J'ai lu 13 livres qui relient la science des données aux résultats commerciaux, je vais donc rédiger une critique.

Motivation pour cet article

Je ne peux pas sortir à cet âge, alors je lis un livre de toute façon. Regardez les articles ci-dessous et essayez d'aider ceux qui ont les mêmes sentiments avec cet achat.

• J'ai appris (appris) la théorie de la science des données et du codage avec des outils d'analyse. ――Le travail (entreprise) doit avoir «les résultats de l'utilisation du modèle» plutôt que «la création de modèle de haute précision terminée» ――Vous devez donner un nombre concret «Je veux savoir comment conduire un projet sans manager ni senior et le connecter à l'impact business. ――Connaissant les éléments nécessaires à l'organisation de la science des données en interne, vous pouvez demander et persuader le côté gestion (j'aimerais pouvoir le devenir)

Pour cela, j'ai lu un livre sur ** Business + Data Science **.

Si vous souhaitez lire l'introduction ci-dessous, veuillez l'acheter.

** * Certaines pièces sont délicatement évaluées en raison de ma faible capacité d'absorption. Veuillez le vérifier de vos propres yeux sans jeter un coup d'œil. ** **

Ils sont disposés dans l'ordre dans lequel ils se sentent utiles à cette fin.

Résumé de la relation positionnelle arbitraire

1er livre: Data Scientist Training Reader Business Utilization

Auteur: plusieurs personnes sont en charge de chaque chapitre
l'éditeur:Société d'examen technique
Date de sortie: 2018/10/30

Impressions

--Analyse des données La célèbre "série de lecteurs de formation" du livre Mook ――Vous pouvez pleurer (le mouchoir est indispensable car vous avez trop d'idée sur les cas d'échec) «Le premier mot de 1-1 est" Je n'aime pas l'analyse de données qui ne peut plus contribuer aux affaires. "

• ** Pourquoi les projets de science des données ne réussissent pas **, ** Raisons de s'arrêter au PoC **, ** Création d'une organisation de science des données et adhésion ** Il donne divers avis dans chaque chapitre. «Je pensais que c'était une publicité que beaucoup de personnes proches du consultant ont écrit:« Mettons un consultant ici », mais l'inconvénient de« l'autonomie »est comme vous l'avez dit, alors lisez-la sans trop vous inquiéter. Avancée

Introduction au contenu

――Un livre dans lequel des personnes d'horizons divers et d'histoire de l'entreprise sont en charge de chaque chapitre

• Écrit par quelqu'un qui est le responsable de l'équipe de science des données. Les problèmes suivants et la manière de travailler sont décrits.
• Comment procéder avec un projet de science des données
• Différences entre la gestion de projets logiciels et data science
• À quoi s'attendre des data scientists --Création d'un système de suivi et d'un environnement où vous pouvez jouer un rôle actif
• Méconnaissance de la science des données au moment de l'embauche
• Écart dans le sens de «l'analyse des données» entre la direction / les gestionnaires et les scientifiques des données --Un scientifique en difficulté qui lit et met en œuvre le dernier article --Un manager en difficulté qui ne peut pas être sublimé dans un projet

――Si l'équipe n'est pas en place, cela équivaut à être obligé d'être un être humain polyvalent (ressource humaine de type héros) ――Ne le faites pas seul. Même une personne polyvalente sera surchargée, alors je ne la laisserai pas faire.

• Entrez un autre membre dans l'entreprise d'application d'infrastructure. Consultation si nécessaire.
• La méthode de la science des données est également descendante avec la violence qui "Si vous êtes diplômé de l'école de mathématiques, vous pouvez le résoudre." ―― Ce qui précède décide de l'embauche / de l'affectation sans connaître le degré de spécialisation de chaque méthode

2ème livre: Un livre pour acquérir une réelle capacité d'analyse de données

Auteur: Shinichi Kawamura
l'éditeur:Nikkei BP
Date de sortie: 2016/6/22

Impressions

«Il existe de nombreux cadres pour résoudre les problèmes commerciaux, mais je pense que c'est le seul livre écrit avec des concepts liés à l'analyse des données.

