SPIS TREŚCI
- Opinie o książce
- O autorze
- Podziękowania
- Wprowadzenie
- Rozdziały
- Część 1. Wprowadzenie do koncepcji big data
- Rozdział 1. Historia big data
- Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data
- Rozdział 3. Dlaczego technologie big data są użyteczne?
- Rozdział 4. Przykłady zastosowań big data w analizie danych
- Rozdział 5. Zrozumieć ekosystem big data
- Część 2. Jak wykorzystać ekosystem big data w swojej organizacji?
- Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?
- Rozdział 7. Strategia wykorzystywania big data oraz data science
- Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe
- Rozdział 9. Wybór technologii
- Rozdział 10. Budowanie zespołu
- Rozdział 11. Zarządzanie danymi i kwestie prawne
- Rozdział 12. Skuteczne realizowanie projektów
- Część 1. Wprowadzenie do koncepcji big data
- Rozdziały
- Część 1. Wprowadzenie do koncepcji big data
- Rozdział 1. Historia big data
- Co się zmieniło na początku XXI wieku?
- Dlaczego tak wiele danych?
- Rozpowszechnienie urządzeń generujących dane cyfrowe
- Tworzenie i publikowanie treści prywatnych
- Aktywność użytkowników
- Uczenie maszynowe i Internet rzeczy (IoT)
- Badania naukowe
- Malejące koszty przestrzeni dyskowej
- Malejące koszty RAM-u
- Malejące koszty mocy obliczeniowej
- Dlaczego koncepcja big data zyskała taką popularność?
- Pionierzy big data, którzy odnieśli sukces
- Oprogramowanie open source wyrównało szanse wśród twórców oprogramowania
- Przetwarzanie w chmurze ułatwiło rozpoczynanie i skalowanie pomysłów
- Podsumowanie
- Zastanów się
- Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data
- Czym są sztuczna inteligencja i uczenie maszynowe?
- Początki AI
- Skąd niedawne odrodzenie AI?
- Sztuczne sieci neuronowe i uczenie głębokie
- Jak AI pomaga w analizie wielkich zbiorów danych?
- Na co warto zwrócić uwagę?
- Podsumowanie
- Zastanów się
- Rozdział 3. Dlaczego technologie big data są użyteczne?
- Całkiem nowe sposoby używania danych
- Nowy sposób myślenia o danych
- Stosowanie podejścia data-driven
- Informacje ukryte w danych
- Analiza
- Lepsze narzędzia
- Dane: im więcej, tym lepiej
- Dodatkowe typy danych
- Wartość danych o ścieżkach zakupowych klientów
- Większe ilości danych
- Podsumowanie
- Zastanów się
- Rozdział 4. Przykłady zastosowań big data w analizie danych
- Testy A/B
- Systemy rekomendacyjne/następna najlepsza oferta
- Prognozowanie: popyt i przychody
- Oszczędzanie kosztów w IT
- Marketing
- Media społecznościowe
- Wyceny
- Zatrzymywanie klientów i budowanie ich lojalności
- Porzucanie koszyka (analizowane w czasie rzeczywistym)
- Optymalizacja współczynnika konwersji
- Dopasowywanie produktu w czasie rzeczywistym
- Reklamy kontekstowe w czasie rzeczywistym
- Wykrywanie nadużyć w czasie rzeczywistym
- Ograniczenie migracji klientów
- Utrzymanie według stanu
- Zarządzanie łańcuchem dostaw
- Długookresowa wartość klienta
- Lead scoring
- Zasoby ludzkie
- Analiza sentymentu
- Podsumowanie
- Zastanów się
- Rozdział 5. Zrozumieć ekosystem big data
- Kiedy dane można określać jako big data?
- Rozproszone przechowywanie danych
- Rozproszone przetwarzanie
- Fast data/strumieniowanie danych
- Mgła obliczeniowa/przetwarzanie krawędziowe
- Oprogramowanie open source
- Historia open source
- Licencjonowanie
- Dystrybucja kodu
- Korzyści z open source
- Open source a big data
- Przetwarzanie w chmurze
- Podsumowanie
- Zastanów się
- Część 2. Jak wykorzystać ekosystem big data w swojej organizacji?
- Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?
- Twoi klienci
- Zdobywanie danych
- Platformy cyfrowe
- Wsparcie klienta
- Fizyczne położenie klientów
- Łączenie danych o klientach
- Używanie danych
- Ścieżka zakupowa
- Grupy klientów (persony)
- Towary
- Krytyczne interwencje
- Twoja konkurencja
- Czynniki zewnętrzne
- Twój własny produkt
- Podsumowanie
- Zastanów się
- Rozdział 7. Strategia wykorzystywania big data oraz data science
- Zespół ludzi
- Specjaliści od strategii
- Specjaliści od biznesu
- Specjaliści od analizy
- Specjaliści techniczni
- Spotkanie inauguracyjne
- Strategia
- Biznes
- Analiza
- Technologia
- Efekty spotkania inauguracyjnego
- Omówienie zakresu projektu
- Podsumowanie
- Zastanów się
- Zespół ludzi
- Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe
- Cztery typy analityki
- Analityka opisowa
- Analityka diagnostyczna
- Analityka predykcyjna
- Analityka preskryptywna
- Modele, algorytmy i czarne skrzynki
- Projektowanie modelu
- Modele czarnoskrzynkowe w big data
- Dopasowywanie modelu do danych
- Wdrażanie modelu
- Sztuczna inteligencja i uczenie maszynowe
- Oprogramowanie analityczne
- Bazy danych
- Bazy relacyjne (75%)
- Bazy dokumentowe (9%)
- Silniki wyszukiwania (5%)
- Bazy typu klucz-wartość (5%)
- Bazy kolumnowe (3%)
- Bazy grafowe (2%)
- Wybór bazy danych
- Języki programowania
- Bazy danych
- Narzędzia analityczne
- Agile w analityce
- Podsumowanie
- Zastanów się
- Cztery typy analityki
- Rozdział 9. Wybór technologii
- Wybór sprzętu
- Wybór lokalizacji sprzętu: rozwiązania chmurowe
- Przenoszenie, oczyszczanie i przechowywanie danych
- Wybór oprogramowania
- Dostarczanie wyników użytkownikowi końcowemu
- Rozważania na temat wyboru technologii
- Podsumowanie
- Zastanów się
- Rozdział 10. Budowanie zespołu
- Specjaliści w zakresie data science
- Role potrzebne w zespole analitycznym
- Platform engineer
- Inżynier danych
- Specjalista od algorytmów
- Analityk biznesowy
- Analityk sieciowy
- Specjalista od raportowania
- Przywództwo
- Posiadanie trzech niepowiązanych umiejętności
- Wszechstronnie rozwinięte umiejętności techniczne
- Umiejętność dostarczania rezultatów
- Proces zatrudniania na stanowisko przywódcze
- Rekrutowanie specjalistów od danych
- Zatrudnianie na dużą skalę i pozyskiwanie startupów
- Outsourcing
- Małe firmy
- Podsumowanie
- Zastanów się
- Rozdział 11. Zarządzanie danymi i kwestie prawne
- Dane osobowe
- Przepisy dotyczące ochrony prywatności
- Data science i ujawnianie informacji prywatnych
- Zarządzanie danymi
- Zarządzanie raportowaniem
- Podsumowanie
- Zastanów się
- Rozdział 12. Skuteczne realizowanie projektów
- Dlaczego projekty upadają
- Wykorzystaj model data-driven
- Cały czas zadawaj pytania na temat swojego biznesu
- Testuj swoje przypuszczenia
- Utwórz i monitoruj kluczowe wskaźniki efektywności
- Sięgaj po nowe pomysły
- Uporządkuj swoje dane
- Pozyskaj odpowiednich ludzi
- Połącz silosy danych
- Skup się na wartości biznesowej
- Kontroluj efekty
- Korzystaj z metodyki agile
- Wykorzystaj model data-driven
- Na zakończenie
- Podsumowanie
- Zastanów się
- Dlaczego projekty upadają
- Słowniczek
Opinie
Na razie nie ma opinii o produkcie.