načítání...
nákupní košík
Košík

je prázdný
a
b

Efektivní analýza a využití dat - Zach Gemignani; Chris Gemignani; Richard Galentino; Patrick Schuermann

  > > > > Efektivní analýza a využití dat  

Kniha: Efektivní analýza a využití dat
Autor: ; ; ;

Většina malých, středních i velkých firem sbírá různá data mnohem rychleji, než jim dokáže porozumět. Chcete veškerá tato data umět efektivně využívat ? Potřebujete se naučit, ...
Titul doručujeme za 4 pracovní dny
doručujeme do Vánoc
Vaše cena s DPH:  381
+
-
rozbalKdy zboží dostanu
rozbalVýhodné poštovné: 39Kč
rozbalOsobní odběr zdarma
Doporučená cena:  449 Kč
15%
naše sleva
12,7
bo za nákup

ukázka z knihy ukázka

Titul je dostupný ve formě:
tištěná forma elektronická forma

hodnoceni - 0%hodnoceni - 0%hodnoceni - 0%hodnoceni - 0%hodnoceni - 0%   celkové hodnocení
0 hodnocení + 0 recenzí

Specifikace
Nakladatelství: » Computer press
Rok vydání: 2015-07-15
Počet stran: 288
Rozměr: 167 x 225 mm
Úprava: 240 stran : ilustrace
Vydání: 1. vydání
Spolupracovali: překlad: Jiří Huf
Vazba: brožovaná lepená
ISBN: 9788025145715
EAN: 9788025145715
Ukázka: » zobrazit ukázku
Popis

Většina malých, středních i velkých firem sbírá různá data mnohem rychleji, než jim dokáže porozumět. Chcete veškerá tato data umět efektivně využívat ? Potřebujete se naučit, jak s nimi pracovat, aby se všichni, vedením společnosti počínaje, mohli rozhodovat na základě faktických skutečností, nikoli dojmů ? Pokud ve své firmě používáte vizualizace (reporty, prezentace atd.), vadí vám, když je nikdo nesleduje ani z nich nemá užitek? Zkušení autoři vám poradí, jak ze záplavy různých údajů vydolovat maximum a  jak získaná data prezentovat tak, aby vaše vizualizace neskončily v koši. Umožní vám nahlédnout pod pokličku prezentačních nástrojů, reportů a datové komunikace a na praktických příkladech vás naučí zaujmout posluchače , aby měli o vaše výstupy zájem. Publikace se mimo jiného věnuje těmto tématům: - Nástroje a procesy usnadňující výměnu informací - Tvorba přitažlivých a srozumitelných datových prezentací - Centralizovaný inventář datových výstupů - Zlepšování společnosti podle klíčových metrik - 8 znaků kvalitních přehledů zobrazujících data - Jak na správný styl datových prezentací O autorech: Zach Gemignani je zakladatelem společnosti Juice Analytics. Zodpovídá za její strategii směřování, přináší nové myšlenky a rozvíjí obchodní příležitosti. Chris Gemignani je spoluzakladatelem společnosti Juice Analytics. Zodpovídá za modelování rizik a analýzu chování držitelů platebních karet. Richard Galentino pracuje jako výkonný ředitel společnosti Stratable, Inc., zabývající se strategickým plánováním. Dříve vedl mezinárodní tým, který vysílal zdravotníky do více než 27 zemí. Patrick Schuermann je profesorem pro výzkum. Dříve působil jako hlavní výzkumník v řadě projektů věnovaných řízení školy a vzdělávacích technologií.

Předmětná hesla
Kniha je zařazena v kategoriích
Recenze a komentáře k titulu
Zatím žádné recenze.


