Buch

Erfolg dank Data Science

Ein Handbuch für Business-Leader

Howard Steven Friedman und Akshay Swaminathan

Columbia Business School Publishing, 2024

Buch oder Hörbuch kaufen

Offline lesen oder anhören

Amazon Kindle

1×

Connectez-vous pour écouter un résumé audio.

Bewertung der Redaktion

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.

Qualitäten

Überblick
Praktische Beispiele
Für Einsteiger

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.

Rezension

Wer heute ein Unternehmen oder eine Abteilung leitet, sollte sich schlau in Sachen Data Science machen – auch wenn sie oder er im Gegensatz zu den beiden Autoren dieses Buches kaum direkt damit zu tun hat. Nur wer die Optionen versteht, die die Datenwissenschaft dem eigenen Business bieten kann, wird ein Maximum dessen herausholen, was heute möglich ist. Dieser praxisorientierte Leitfaden enthält eine Vielzahl konkreter Beispiele – eine Lektüre mit großem Aha-Potenzial.

Zusammenfassung

Arbeiten Sie mit Ihrem Data-Science-Team zusammen, um einen optimalen Daten-Workflow aufzusetzen.

Steve, der Teamleiter eines großen Finanzunternehmens, wollte die Arbeitsabläufe in der Inkassoabteilung verbessern. Sein Ziel war, die eingezogenen Beträge zu maximieren und die Kosten so gering wie möglich zu halten. Er konnte dafür aber nicht mehr Personal einstellen. Also brauchte das Unternehmen einen Prozess, der mithilfe von datengestützten Erkenntnissen bestimmte Konten priorisierte und den Mitarbeitenden half, effektiver zu arbeiten. Mit diesem Ziel vor Augen wandte Steve sich an das Data-Science-Team. Er erklärte, worauf es ihm ankam und welche Einschränkungen es in der Inkassoabteilung gab. Anschließend entwickelten Steve und die Data-Scientists gemeinsam einen Daten-Workflow, um das Problem zu lösen.

Daten aus verschiedenen Quellen zu sammeln und an einem Ort zusammenzuführen, ist in der Regel ein automatisierter Prozess, der als „Extrahieren, Transformieren und Laden (ETL)“ bezeichnet wird. Unternehmen können Daten aus bestehenden Datenbanken extrahieren oder relationale Datenbanken aus der Kaufhistorie ihrer Kundschaft, aus Telefonaten...

Über die Autoren

Howard Steven Friedman ist Data-Scientist mit Erfahrung sowohl im privaten als auch im öffentlichen Sektor. Er ist außerordentlicher Professor an der Columbia University. Akshay Swaminathan ist ebenfalls Data-Scientist. Er ist auf Gesundheitssysteme spezialisiert. An der Stanford University School of Medicine ist er Knight-Hennessy-Stipendiat.

Kommentar abgeben

Anmelden