Знать основы экономики
Знать основы инноваций
Знать принципы работы организаций
Навыки работы на рабочем месте
Управлять разработкой продуктов
Применять творческий подход
Применение ИИ в отрасли потребительских товаров
Применение ИИ в отрасли информационных технологий
Проводить непрерывное совершенствование
Инновации
Применять ИИ для улучшения клиентского опыта
Знать о когнитивных процессах
Применять ИИ для приоритизации функций
Оцифровать бизнес-процессы
Улучшать опыт сотрудников
Учитывать отзывы клиентов
Применять ИИ-агентов
Применять ИИ в повседневных задачах
Проявлять организационную амбидекстрию
Использовать HR-технологии
Знать основы организационного обучения
Спрос и предложение
Применять ИИ для составления карты путешествия клиента
Применять ИИ для принятия решений
Применять ИИ для финансового прогнозирования
Регулирование IT-отрасли
Применять ИИ в управлении персоналом
Измерять влияние ИИ на результаты
Применять ИИ для повышения личной продуктивности
Применять ИИ для сопоставления навыков
Совместно искать творческие решения
Развивать навыки мышления
Будущее розничной торговли
Применять ИИ в задачах лидерства
Применять ИИ в маркетинге
Уметь объяснять данные
Поощрять клиентоориентированность
Применять научное мышление
Применять ИИ для автоматизации рабочих процессов
Оптимизировать производство
Применять ИИ для сегментации клиентов
Применять ИИ для генерации идей
Розничная торговля
Принимать решения на основе данных
Знать о мультимодальном ИИ
Применять ИИ для анализа рынка
Применять ИИ для оптимизации процессов
Трансформация ИИ
Повышать организационную эффективность
Улучшать клиентский опыт
Узнать о тенденциях в потребительском поведении
Узнать о тенденциях в маркетинге
Применение ИИ в консалтинге
Применять ИИ с корпоративной базой знаний
Анализировать данные пользователей
Автоматизировать процессы
Анализировать данные
Применять ИИ в маркетинговой аналитике
Примеры использования ИИ
Оптимизировать свой рабочий процесс
Знать принципы работы с данными
Применять ИИ в менеджменте
Проводить исследования пользователей
Применять маркетинг на основе данных
Знать об аналитике данных и больших данных
Обеспечивать конфиденциальность данных и комплаенс
Управлять интеллектуальным капиталом
Применять ИИ для создания базы знаний
Создавать прототипы и тестировать идеи
Применять аналитическое мышление
Применять ИИ для анализа данных
Применять ИИ для исследования пользователей
Применять дизайн-мышление
Управлять организационными знаниями