Ukázka / obsah
Přepis ukázky

179
KAPITOLA 8
Cesta
k plynulému
přenosu
dat
Data jsou pro jeho uši hudbou. Stephen Brady právě dokončil vysokou školu a začal pracovat
ve své vysněné práci – pro nashvillskou nahrávací společnost zaměřující se na country hudbu.
Stephen se nesnažil o dráhu hudebníka či producenta, jeho přednosti spočívaly v datové analýze.
Ještě několik měsíců poté, co se Stephen dal ke společnosti Black River Entertainment, nemohl
stále uvěřit tomu, jaké příležitosti před ním leží. Měl přístup k rozsáhlým a podrobným datům
zachycujícím reklamu v rádiu a přehrávané skladby. Potenciál mu připadal nezměrný: viděl,
jak jsou různé písně provedeny a jak v žebříčcích klesají a stoupají. Sledoval, jak se písně při
průchodu různými oblastmi virálně šíří. A přesto se zdálo, že nikdo v daném odvětví, natož
pak v jeho společnosti, z dat nečerpal.
Stephen se rozhodl, že sestaví pravděpodobnostní modely, které budou předvídat trendy
ve vysílání písní. Hledal prediktivní proměnné, které by mu pomohly zefektivnit reklamu v rádiu.
Jeho analýzy by mohly nahrávací společnosti pomoci propagovat umělce lépe, kdyby věděl,
kdy a kde je vhodné písně vydávat. Zorganizoval si schůzku s výkonným ředitelem nahrávací
společnosti Gordonem Kerrem a s propagačním týmem, aby se s nimi podělil o své poznatky.
O osmdesát snímků a vizualizací (jakou vidíte na obrázku 8.1) později byl celý propagační tým
ohromen a zmaten současně. Jak souvisela prezentace s jeho novým předvídacím modelem?
Co chtěl Stephen říci, když ukazoval grafi ku znázorňující „podobnosti mezi křivkami trendů
V této kapitole:
 Proč plynulý přenos dat?
 Datoví konzumenti: Výchova
sofi stikovaného publika
 Tvůrci datových výstupů:
dovednosti potřebné
k efektivní datové
komunikaci
 Kultura plynulého přenosu
dat: jednotné porozumění
datům
 Ekosystém datového
výstupu: nástroje a procesy
zprostředkující výměnu
informací
 Začátek cesty
 Poznámky





180
KAPITOLA 8 Cesta k plynulému přenosu dat
v rádiových programech, které prostřednictvím clusterovacích algoritmů hledají clustery
stanic, jež vysílají podobné pořady“?
Obrázek 8.1: Vizualizace rádiové stanice
Stephen měl štěstí, protože si potenciálu v jeho práci všiml Gordon. Výkonný ředitel měl
dojem, že by analýzy mohly hudební společnost jedinečným způsobem odlišit. Stephen tedy
mohl hudebníkům ukázat, jak jim nakladatelství Black Rivers dokáže pomocí cílené reklamy
zajistit úspěch.
Stephenova těžká práce nastartovala cestu za rozumnějším a sebejistějším rozhodováním.
Stephen ukázal, že data mají nějakou hodnotu – je ji však třeba najít. I přes veškerý zápal se však
Stephen i Gordon museli naučit předávat data tak, aby jim všichni ve společnosti porozuměli
a dokázali na základě dat jednat.





