Saltar la navegación
Mente + máquina
Libro

Mente + máquina

Un modelo de decisión para optimizar e implementar la analítica

Wiley, 2016 más...

Comprar el libro


Clasificación editorial

8

Cualidades

  • Aplicable
  • Revelador
  • Visión general

Reseña

El director ejecutivo de Evaluserve, Marc Vollenweider, conoce su analítica, y en su guía ofrece consejos aplicables y enfocados. Mientras la lista de falacias sobre la analítica en la Parte I solo puede salvar a las organizaciones que tienen dinero en abundancia, la metodología que explica en la Parte III puede lograr que se implemente una analítica sensible y funcional. Sin embargo, como Vollenweider tiene tanta experiencia en analítica, se mueve rápidamente y, por tanto, su trabajo puede resultar un desafío para los que son nuevos en el campo. Aparte de esta cuestión, getAbstract recomienda su guía a cualquier persona interesada en analítica, datos masivos o gestión del conocimiento.

Resumen

Datos masivos: exageraciones, falacias y realidad

Los datos masivos y los campos relacionados, al igual que la analítica, padecen de exageraciones. Afirmaciones exageradas sobre los datos masivos a menudo agobian las discusiones útiles, centradas y racionales sobre la realidad de los datos masivos. La primera falacia es que los datos masivos resuelven todo. No lo hacen. Mucha gente adopta los datos masivos sin las herramientas y contextos necesarios. Se necesitan mejores estructuras para dominar el uso de los datos, así como una definición de cómo utilizar la analítica, los objetivos, la métrica y a un personal experto responsable.

Algunas personas creen falsamente que se requiere un mar de datos y herramientas. Un mar de datos es una enorme colección de datos. La promesa falaz es que se pueden procesar datos de manera más barata si se recopilan cantidades masivas de ellos. Por desgracia, lo más probable es que los datos se dupliquen, se dejen datos muertos en el mar y exista el riesgo de manejar mal la propiedad intelectual. La gente también piensa que más datos significan más percepciones. Esto puede ser cierto… si se procesan los datos correctos de la manera correcta...

Sobre el autor

Marc Vollenweider es cofundador y director ejecutivo de Evaluserve, una compañía que se especializa en analítica y gestión de datos.


Comentarios sobre este resumen

  • Avatar
  • Avatar
    J. P. hace 8 años
    Todas las empresas deberían montar un departamento de Analítica para desarrollar su actividad principal: el conocimiento especifico de su negocio.

Más sobre esto

Skills Relacionados

提高工作效率
开发创新产品
发展组织
发展思维能力
数字化转型
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
金融行业
推动人工智能转型,在各部门实施人工智能转型,协调与利益相关者的人工智能倡议,监督人工智能技术的整合,
增强网络安全,防止商业系统中的网络攻击,有效提升网络安全协议,实施网络安全措施以保护,增强数字防御以
创业
执行数字运营,通过数字工具管理日常任务,执行无缝的数字工作流程,确保数字平台顺利运行,有效协调数字资
高管领导力
人力资源
创新
战略性领导
领导力
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
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
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
管理人员和人才,在变革期间有效处理团队动态,实施人才保留策略,高效解决复杂的劳动力挑战,与员工进行有
管理
行业市场洞察
市场营销
优化生产
个人成长
生产与物流
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
推动团队的人工智能采纳,鼓励团队对人工智能工具的认同,解决团队对人工智能实施的担忧,培训团队掌握新的
实施敏捷管理
了解人工智能的能力和局限性,认识人工智能的问题解决能力,识别人工智能可以优化的任务,评估人工智能在流
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
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
使用人工智能进行流程优化,利用人工智能自动化重复性工作流程,提升运营效率,通过人工智能解决方案减少流
探索营销趋势
使用人工智能进行工作流程自动化,集成人工智能工具以自动化任务,利用人工智能简化销售流程,通过人工智能
利用人工智能进行人力资源管理,将人工智能洞察融入人力资源战略,实施自动化人力资源数据分析系统,利用人
使用人工智能进行用户研究,利用人工智能工具分析用户反馈,通过人工智能策略收集客户洞察,识别用户模式通
数据分析
管理知识资本
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
进行用户研究
理解数据
确保数据隐私与合规性
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
应用设计思维
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
管理组织知识
使用人工智能生成知识库,自动化知识库文章创建,利用人工智能简化数据整理,提升内部知识访问,利用人工智
分析性思维
自动化流程
精简工作流程
原型设计与测试创意
利用人工智能进行管理,将人工智能工具整合到管理流程中,使用人工智能分析管理数据,利用人工智能增强团队
利用人工智能提升领导力,将人工智能洞察融入领导决策,使用人工智能工具增强领导战略,通过人工智能分析推