• Contenu des autres livres "Il est important de se connecter à l'évaluation sans s'arrêter par l'analyse, et l'accent doit être mis sur la définition du problème et son examen." --Contenu de ce livre "Concevons à partir de la définition de l'objectif avec quelques retouches sans omission, exécution de l'analyse, expression des résultats tout en utilisant le framework" ――Brest en utilisant du papier A4 et un autocollant, et des précautions pour analyser avec les données sont cloutées. ―― Comme ni python ni R ne sont utilisés, le sentiment d'une science des données scintillante est mince. ――Bien que vous puissiez continuer avec du papier Excel et A4, soyez prudent car ce n'est pas un "livre pour faire avancer de force des tâches dans un projet par apprentissage automatique" mais un "livre pour quel type d'analyse de données est fiable et résout les problèmes".

Introduction au contenu

--Sous-titre rassurant: La théorie est déjà bonne, ce que je veux, c'est un modèle de pratique --Cadre pour la définition du problème et son expérience simulée

• Points à noter lors de la conception de projets d'analyse ―― Le but et le résultat de "Analysons parce qu'il y a des données" sont opposés
• Saisissez les fonctionnalités avec "visualisation" plutôt que "agrégation"
• Définition du problème -> Identifier les facteurs -> Gérer le diagramme récapitulatif -> Collecte et vérification des données (fiabilité des valeurs aberrantes / arrière-plan de la collecte) -> Élimination du biais de reconnaissance

Troisième livre: l'organisation d'analyse de données la plus solide

Auteur: Kaoru Kawamoto
l'éditeur:Nikkei BP
Date de sortie: 2017/11/24

Impressions

――Le problème que vous rencontrez a été écrit dans ce livre

• Équipe d'analyse qui vient de démarrer
• La maîtrise des données n'a pas pénétré à l'échelle de l'entreprise
• Il n'y a pas de système de promotion à l'échelle de l'entreprise --Un livre qui peut être un modèle pour ceux qui appartiennent à l'équipe d'analyse ci-dessus (en particulier le manager) ―― «La méthode n'est pas l'analyse qui la précède, mais la méthode nécessaire à l'analyse qui est utile en tant qu'entreprise est sélectionnée par calcul rétroactif. Cependant, il est au moins nécessaire pour un analyste d'essayer une nouvelle méthode d'analyse et d'apprendre de nombreuses méthodes.»

Introduction au contenu

――Il décrit un processus ascendant constant allant d'une petite équipe de recherche à la croissance en tant qu'équipe qui réforme les activités par l'analyse des données sur 18 ans. --Le sentiment ** "bonus" ** de l'organisation d'analyse des données au moment du lancement

• Gestion pour dissiper l'angoisse des membres de l'équipe ――Analyste de données interne nécessaire "** capacité de conseil en entreprise **"
• Connaissances analytiques de type back office
• ** Visite de site de type front office / négociation / définition du problème / puissance à utiliser sur le site ** --Trouver → Résoudre → Utiliser ――Comment créer une organisation analytique en moins de 18 ans?
• Il y a quatre barrières qui sont plus grandes que les problèmes de mathématiques et de connaissances informatiques ―― 1. Maintenir la motivation ―― 2. Coopération avec les divisions commerciales ―― 3. Contribution à la direction de l'entreprise ―― 4. Formation des membres de l'organisation analytique
• Impliquer le côté commercial dans l'acquisition du budget du système de parrainage
• Repenser le nombre de membres de l'équipe --Créez un endroit pour discuter de la rentabilité ―― Réfléchissez à comment l'intégrer dans votre entreprise

Quatrième livre: Le pouvoir de l'analyse pour changer l'entreprise

Auteur: Kaoru Kawamoto
l'éditeur:Kodansha
Date de sortie: 2013/7/20

Impressions

C'était une ancienne date de publication, donc j'étais méfiant, mais c'était un bon livre ――Le chapitre 1 est un sujet dont on parle souvent (le big data n'est pas seulement le big data, etc.) --Expliquer le flux d'analyse en utilisant une entreprise fictive comme exemple

• Style de travail en tant que ressource humaine analytique ――Préparation au travail
• Professionnel, pas spécialiste ―― Non seulement familier avec la méthode mais aussi familier avec le terrain `` Je comprends d'autres livres que l'analyse avec des méthodes est un problème, mais je ne connais pas le niveau spécifique ... ――Dans ce livre également, si vous trouvez un "domaine de spécialité en entreprise", vous serez "de niveau expert dans l'analyse de ce domaine" et "connaître d'autres méthodes d'analyse" ... ――Il semble incohérent lorsque vous pensez aux détails
• Je ne comprends pas.

