Big Data mit "Number Sense" verstehen

Eine Herausforderung, die das Internet bietet, ist die zu große Auswahl, wenn einfache Unterhaltung vorgezogen wird. Wenn ich beispielsweise eine kurze Pause vom Schreiben oder Analysieren von Daten haben möchte, schaue ich mir gelegentlich YouTube-Bewertungen von neuen Fahrzeugen an. Autos zu überprüfen ist Teil meiner autobegeisterten Kindheit. Es hilft mir, an die drei Abonnements der Automobilzeitschriften zu erinnern, die mein Vater mit nach Hause nehmen würde.

Aber das Volumen von YouTube-Websites zur automatischen Überprüfung kann meine Zeit auffressen. Eine zu große Auswahl kann überwältigen und zwingt mich oder irgendjemanden dazu, ein Urteil zu fällen, um nicht in der Vielfalt übermässig zu sein.

Ich teile das Persönliche beiseite, um den Zweck hinter dem Buch "Number Sense: Wie man große Daten zu Ihrem Vorteil" von Kaiser Fung einsetzt. Fung ist ein in Harvard ausgebildeter Statistiker und Autor von Numbers Rule Your World.

Er schrieb Number Sense, um die Fähigkeit der Leser zu verbessern, zu erkennen, wann die Fülle der Datenauswahl einen Wert hat und wann nicht. Ich habe durch NetGalley von dem Buch erfahren und habe vor der Veröffentlichung im Juli ein Vorabexemplar gesucht.

Number Sense: Zahlen verstehen

Number Sense ist für Organisationen im Allgemeinen und nicht nur für Unternehmen gedacht. Alle Arten von Organisationen müssen täglich mehr datenbasierte Entscheidungen treffen. Bei der Etablierung eines breiten Anwendungsbereichs behauptet Fung, dass Big Data die in einem Unternehmen möglichen Abläufe erhöht:

„Der Grund, warum wir uns kümmern sollten, ist nicht mehr Daten, sondern mehr Datenanalysen. Wir stellen mehr Mitarbeiter bereit, die schneller Analysen erstellen

. Mit so vielen freien und einfachen Daten gibt es mehr Analysen. “

Fung fährt fort zu bemerken, dass es jetzt mehr Fehler gibt:

„Daten geben theoretische Legitimität. Aber jede Analyse steht auch auf der Theorie. Schlechte Theorie kann nicht mit Daten gespeichert werden. Schlimmer noch, schlechte Theorie und schlechte Analyse bilden eine brennbare Mischung. “

Um die Fehlerwahrscheinlichkeiten aufzuklären, unterstützt Fung die Details mit einem Fallstudienansatz im Text. Das Buch gliedert seine Kapitel in vier Segmente - Sozialdaten, Marketingdaten, Wirtschaftsdaten und die faszinierenden Titel "Sporting Data". Jedes Segment enthält Unternehmens- und gesellschaftliche Gesichtspunkte, um hervorzuheben, wie aus Entscheidungen abgeleitete Entscheidungen die von den Unternehmen aus den Daten erstellten Modelle falsch interpretieren können.

Ein hervorragendes frühes Beispiel ist ein republikanisches Modell für die Präsidentschaftswahlen 2012. Fung notiert eine Reihe von Umfragen, die durch ein Datenmodell verbessert wurden, das in letzter Minute eine Bodenwelle republikanischer Unterstützung und einen Sieg von Romney voraussagte. Es ist ein anschauliches Beispiel dafür, wie Konkurrenten sich selbst bei gleichem Zugriff auf dieselben Daten in den Fuß schießen können.

Leser, die kleine Restaurants, Einzelhandelsgeschäfte und Dienstleistungen besitzen, die auf Groupon-ähnliche digitale Dienste angewiesen sind, werden von den beiden Kapiteln profitieren, in denen die Personalisierung von Groupon untersucht wird - warten Sie darauf - Groupon. Der Vorteil ist, dass die Personalisierung den Wert der Kundensegmentierung erhöht, jedoch nicht immer wie erwartet von einer geplanten Strategie. Fung erklärt, wie Tech über seine Absichten hinausgehen kann:

„Zieltechnologie ist ein Instrument, das die Wirtschaftlichkeit eines Groupon-Händlers stärken kann. Aber das Punditry versteht nicht wie. Bei dem beschriebenen Targeting geht es weniger darum, relevantere Angebote an Abonnenten zu senden. Es funktioniert, indem es Coupons an profitable Kundensegmente richtet, weg von den Trittbrettfahrern und für die Erstbesucher. “

Ideen wie diese können die Maßnahmen für kleine Unternehmen in Bezug auf die Strategie verbessern (weitere Informationen zu Big Data finden Sie in Megan Totkas Artikel „Wie ein kleines Unternehmen Big Data verwenden kann“).

Beispiele in Number Sense lesen sich wie Fälle, daher sollten Geschäftsleser nicht in den Text nach Antworten stürzen, da sie sonst die hervorstechenden Punkte übersehen. Das Schlusskapitel über Daten- und Fantasy-Fußball überrascht in seiner Präsentation, aber die Einstiegsmöglichkeiten waren einfacher als der Text, der das Beispiel beschreibt.

In einigen Fällen zog ich es vor, die Details näher zu untersuchen. Wenn Fung feststellt, dass analytische Lösungen „eine Lücke von bis zu 20-30%“ aufweisen können, hat er die richtige Zahl, aber das Buch geht nicht auf den aktuellen Stand der Technologielösungen ein, die auf Big Data-Herausforderungen angewendet werden.

Lesen Sie Number Sense um zu lernen, aber seien Sie vorsichtig, um sich zu bewerben

Mit Number Sense schien Fung ehrgeizig bei der Erweiterung der Definition von Big Data durch das McKinsey Global Institute zu sein. Und ich schätzte Fungs Bescheidenheit und Fairness, indem ich erwähnte, dass er auch im Irrtum sein kann - „Selbst Experten fallen manchmal in Datenfallen.“ Der Ton zeigt ein Auge für ständiges Lernen und inspirierende Erkundung - der ultimative Mitnehmer für Business Intelligence-Bücher .

Letztendlich werden Leser, die sich mit Statistiken wie Moneyball und Big Data begeistern, nicht enttäuscht sein. Mit der Einschränkung der Auswahl, wo die Grundlagen von Big Data erforscht werden sollen, macht Number Sense eine glaubwürdige Lektüre, die zeigen kann, wohin die Big Data-Geschichte geht.

Wie für kleine Unterhaltung bis zu meinem nächsten Buchbesprechung

Ich bin immer noch fest entschlossen, das Auto-Review-Video zu wählen (Lächeln).

Der komplette Idiot-Leitfaden für Quickbooks: Geben Sie Ihrer Buchhaltung einen guten Start Vorherige Artikel

Der komplette Idiot-Leitfaden für Quickbooks: Geben Sie Ihrer Buchhaltung einen guten Start

Go Givers vs. Go Getters: Überprüfung des Go Givers Vorherige Artikel

Go Givers vs. Go Getters: Überprüfung des Go Givers

Beliebte Beiträge