Proč plynulý přenos dat?
181
Proč plynulý přenos dat?
Středobodem naší práce v posledních letech jsou právě Stephenovy zkušenosti a tvrdá práce
ostatních analytiků. Dnes již víme, jaká energie se vkládá do vykládání dat – ale také víme, jak
zbytečná je práce, když data v reportech, podrobných analýzách a prezentacích, které v publiku
nenarazí na úrodnou půdu, schováte. Kdyby byla data podána jinak, analytici by možná mohli
lidi povzbudit k akci, pomoci jim rozhodovat se a vrhnout světlo na důležitá rozhodnutí.
Pokud chcete, aby pro vás byla data přínosem, budete potřebovat lepší komunikační dovednosti
a zapálené publikum.
V roce 2007 napsal profesor Thomas Davenport vlivnou knihu Competing on Analytics:
The New Science of Winning.
1
Zkoumáním moci analytiků při zdokonalování společností
přilil olej do ohně. Kniha dala vzniknout generaci vedoucích, kteří se snaží z dat
vydolovat nějaký přínos.
Při publikaci této knihy jsme samozřejmě naráželi na třecí plochy. Konkrétně Davenport
obhajoval v analytice centralizovaný model, ve kterém spravuje data na úrovni společnosti skupina
datových vědců, kteří si sestavují komplexní modely, na jejichž základě se pak napříč
společností mohou lidé rozhodovat. Davenport je přesvědčen, že je nejlepší, když fi remní struktura...
představuje centrální analytický bod, vycházejí z funkce strategie, v němž jsou
analytici přiřazování ve společnosti k různým týmům a jsou jim přiřazovány různé
funkce: Tak podle mě vypadá optimální struktura a místo, kde je analýza a datová
věda doma. Centrální funkce umožňuje dosáhnout kritického množství analytiků
a centrálně koordinovat rozvoj jejich dovedností a kariéry. Mělo by se jednat
o sdílenou službu, v rámci které může každý, kdo má peníze a vysoké nároky, dostat
potřebnou pomoc. Přiřazování úkolů umožňuje navazovat mezi analytiky a těmi, kdo
se rozhodují, těsnější vazby.
2
My dáváme přednost jinému přístupu, který klade důraz na to, aby se ve společnosti
rozhodovali ti, kteří jsou dané práci vystaveni. Z našeho hlediska to nejlépe shrnuje guru manažerů
Peter Drucker:
U většiny debat a rozhodnutí předpokládáme, že rozhodovat bude pouze vyšší vedení anebo
že záleží pouze na rozhodnutí těchto lidí. To je však nebezpečný omyl. K rozhodování dochází
na všech úrovních společnosti, od jednotlivých profesionálů až po vedoucí v předních
liniích. Ve společnostech zakládajících si na datech je takovéto rozhodování na nižších úrovních
nesmírně důležité.
3
Vyšší vedení vaší společnosti může rozhodovat o takzvaných „velkých strategických oblastech“,
v nichž si hledá cestu na nižší úroveň. Záleží však na rychlosti, s níž postupujete k cíli.
Nesmíte se nechat odchýlit, když se vyskytnou rušivé elementy – právě taková rozhodnutí činí vaši
zaměstnanci v předních liniích. Chceme zdravotním sestřičkám, učitelům, úředníkům,
marketérům a prodejcům (ale také datovým analytikům) pomoci hovořit jazykem dat.





182
KAPITOLA 8 Cesta k plynulému přenosu dat
Přesvědčení, že data vedou k lépe informovaným rozhodnutím napříč celou společností, je pro
nás motivací. K napsání této knihy nás však vedly i další zásadní názory.
Pokud mají mít data význam pro většinu lidí, je třeba je vytvarovat do cílených a smysluplných
řešení. Běžná praxe, v níž se koncovým uživatelům dá k dispozici obecný analytický nástroj
a očekává se, že s ním budou provádět něco užitečného, zpravidla nevede k zásadním
výsledkům. Lidé mají i tak dost práce. To poslední, na co má většina těch, kteří pracují s daty, čas,
je učit se pracovat s nějakým novým analyt ickým nástrojem, přemýšlet nad tím, jak jim
mohou být data k užitku, a pouštět se do zkušebních analýz. Neexistuje žádná stupnice, na níž
byste mohli úspěch takového přístupu měřit. Než na lidi naložíte takové břemeno, měli by si
tvůrci datových výstupů (kapitola 5, „Autoři dat: Zkušení návrháři datových prezentací“) najít
čas a vyhledat klíčová data, grafy a myšlenku, pomocí nichž před koncové uživatele předloží
užitečné řešení. Přesně v tom spočívá rozdíl mezi situací, kdy tonoucímu hodíte kotvu, nebo
záchranné lano.
Další data
Nástroje
Technologie
Lidé a dovednosti
Vedení
Komunikace
Obrázek 8.2: Lidé mají přednost před technologií
Rovněž jsme jasně dali najevo, že před technologií dáváme přednost lidem (obrázek 8.2).
Existuje řada vhodných technologií sloužících k  zachytávání, správě, nakládání s  daty a 
jejich uchovávání. Lepší technologie a nástroje představují dnes komplikace jen zřídka. Mnohé
z překážek, které si ještě před deseti lety žádaly v oblasti informačních technologií obrovské
investice, lze dnes již řešit rychle a levně. Dnes spočívají problémy v dovednostech a spolupráci
mezi lidmi, kteří s technologiemi pracují. Chabá komunikace, nesourodost hodnot, omezené
schopnosti v přenášení dat, nejasné myšlenky... právě s těmito problémy se potýká většina
společností, s nimiž dnes pracujeme. Dobrou zprávou však je, že když se zaměříte na dovednosti
svých lidí, budete moci všechny tyto problémy řešit.
Tato kniha popisuje, jak vybudovat společnost, která si dat cení a používá je, ale také
jednotlivce, kteří společnost k tomuto cíli dovedou. Na začátku jsme se zaměřovali na dovednosti