Introduction au contenu

• Même auteur que le livre ci-dessus
• Des idées fausses générales sur l'analyse des données, le big data, etc.
• "Qu'est-ce qu'un spécialiste de l'analyse de données?" Travailler dans une entreprise —— Non seulement maîtrisant les mathématiques, mais aussi des moyens inspirants de les utiliser --Responsable des résultats et de l'analyse (revoir / interpréter jusqu'à ce que vous soyez convaincu) —— Acquérir un domaine spécialisé
• Entrer dans un lieu pour créer des liens personnels (société / communauté)
• Diffuser l'information (société / communauté) --Mur pour éviter une analyse inutile
• Les données --Une analyse
• KKD
• Rentabilité

5ème livre: Le pouvoir de l'analyse des données Une façon de penser qui aborde les relations causales

Auteur: Koichiro Ito
l'éditeur:Kobunsha
Date de sortie: 2017/4/20

Impressions

――Depuis que l'auteur a initialement mené des recherches empiriques sur l'économie appliquée et la politique, elle est plus proche des expériences empiriques. ――Comme l'indique le titre ** Pouvez-vous analyser les données, définir les problèmes et évaluer les résultats en gardant à l'esprit la «cause et l'effet»? Un livre appelé **

• Beaucoup d'espace est consacré au "test de randomisation" et au "design expérimental" --Facile à lire. Vous pouvez terminer la lecture sur une longue distance en dessinant une ligne rouge.
• ** Ce n'est pas un livre sur la façon de l'utiliser pour les affaires **, mais si vous avez des connaissances sur les "expériences de démonstration et la causalité" lorsque vous pensez à "l'évaluation des résultats" et à la "définition de l'objectif" ** Je pense que je pourrai parler à la direction **
• (C'est une autre histoire si tu peux écouter sans sentiment de refus ...)

Introduction au contenu

• Il y a beaucoup de contenu sur la façon de mesurer «l'expérience» et «l'effet» ――Ne jugez pas uniquement sur l'intuition et l'expérience. Le marché peut ne pas réagir du tout à la conception de l'écran que le créateur de l'écran Web a jugée bonne. ――Si vous pouvez expérimenter à grande échelle, randomisez-le et faites un test AB avant de prendre une décision. ――Il est difficile de mesurer l'effet car il n'est pas possible d'obtenir des données pour le «groupe non intervenant» avec des données réelles.
• Visualisez les données et créez un résultat que "je n'ai pas pu observer réellement, mais cela se serait produit" et utilisez-le comme partenaire pour l'évaluation des résultats expérimentaux (** Résultats potentiels et méthode de différence temporaire / différence de tendance parallèle * *)

Livre 6: Introduction aux concepts et techniques stratégiques de la science des données pour les entreprises

Auteur: Foster Provost
Éditeur: O'Reilly Japan
Date de sortie: 2014/7/19

Impressions

«C'était long. Environ 500 pages ――Le contenu semble un peu vieux même à partir de l'année de publication «Puisqu'il s'agit d'une traduction d'un livre d'auteur étranger, il est difficile à lire, ce qui est particulier à un livre traduit d'un livre spécialisé.

• (Il y a de nombreuses parties qui sont difficiles à comprendre. Je survivrai avec ma propre interprétation.)
• L'histoire que vous recherchiez se trouvait dans les chapitres 11 à 14 et dans l'annexe.
• (Surtout, j'ai appris les exigences nécessaires pour les gestionnaires dans l'annexe et le chapitre 13, la maintenance et la formation de l'environnement, et l'évaluation de projet) «Il est également important d'avoir« l'amour pour les subordonnés de votre patron »,« la capacité de communiquer avec les départements concernés », et« sortir et faire de solides connaissances dans un large éventail de domaines académiques ». ―― Que vous soyez un manager ou une équipe de direction, si vous allez faire de la science des données dans une entreprise, vous devez connaître les connaissances analytiques! Par conséquent, les chapitres 2 à 6 et 10 présentent comment utiliser l'algorithme, y compris la théorie.

