Join getAbstract to access the summary!

Tirez parti de la  science des données

Join getAbstract to access the summary!

Tirez parti de la science des données

Un manuel pour les chefs d’entreprise

Columbia Business School Publishing,

15 min read
8 take-aways
Audio & text

What's inside?

Pour réussir, il est essentiel que les chefs d’entreprise d’aujourd’hui acquièrent une compréhension fondamentale de la science des données.

Classement éditorial

8

Caractéristiques

  • Révélateur
  • Exemples concrets
  • Niveau débutant

Commentaires

Les chefs d’entreprise modernes doivent maîtriser les bases de la science des données. Selon Howard Steven Friedman et Akshay Swaminathan, auteurs et experts en science des données, une collaboration étroite entre les dirigeants d’une organisation et leur équipe de science des données est essentielle pour atteindre des objectifs commerciaux ambitieux. Dans leur guide pratique, les auteurs partagent de nombreux exemples concrets pour aider les entrepreneurs et les chefs d’entreprise à comprendre les bases de la science des données et à en tirer parti.

Résumé

Collaborez avec votre équipe de data scientists pour établir un flux de données optimal.

Steve, chef d’équipe d’une grande société financière, souhaitait optimiser les opérations de recouvrement de l’entreprise, en vue de maximiser les montants collectés tout en réduisant les coûts. Il n’était pas possible d’engager du personnel supplémentaire. L’entreprise avait donc besoin d’un processus lui permettant d’utiliser des informations basées sur les données afin de prioriser certains comptes et d’alléger la charge de travail des employés. Avec ces objectifs en tête, Steve a contacté l’équipe de science des données. Après avoir discuté de ses priorités ainsi que des contraintes du service de recouvrement, les data scientists ont collaboré avec lui afin d’élaborer un plan de « flux de données » visant la résolution de problèmes.

La collecte de données issues de différentes sources et leur transfert vers un emplacement unique constituent, en général, un processus automatisé connu sous le nom d’« extraction, transformation et chargement » (ETL). Les entreprises peuvent extraire des données de bases de données existantes ou constituer des bases de données...

À propos des auteurs

Howard Steven Friedman est un data scientist ayant une expérience dans les secteurs public et privé. Il est professeur adjoint à l’université de Columbia. Il est aussi l’auteur des livres Ultimate Price et Measure of a Nation. Akshay Swaminathan est un data scientist dont les travaux se concentrent sur les systèmes de santé. Il est titulaire d’une bourse Knight-Hennessy à la faculté de médecine de l’université de Stanford.


Plus d'infos sur ce thème