Rejoignez getAbstract pour lire le résumé !

Jordan Morrow

Be Data Analytical

How to Use Analytics to Turn Data into Value

Kogan Page, 2023

15 minutes de lecture

8 points à retenir

Audio et texte

Aperçu

Set yourself apart from the competition by harnessing the full potential of data analytics.

1×

Connectez-vous pour écouter un résumé audio.

Editorial Rating

getAbstract synthétise des ouvrages* qui permettent aux utilisateurs de mieux comprendre le monde pour le rendre meilleur. Quel que soit le livre que nous sélectionnons pour notre bibliothèque, il doit se distinguer par l'un ou l'autre des deux critères suivants :

Enrichissant – Les enseignements que vous en tirerez orienteront et amélioreront vos décisions.

Utile – Les conseils pratiques qui sont dispensés vous aideront à améliorer la prise de décision.

Nous évaluons chaque contenu sur une échelle de 1 à 10 en fonction de ces deux qualités essentielles . La note attribuée vous permet de classer les titres de votre liste de lecture de Plaisant (5) à Excellent (10). Les livres qui obtiennent moins de 5 ne font pas l'objet d'une publication. Voici ce que signifie chaque note :

10 – Excellent. Un livre utile et/ou instructif qui, outre ses nombreuses qualités, fait office de classique du genre. Une référence.
9 – Superbe. Un livre utile et/ou instructif extrêmement bien écrit et structuré, qui présente de multiples caractéristiques positives et aucune lacune notable.
8 – Très bien. Un livre utile et/ou instructif qui présente de multiples caractéristiques positives mais quelques points faibles. L'ouvrage peut par exemple présenter les dernières découvertes dans un domaine spécialisé et être rédigé par un expert, mais pécher par son style d'écriture.
7 – Bien. Un livre utile et/ou instructif, qui combine deux ou plusieurs caractéristiques positives. Il peut par exemple contenir des idées novatrices, présentées de manière engageante.
6 – Appréciable. Un livre utile et/ou instructif, qui présente au moins un aspect engageant. Il peut, par exemple, être particulièrement bien structuré.
5 – Plaisant. Un livre utile et/ou instructif, même si le contenu pourrait être amélioré. Ce livre peut par exemple prodiguer des conseils utiles dans certains domaines, mais être répétitif et sans relief particulier.

*getAbstract synthétise bien plus que des livres. Nous recherchons tous types de contenus pouvant intéresser nos lecteurs : des livres, mais également des articles, des rapports, des vidéos et des podcasts. Nos classifications sont valables pour les livres, mais également pour les autres formats que nous proposons.

Qualities

Comprehensive
Analytical
Concrete Examples

Si la notation vous indique le niveau qualitatif du livre en fonction de nos deux critères principaux, elle n'explique aucune caractéristique particulière. Nous nous appuyons donc sur 20 qualités qui définissent les traits essentiels de l'ouvrage :

Pratique – Vous obtiendrez des conseils que vous pourrez aisément mettre en pratique sur votre lieu de travail ou dans des situations quotidiennes.
Analytique – Vous comprendrez les mécanismes internes du sujet abordé.
Connaissance du contexte – Vous aurez accès à des connaissances contextuelles pouvant servir de base à l'action ou à l'analyse.
Audacieux – Vous découvrirez des arguments susceptibles de rompre avec les points de vue dominants.
Complet – Vous trouverez une étude exhaustive du sujet.
Exemples concrets – Vous obtiendrez des conseils pratiques illustrés par des récits d'applications concrètes ainsi que des anecdotes authentiques.
Polémique – Vous serez confronté à des idées faisant l'objet d'un débat animé.
Éloquent –Vous prendrez plaisir à découvrir un ouvrage rédigé ou composé de main de maître.
Captivant – Vous serez captivé par cet ouvrage du début à la fin.
Révélateur – Vous découvrirez des informations très surprenantes.
Niveau débutant – Cet ouvrage constitue un bon point de départ si vous avez peu ou aucune expérience/connaissance du domaine traité.
Niveau Expert – Vous obtiendrez des informations/recommandations spécialisées utiles dans votre domaine de spécialité.
Sujet d'actualité – Plongez au cœur d'un thème qui fait l'objet d'un vif débat.
Innovant – Découvrez des idées et des concepts innovants sur des tendances et des produits inédits.
Vu de l'intérieur – Vous aurez le privilège d'être initié par un spécialiste du domaine.
Stimulant – Vous aurez envie de mettre immédiatement en pratique les conseils prodigués.
Aperçu – Vous acquerrez une appréciation globale du sujet et de ses aspects principaux.
Approche scientifique – Vous aurez accès à des faits et des chiffres fondés sur la recherche scientifique.
Visionnaire – Vous aurez un aperçu de l'avenir et ce qu'il vous réserve.
Bien structuré – Vous trouverez ce contenu particulièrement bien structuré, ce qui facilite l'adhésion à ses idées ou leur mise en œuvre.

Recommendation

Perhaps you have the skills to spot problems at your organization, but you don’t know why they’re happening or how to change them. In this useful guide to data analytics, you’ll learn the basics of fostering an iterative data-driven culture at your business, and how to take your analytics to the next level by building descriptive, diagnostic, predictive, and prescriptive capacities. Data expert Jordan Morrow guides leaders to transform their companies by elevating data literacy levels and supporting an ethos of curiosity and experimentation.

Summary

Human intuition and data analytics should work together to inform decision making.