Datoví konzumenti: Výchova sofi stikovaného publika
183
jednotlivců a vysvětlovali jsme, jaké konkrétní dovednosti mohou lidem při práci s daty
pomoci. Rozlišili jsme tvůrce a konzumenty datových výstupů. (I když mnozí čtenáři se mohou
nacházet na obou stranách barikády.) Po tomto detailním pohledu jsme si ukázali, jak může
společnost vybízet k plynulému přenosu dat. Popsa li jsme si prostředí, ve kterém se daří
jednotlivcům, jež umí s daty pracovat, ale které současně umožňuje vysoce kvalitním datovým
výstupům promluvit ke svým kýženým posluchačům.
Rámec plynulého přenosu dat se skládá ze čtyř částí. Rozdělení činíme na základě rozdílu mezi
tvůrcem a konzumentem a jednotlivcem a společností. Každý kvadrant můžeme chápat jako
nezastupitelný stavební blok společnosti s plynulým přenosem dat.
Datoví konzumenti: Výchova sofi stikovaného
publika
Digitální propast se již brzy nebude rozpínat mezi těmi, kteří mají a kteří nemají,
nýbrž mezi těmi, kteří umí a kteří neumí.
– Howard Rheingold
Totéž lze říci i o plynulém přenosu dat. Namísto těch, kteří mají, a těch, kteří nemají, jsou zde
však ti, kteří s daty pracují, a ti, kteří se jim vyhýbají. Je to cesta, kterou si volíte na základě
míry pohodlí, vzdělání a zkušeností. Data se v každodenní komunikaci zapojují stále
častěji – v médiích, zábavě i na pracovišti –, a proto představuje uvedená datová propast stále
zásadnější problém.
Kapitola 4, „Konzumentův průvodce po datech“, popisuje dovednosti a myšlení, které musí
vykazovat pokročilý konzument dat. Kapitola popsala základní prvky datové analýzy
a datovou vizualizaci, která může pomoci překonat rozdíl mezi základními interpretacemi a větším
důrazem na  myšlenky stojící za  daty. Vzdělaní konzumenti dat jsou základem společnosti
s plynulým přenosem dat, protože datové výstupy, které dostanou, umí docenit a rozumí jim.
Bez toho všeho by neměly veškeré snahy sdílet data příliš přínos. Schopný konzument dat
jazyku dat neustále naslouchá a rozumí mu.
Tvůrci datových výstupů: dovednosti
potřebné k efektivní datové komunikaci
Přetížení, zahlcení a zmatek nejsou datům vlastní, jedná se o chyby designu. Pokud je
tedy něco zahlceno, upravte design, nevyhazujte informace. Pokud je něco matoucí,
nesvalujte vinu na své publikum, ale opravte design.
– Edward Tuft e