Introduction au contenu

• Un livre d'un auteur qui a travaillé pour une ancienne grande compagnie de téléphone et a expliqué comment la ** science des données ** peut être utilisée dans ** les affaires ** pour réussir pour l'entreprise. «La science des données en entreprise est-elle une« valeur? »À partir des données? Les personnes travaillant dans le domaine de la science des données et les gestionnaires ayant des connaissances en science des données « identifient, collectent les données de manière appropriée, évaluent les réalisations et ont un impact commercial. Il est important de mesurer (y compris de juger s'il peut être mesuré) afin qu'il puisse être déployé jusqu'à ce qu'il soit utilisé par des personnes du côté de l'entreprise. " «À cette fin, dans l'analyse des données, après avoir compris l'entreprise,« clarifier les problèmes »,« déterminer si les données sont suffisantes »et« l'exploration de données ». ――Si un modèle peut être créé, il est nécessaire d'effectuer "formulation / structuration de problèmes / modélisation pour la résolution de problèmes" au lieu de Yoshi. ――Communiquer avec le côté commercial et clarifier les exigences quant à la façon de le développer
• De nombreuses introductions de documents cités ――Il semble que l'exploration de données à l'aide de données internes soit active à l'étranger. ――Comme la littérature n'est qu'une introduction d'exemples et d'algorithmes, il est recommandé de lire autant que le temps le permet. ――C'était un document intéressant de pouvoir mesurer le "QI de l'utilisateur" dans des "articles similaires" sur Facebook.
  • PNAS kosinski 2013

7e livre: Comment utiliser les données qui dorment à l'intérieur et à l'extérieur de l'entreprise - Le point de vue pour trouver du sens dans les données -

Auteur: Hayashi Hagikawa
l'éditeur:Publicité Conference Co., Ltd.
Date de sortie: 2018/2/10

Impressions

――Depuis qu'il est défini dans les ventes et le marketing, le contenu est perçant pour les personnes dans ce domaine -Un bon livre qui décrit comment les débutants procèdent à l'analyse pour «parler avec les nombres»

• Il y a beaucoup de contenu supplémentaire pour ceux qui ont besoin d'analyse qui n'est pas très lié aux enquêtes par questionnaire et au ciblage.
• L'analyse des données et la réflexion hypothétique sont nécessaires pour toute analyse, donc si vous extrayez les parties nécessaires et les formatez, vous pouvez également les utiliser dans d'autres domaines. «Je pense que c'est un livre pour faire des propositions commerciales à partir de ** rapports avec une analyse et une interprétation approfondies ** plutôt que sur la façon de définir des problèmes.

Introduction au contenu

--Un livre de style roman qui se concentre sur le «marketing» et réalise des «propositions de planification» par le biais de «l'analyse des données» --Recueillir des faits pour une réflexion hypothétique --Recueillir les faits manquants à partir d'enquêtes par questionnaire, d'entretiens et d'états financiers --Agréger et visualiser les données et ajouter une interprétation pour en faire un rapport --Réduire les clients de la visualisation et de l'analyse du partage des taux ―― Sur la base de ce qui précède, créez un concept de planification ―― 1. Cible ―― 2. Besoins ―― 3. Produit ―― 4. Bénéfice --Ajouter une analyse des problèmes ―― 1. Faisabilité ―― 2. Effet attendu ―― 3. Entreprise ――Enfin, déposez-le dans un format et faites-en une proposition —— Vérifiez si le plan et le modèle commercial correspondent

8ème livre: Introduction au processus pratique d'analyse des données

Auteur: Anchibe
Éditeur: Morikita Publishing
Date de sortie: 2015/6/20

Impressions

――Comme mentionné dans le sous-titre, un livre pour "les personnes qui n'ont ni patron ni senior fiable, ni base de données ni savoir-faire d'analyse"

• Il est écrit dans l'ordre de définition de l'objectif, de la collecte de données, du prétraitement, de l'analyse, de l'opération (KPI) et des mesures.
• Les informations que vous vouliez se trouvaient dans "Réglage de l'objectif" et "Fonctionnement (KPI)" «Je m'intéressais à la gestion des dossiers des cas d'analyse de l'auteur afin que ceux codés ne soient pas foirés. ――Bien qu'il ne soit pas divisé en dossiers aussi finement que l'auteur, il est bon de gérer les scripts et les données séparément pour chaque projet d'analyse et approche d'analyse.

Introduction au contenu

• Les données ont été collectées. Je l'ai analysé et réalisé un modèle avec une bonne précision. N'a pas de valeur commerciale. --Définissez un KPI qui peut être jugé comme une valeur (taux de rétention des utilisateurs? Montant de la facturation? Quelle est la solution au problème) --Rapporter les résultats de l'analyse au côté commercial et élaborer un plan sur la façon de prendre des mesures et des améliorations. «Nous organiserons des réunions pendant les mesures et continuerons à interpréter les résultats du modèle et à les« utiliser ». ――Vérifiez le KPI avant et après la mesure et signalez s'il s'améliore. ――S'il existe plusieurs départements associés, comprenez quel KPI est bénéfique pour ce département et affichez le KPI requis.