People tend to overcomplicate what being “data-driven” truly means. Data-driven activities are those that leverage data and analytics to assist in making decisions. Some may incorrectly assume that data-driven decisions means cutting humans out of the process. But you’d be wrong to try to replace the human part of decision-making processes entirely with mechanical data analysis, as your intuition can help guide you in making choices that best serve you and your organization. Ultimately, both human and data elements should function together to help individuals and entities make better data-informed decisions.

Improve your data-driven decision capabilities by progressing through four levels of analytics:

Descriptive analytics — This refers to the use of data to simply describe a problem. When making decisions, descriptive analytics can help you identify your starting point.
Diagnostic data analytics — In this stage, you identify the root causes of the problem.
Predictive data analytics...

About the Author

Jordan Morrow is the author of Be Data Literate and Be Data Driven, as well as the vice president and head of data and analytics at BrainStorm. He previously served as the Data Literacy Project’s advisory board chair.

Comment on this summary

Sign in to share your opinion
s. a. 5 months ago

**Be Data Analytical: Think, Analyse, and Innovate Like a Data Analyst** is a complete guide via Nithya Sashi that pursuits to equip readers with the talents and mindset required to excel in the area of facts evaluation. This e book combines theoretical knowledge with sensible insights, making it a useful resource for aspiring records analysts, specialists trying to decorate their analytical abilties, and every person interested by harnessing the energy of facts.

### Summary

### Introduction
The e-book begins via emphasizing the developing significance of facts in modern-day global. It introduces readers to the role of a information analyst, highlighting the skills and equipment vital for success in this area.

### Chapter 1: Understanding Data
This chapter provides a foundational know-how of facts types, assets, and systems. It covers:
- The difference among structured and unstructured records.
- Common information formats and resources.
- The importance of records first-class and integrity.

### Chapter 2: Data Collection and Preparation
Readers find out about the crucial steps concerned in collecting and preparing statistics for analysis, consisting of:
- Data collection strategies and gear.
- Data cleaning techniques to handle lacking or inconsistent records.
- Data transformation and normalization techniques.

### Chapter 3: Exploratory Data Analysis (EDA)
EDA is a critical step within the statistics analysis technique. This bankruptcy covers:
- Techniques for summarizing and visualizing facts.
- Identifying patterns, tendencies, and outliers.
- Using statistical measures to recognize data distributions.

### Chapter four: Statistical Analysis
This chapter delves into the statistical methods utilized by information analysts, which include:
- Descriptive and inferential statistics.
- Hypothesis checking out and self belief durations.
- Correlation and regression evaluation.

### Chapter five: Data Visualization
Effective records visualization is essential for communicating insights. This chapter explores:
- Principles of true information visualization.
- Tools and techniques for growing visualizations (e.G., charts, graphs, dashboards).
- Best practices for imparting facts to exclusive audiences.

### Chapter 6: Predictive Analytics and Machine Learning
An creation to predictive analytics and system learning, overlaying:
- Key principles and algorithms in machine gaining knowledge of.
- Steps worried in building predictive models.
- Evaluating and validating version overall performance.

### Chapter 7: Data-Driven Decision Making
The e-book emphasizes the importance of making knowledgeable selections based on statistics evaluation. This chapter includes:
- Techniques for interpreting analytical results.
- Case studies demonstrating facts-pushed decision-making in numerous industries.
- Ethical issues and facts privateness problems.

### Chapter eight: Tools of the Trade
An evaluate of popular gear and software program used by statistics analysts, together with:
- Programming languages like Python and R.
- Data visualization equipment like Tableau and Power BI.
- Statistical software like SPSS and SAS.

### Chapter 9: Developing Analytical Skills
This bankruptcy affords recommendations and techniques for developing and honing analytical abilties, such as:
- Critical questioning and problem-solving techniques.
- Continuous getting to know and expert improvement.
- Networking and staying updated with industry traits.

### Chapter 10: The Future of Data Analysis
The book concludes with a look at the future of statistics evaluation, discussing rising developments and technologies that will shape the sector, together with:
- Big Data and its implications.
- Artificial Intelligence and superior device gaining knowledge of strategies.
- The evolving position of facts analysts in a statistics-driven world.

### Conclusion
"Be Data Analytical" is a sensible and complete guide that covers the entire spectrum of statistics analysis, from foundational ideas to advanced techniques. Nithya Sashi's clean and engaging writing fashion makes complex topics available, supplying readers with the knowledge and self assurance to assume, examine, and innovate like a facts analyst. Whether you are a amateur or an experienced professional, this ebook gives treasured insights and realistic advice to help you be successful within the ever-evolving discipline of records analysis.
S. O. 5 months ago

Ultimately, both human and data elements should function together to help individuals and entities make better data-informed decisions. Highly agree with this part.
k. m. 6 months ago

Fostering a Data-Driven Culture: A Guide to Data Analytics by Jordan Morrow is a detailed and easy to digest playbook designed to elevate your businesss data literacy and analytical skills to the next level. This expert in data foresight simplifies the secrets behind data analysis and how a data-driven business is made layer by layer.

Key Insights and Takeaways

Morrow suggests that decision-making needs both human intuition and data analytics in order to be integrated properly. This core tenet permeates the entirety of the guide — reminding that where data gives itself to the core of understanding, human judgment is, and always will be, irreplaceable. Morrow argues that leaders should create a culture in which employees are encouraged to play with data rather than get bogged down with big data effort and results.