184
KAPITOLA 8 Cesta k plynulému přenosu dat
Kapitola 5, „Autoři dat: Zkušení návrháři datových prezentací“, se zaměřuje na to, co je třeba,
aby člověk dokázal předávat data efektivně. Umět data vizualizovat je jednou ze zásadních
dovedností. Schopní tvůrci datových výstupů si umí zvolit správný graf a nechat data
vyniknout. Rovněž si dávají záležet na celkové myšlen ce a na tom, jak k ní jednotlivé údaje směřují.
Rozumí svému publiku a snaží se podat informace v takové podobě, která vyhovuje potřebám
publika a konkrétní práce.
Tvůrci datových výstupů hrají při propojování vize a reálných kroků zásadní roli. Počet
rozhodnutí, která činí – při výběru zobrazovaných metrik, podstatných prvků datové analýzy a jejího
podání – může sjednocovat a vést ke smysluplným krokům v každé společnosti. Anebo, pokud
bude provedení pokulhávat, mohou být výsledky matoucí a mohou odvádět od podstatných,
užitečných dat. Schopný tvůrce datových výstupů dokáže v jazyce dat komunikovat efektivně.
Kultura plynulého přenosu dat: jednotné
porozumění datům
Lidi pohání také jasná defi nice cíle a použitelného účelu; vidí, jak spoluprací dokáží
něco, co jednotlivce přesahuje. Spolupráce je efektivní pouze v případě, že jsou jasné
cíle: Jaký problém se snažíme společně vyřešit? Co můžeme udělat, abychom to vyřešili
společně?
4
– Harvard Business Review
Společnosti jsou sociální entity, které spolupracují ve snaze dosáhnout společných cílů – ať
už se jedná o řešení problémů, vydělávání peněz, anebo dodávání služeb cílovým populacím.
V každodenním shonu se někdy cíle vytratí. Data mohou nasvítit nejvhodnější cestu
k úspěchu stejně, jako maják navádí loď v mlze. Data dokáží sjednotit zájmy a kroky tím, že budují
společné porozumění důležitým metrikám, které jsou spjaty s úspěšností společnosti.
Kapitola 6, „Kultura plynulého přenosu dat“, popisovala, co je třeba k založení kultury, která
si váží dat a používá je při rozhodování. Kapitola začíná vedením. Lidé nahoře musí udat krok
tím, že sami zapracují datové výstupy do toho, jak ostatním sdělují priority. Kupříkladu
společný přehled poskytne jasný pohled na to, o čem si vedení společnosti myslí, že je nejdůležitější.
V kapitole zdůrazňujeme, jak je důležité, aby datům ve vaší společnosti rozuměli všichni
stejně. Příliš často se plýtvá energií, protože lidé diskutují o tom, co daná data znamenají, odkud
pochází a zda jim lze věřit. Kultura plynulého přenosu dat se snaží tyto nedostatky odstranit,
aby se lidé mohli zaměřit na samotnou myšlenku.





Ekosystém datového výstupu: nástroje a procesy zprostředkující výměnu informací
185
Ekosystém datového výstupu: nástroje
a procesy zprostředkující výměnu informací
Samotný iOS a Mac App Store by se se svými prodeji v hodnotě 10 miliard dolarů
za poslední rok umístili na 270. místě (na seznamu Fortune 500), a to před kreditní
společností Discover a kasínovými giganty MGM a Caesar‘s.
5
– appleinsider
Od července roku 2008, kdy Apple App Store nabízel 500 aplikací, až do doby o šest let
později, kdy již obchod nabízel 1,2 miliony aplikací, se tento obchod stal modelem pro tvorbu
úspěšného obchodního ekosystému. Jiné společ nosti si zakládaly podobné ekosystémy, zvláště
pak Amazon Appstore a Google Play. Obchody s aplikacemi – i s nepřeberným množstvím
funkcí  – jsou však pouze viditelnými odlesky propojení mezi technologiemi a  obchodními
systémy. Ty jsou pečlivě vystavěny tak, aby poskytovaly konkrétní řešení cíleným trhům. App
Store od Applu dosáhl úspěchu tím, že vývojářům poskytl nástroje k vývoji a pravidla designu,
čímž pokryl nemalou poptávku milionů vlastníků zařízení iDevice, zajistil proces schvalování
a zpětné vazby zajišťující kvalitu, ale také poskytl platební systém, který nákupy zjednodušil.
Kapitola 7, „Ekosystém datových výstupů“, nepopisuje pouze stavbu vlastního obchodu
s aplikacemi. Ukazuje, jak se z obchodu App Store můžete naučit porozumět podmínkám, které
stimulují plodné prostředí, jež vám umožní podat správné řešení správnému publiku. Konkrétně
pak, jak zajistit kvalitu datovým výstupům – tedy vašim prostředkům předávání poznatků –,
které ve vaší společnosti objevují jedinečná publika.
Stejně jako když pěstujete něco na zahrádce, ani zde nekončí práce výsevem. Neefektivní datové
výstupy je třeba vyplet, zatímco ty užitečné musíte přistřihovat, aby vám nadále nesly ovoce.
Začátek cesty
Plynulý přenos dat představuje ve společnosti schopnost používat jazyk dat k plynulé výměně
a objevování myšlenek. Existuje řada trendů, které si o plynulý přenos dat říkají:
 Touha investovat tam, kde se již investovalo do sběru dat a infrastruktury.
 Použití dat v žurnalistice a marketinku za účelem vyprávění přesvědčivých příběhů,
defi nování nových očekávání v oblasti předávání myšlenek pomocí dat.
 Decentralizovaná pracovní síla, která pomocí nástrojů a  očekávání činí nezávislá
rozhodnutí.
 Nový fi remní nástroj, který se soustředí na  to, aby pomohl zaměstnancům, zákazníků
i dodavatelům sdílet a spolupracovat.
Až budete uvažovat, že se dáte na cestu plynulého přenosu dat (ať už kvůli sobě, nebo své
společnosti), rádi bychom ještě jednou zdůraznili, že to stojí za to.





