跳过导航
Ganar con la ciencia de datos
Libro

Ganar con la ciencia de datos

Un manual para líderes empresariales

Columbia Business School Publishing, 2024 更多详情

Comprar el libro


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

企业财务
发展思维能力
数字化转型
发现人工智能的应用案例,识别商业中潜在的人工智能应用,探索人工智能在工作场所改进中的可能性,分析人工
发现和理解数字技术,跟上新兴技术趋势,探索新数字技术的影响,了解数字技术在工作中的好处,识别商业中新
创业
高管领导力
实施数字基础设施,安装强大的数字基础设施解决方案,管理数字基础设施供应商关系,确保数字基础设施的可扩
领导力
利用人工智能制定商业战略,战略性地将人工智能融入商业计划,制定以人工智能驱动的企业战略,评估人工智能
利用人工智能提升客户体验,增强客户参与度,利用人工智能工具个性化客户互动,使用人工智能自动分析客户反
利用人工智能进行营销,识别营销中的人工智能应用机会,评估用于营销洞察的人工智能工具,比较用于营销任务
利用人工智能进行产品开发,识别产品创作的人工智能工具,将人工智能整合到产品生命周期中,利用人工智能洞
在日常任务中利用人工智能,将人工智能工具整合到工作流程中,使用人工智能自动化重复性任务,利用人工智能
做出明智决策
市场营销
销售
增强数字素养
理解人工智能,向同事解释基本的人工智能概念,区分人工智能与传统软件解决方案,总结人工智能在现代工作场
理解消费者行为
职场技能
发现科技行业中的人工智能应用案例,应用机器学习于科技行业,利用人工智能推动技术创新,识别科技中的人工
使用人工智能进行功能优先级排序,利用人工智能工具比较功能,使用人工智能洞察评估产品功能,利用人工智能
发现最新的人工智能进展,跟踪最新的人工智能技术趋势,识别突破性的人工智能研究发展,探索前沿的人工智能
使用人工智能进行财务预测,应用人工智能模型预测收入,利用人工智能工具自动化财务预测,提高费用预测的准
分析用户数据
发现和理解数据分析与大数据,识别关键数据分析方法,有效解读大数据洞察,利用数据分析进行决策,探索数据
发现媒体和娱乐行业中的人工智能应用案例,实施人工智能以提高电影编辑效率,使用人工智能自动化媒体元数据
使用人工智能进行客户细分,应用人工智能进行细分分析,利用人工智能识别客户细分,整合人工智能驱动的洞察
使用人工智能进行情感分析,利用人工智能工具分析客户反馈,使用人工智能软件评估产品评论,从社交媒体帖子
使用人工智能进行数据分析,实施人工智能以增强数据洞察,将人工智能集成到数据处理任务中,利用人工智能工
人工智能转型,实施基于人工智能的流程优化,跨部门整合人工智能解决方案,评估企业采用人工智能的准备情况
使用人工智能进行销售预测,利用人工智能预测销售趋势,使用人工智能工具提高预测准确性,在销售预测中实施
以德驾驭 AI
使用人工智能进行一般研究,利用人工智能获取公司研究洞察,使用人工智能工具查找信息,借助人工智能解决方
利用人工智能进行金融,整合人工智能工具于财务分析中,增强财务运营与人工智能应用,利用先进的人工智能技
使用人工智能进行客户反馈分析,利用人工智能工具分析客户反馈,通过人工智能分析改善反馈处理,识别反馈中
数据分析
利用人工智能提升销售,识别能够促进销售的人工智能工具,利用人工智能增强销售策略,整合人工智能以理解客
使用人工智能进行营销分析,解读基于人工智能的营销分析报告,利用人工智能检测营销数据中的模式,使用人工
使用人工智能进行图像和视频创作,利用人工智能工具生成宣传视频,使用人工智能软件创建营销视觉,通过人工
使用人工智能进行市场分析,实施人工智能工具进行市场趋势分析,利用人工智能驱动的洞察评估市场变化,利用
使用人工智能结合公司知识,将人工智能与内部数据源整合,为特定公司需求定制人工智能工具,使用专有公司信
分析性思维
理解数据
了解生成性人工智能,识别生成性人工智能机会,探索生成性人工智能的应用,生成性人工智能在商业中的案例研
理解人工智能的伦理影响,导航人工智能开发中的伦理考虑,评估人工智能对数据隐私的影响,预见人工智能算法
做出数据驱动决策