作者:罗恩·S.科耐特(Ron S. Kenett),托马斯·C.雷德曼(Thomas C. Redman) 著, 游越,萧群,刘素清
页数:192
出版社:北京大学出版社
出版日期:2024
ISBN:9787301358436
电子书格式:pdf/epub/txt
网盘下载地址:下载数据科学的真谛:将数据转化为信息,赋能决策与组织
内容简介
数据是最有价值的资源,发掘这一价值需要超越技术本身。本书抛开数据科学技术的细节,致力于解决该主题研究中通常没有涵盖的数据科学“其余部分”的关键问题。包括确立正确问题,收集正确数据,进行正确分析,做出正确决策以及决策评估,与决策者建立信任,将数据科学团队置于正确的组织节点,以及帮助公司实现数据驱动等内容。这本书给出了数据科学入门和避免陷阱的实用性建议,解决了几代统计学家面临的问题,是统计学、计算机科学系、商学院,分析学院专业人士以及所有企业管理者的必读书。
作者简介
【以色列】罗恩·S.科耐特(Ron S. Kenett)
—————————-
罗恩·S.科耐特(Ron S. Kenett)以色列KPA集团主席,以色列理工学院塞缪尔?尼曼研究院高级研究员,曾任美国纽约州立大学运营管理学教授,是以色列统计协会(ISA)和欧洲工商业统计网络(ENBIS)的前任主席。他是一名有学术、咨询和商业领域专业知识的应用统计学家,撰写了250多篇论文和14本书,内容涉及生物统计学,医疗保健,工业统计,数据挖掘,客户调查,多元质量控制,风险管理和综合管理模型等主题。
—————————-
托马斯·C.雷德曼,数据质量解决方案公司总裁,致力于为组织提供数据和数据质量计划方面的建议。撰有“数据驱动:从您最重要的商业资产中获利”一书(哈佛商业出版社于2008年出版),该书是当年图书馆杂志(Library Journal)优秀商业书籍之一。
—————————-
【以色列】罗恩·S.科耐特(Ron S. Kenett)
—————————-
罗恩·S.科耐特(Ron S. Kenett)以色列KPA集团主席,以色列理工学院塞缪尔?尼曼研究院高级研究员,曾任美国纽约州立大学运营管理学教授,是以色列统计协会(ISA)和欧洲工商业统计网络(ENBIS)的前任主席。他是一名有学术、咨询和商业领域专业知识的应用统计学家,撰写了250多篇论文和14本书,内容涉及生物统计学,医疗保健,工业统计,数据挖掘,客户调查,多元质量控制,风险管理和综合管理模型等主题。
【美国】托马斯·C.雷德曼(Thomas C. Redman)
—————————-
托马斯·C.雷德曼,数据质量解决方案公司总裁,致力于为组织提供数据和数据质量计划方面的建议。撰有“数据驱动:从您最重要的商业资产中获利”一书(哈佛商业出版社于2008年出版),该书是当年图书馆杂志(Library Journal)优秀商业书籍之一。
游越
—————————-
游越,理学硕士,北京大学图书馆馆员,先后在信息咨询部和综合管理中心工作。主要研究方向为学科情报服务、信息资源检索、信息素质教育、数据管理和用户服务等;曾获“北京大学第14届青年教师教学基本功比赛 ”人文社科组三等奖等。
萧群
—————————-
萧群,毕业于北京大学心理系,曾任北京大学社会科学部常务副部长、北京大学图书馆党委书记兼副馆长、北京大学产业党工委书记、校产办主任等。主要研究方向为科研管理、信息管理与服务、人力资源管理、企业管理等;曾获“北京大学优秀党务和思想政治工作者——李大钊奖”等。
刘素清
—————————-
刘素清,北京大学图书馆副馆长,研究馆员;中国图书馆学会理事,中国图书馆学会学术委员会副主任,《大学图书馆学报》副主编。毕业于北京大学信息管理系,先后在北京大学图书馆编目部、CALIS、信息咨询部和综合管理中心工作。主要研究方向为信息资源组织与检索、信息素质教育、用户服务等。
本书特色
数据和数据科学会推动下一个经济奇迹吗?它们是否会做出实实在在的贡献?积极地影响会多于消极的影响吗?作者罗恩·S.科耐特和托马斯·C.雷德曼作为世界一流的数据分析师、数据管理专家和数据质量控制专家在本书中放弃纠缠于技术概念,专注于企业在应用数据学时所面临的真实问题和机遇,指导数据分析师和管理人员如何实现数据学与组织的全面整合。采用有创意的叙事手法,既可以做专业课程的教材,也可以作为数据分析师提升自我能力的指导,还可以帮助组织管理者提升数据科学方面的管理能力,建议本书作为统计与计算机系、商学院、分析机构的书目。
目录
1,崇高的使命 ………………………………………………………………….. 001
2,优秀的数据科学家与卓越的数据科学家之间的区别……………013
3,学习不同的商业模式 ……………………………………………………… 021
4,了解真正的问题 ……………………………………………………………. 029
5,走出去 ………………………………………………………………………… 035
6,很遗憾,你不能信任数据……………………………………………….. 043
7,使人们更容易理解你的观点 ……………………………………………. 055
8,当数据不管用时,相信你的直觉 ……………………………………… 063
9,对结果负责 ………………………………………………………………….. 069
10,数据驱动意味着什么? ………………………………………………….. 077
11,去除决策过程中的偏见 …………………………………………………… 085
12,教,教,教 …………………………………………………………………… 095
13,正式地评估数据科学产出………………………………………………… 107
14,高级领导者的教育 …………………………………………………………. 113
15,把数据科学和数据科学家放在正确的位置 …………………………. 123
16,提升分析成熟度级别 ………………………………………………………. 131
17,工业革命与数据科学 ………………………………………………………. 139