186
KAPITOLA 8 Cesta k plynulému přenosu dat
Spolupracovali jsme s  desítkami společností a  každá z  nich měla silnou motivaci pracovat
s daty. Často jsme naráželi na skupiny zkušených zaměstnanců, kteří byli datově gramotní
coby konzumenti i tvůrci. A přesto je často zklamávali kolegové, kteří s daty pracovat neuměli
nebo nechtěli. Byli jsme svědky společností, v nichž chápou důležité metriky všichni stejně.
Přesto ale častěji vídáme společnosti, které se samy zahrabávají do desítek až stovek „klíčových
metrik“. Nejvzácnější jsou společnosti, které mají zaveden stabilní proces vytváření kvalitních
datových výstupů, ty pak předkládají správným posluchačům a v průběhu času je, ale
i obsažené myšlenky, vylepšují.
Cesta k plynulému přenosu dat není jednoduchá, ale skýtá neskutečný potenciál. Představte si,
že rozumíte chování svého zákazníka a toto poznání pak umíte podat dychtivým prodejcům
a zákaznické podpoře. Představte si, jaké by to bylo, kdyby všichni ve vaší společnosti věděli,
na které metriky se mají soustředit a kde najdou reporty, které popisují, jak lze tyto metriky
vylepšit. Představte si, že se vaše mítinky točí kolem analýz, jimž posluchači rozumí, a že jsou
další kroky jasně dány. Představte si, že se násle dující kroky sledují. Představte si, jaké by to
bylo, kdyby se lidé rozhodovali na základě správných dat a kdyby se při každodenních
debatách pracovalo s analytickými poznatky.
Doufáme, že po přečtení této knihy budete schopni rozpoznat popsané dovednosti
a příležitosti stojící před vaší společností – a zaplníte tak potřebné mezery. Tato kniha ukazuje
milníky, které vám pomohou sledovat postup a povedou vás na cestě k plynulému přenosu dat.
Poznámky
1. Th omas H. Davenport a Jeanne G. Harrisová, Competing on Analytics: Th e New Science
of Winning (Boston, Harvard Business Review Press, 2007).
2. Th omas Davenport, „Organizing Analytics and Big Data,“ International Institute for
Analytics. Publikováno 23. září, 2013. Použito 1. června, 2014 z http://iianalytics.com/research/
organizing-analytics-and-big-data.
3. Peter Drucker, „What Makes an Eff ective Executive,“ Harvard Business Review, červen
2004.
4. Vineet Nayar, „A  Shared Purpose Drives Collaboration,“ Harvard
Business Review, 2. duben, 2014. Použito 16. srpna, 2014 z https://hbr.
org/2014/04/a-shared-purpose-drives-collaboration/.
5. Shane Cole, „App Store growth makes Apple‘s iTunes
business alone more valuable than Xerox, CBS,“ Appleinsider, 11.
února 2014. Použito 16. srpna, 2014, http://appleinsider.com/articles/14/02/11/
app-store-growth-makes-apples-itunes-business-alone-more-valuable-than-xerox-cbs.






       

internetové knihkupectví ABZ - online prodej knih


Knihy.ABZ.cz - knihkupectví online -  © 2004-2017 - ABZ ABZ knihy, a.s. TOPlist