9ème livre: Cours pratique d'analyse de données dispensé par des professionnels Accenture

Auteur: Takuya Kudo ・ Hogakusei
l'éditeur:Shosuisha
Date de sortie: 2016/5/30

Impressions

―― La configuration des tâches pour l'utilisation commerciale se trouvait dans la première moitié du chapitre, mais le volume est plus léger que d'autres livres. Dans l'ensemble, il est écrit de telle manière qu'il est trop abstrait et peut être interprété de quelque manière que ce soit. Cependant, puisqu'il est également exhaustif, il se positionne comme un livre d'introduction avec un large éventail de couvertures en science des données. ――Chapitre 7 et versions ultérieures présente des méthodes et comment utiliser des packages difficiles à voir avec R. —— Envie de lire "Data Science with R" --Panier du marché

• Algorithme d'Apriori --Analyse et visualisation à l'aide de données cartographiques --Recommandation (filtrage coopératif) --Analyse de cluster hiérarchique
  • Gephi,igraph «C'était très difficile à lire personnellement. (Même un romancier populaire estime qu'il est difficile de lire des phrases qui ne lui conviennent pas)

Introduction au contenu

――À propos de la méthode d'amélioration de l'infrastructure de données à partir du paramétrage des tâches «J'ai appris pour la première fois l'histoire de la technologie de traitement distribué et comment elle a évolué pour compenser ses inconvénients (Hadoop, MapReduce, DWH).

• Le chapitre 7 et les chapitres suivants présentent les méthodes d'analyse des données. ――Il est nécessaire de définir des problèmes afin de créer une science des données en entreprise --Il existe une approche descendante / ascendante pour améliorer la base d'analyse

10e livre: Introduction à la science des données tirée de cas d'utilisation commerciale

Auteur: Ryuji Sakamaki, Yohei Sato
l'éditeur:Créatif SB
Date de sortie: 2014/6/24

Impressions

«Il y a peu de parties liées à l'utilisation commerciale dans les chapitres 1 et 2, ce n'était donc pas le but de cette fois.

• Un livre de bonnes pratiques pour ceux qui veulent juste analyser ensemble le problème commercial et le code R. --Problème d'entreprise → Trouver une hypothèse plausible → Plan d'action → Flux de code d'analyse à l'aide de R ――Unique utilisant des données qui nécessitent un prétraitement exprès à titre d'exemple --C'est facile à imaginer car il s'agit d'un exemple d'analyse utilisant des données structurées (table) extraites par SQL.

Introduction au contenu

• Réfléchir à l'écart entre la figure idéale et la situation actuelle
• Phénomènes et problèmes distincts --Utilisez des méthodes d'analyse pour divers problèmes en utilisant des jeux virtuels comme exemple
• Segmentation des clients avec clustering
• Connaître les caractéristiques des utilisateurs continus avec un arbre de décision
• Connaître l'effet des coûts publicitaires par coefficient de régression multiple

11e livre: 2e édition révisée Lecteur de formation Data Scientist [Obtenir la capacité d'analyse des données pour devenir un professionnel! ]

Auteur: plusieurs personnes sont en charge de chaque chapitre
l'éditeur:Société d'examen technique
Date de sortie: 2016/8/25

Impressions

--Cliquez ici avant la révision

―― La version révisée est plus facile à lire, vous devriez donc acheter la 2e édition révisée. ――En premier lieu, la couleur de l'utilisation commerciale est légère, mais si c'est le premier livre pour les ingénieurs, c'est un très bon livre ――Un livre que vous pouvez voir de ce point de vue lors de l'analyse des données commerciales du côté ingénieur J'espère que lorsque vous porterez cette méthode d'analyse et rencontrerez des données, vous obtiendrez des scintillements.

Introduction au contenu

――Un livre qui permet aux débutants impliqués dans la science des données de connaître complètement la science des données --Depuis que l'exploration de données en supposant des données commerciales (** Fonction spéciale 2 **) est répertoriée, je l'ai incluse comme candidat. --Ancien Dricom, analyse marketing de M. Yohei Sato, qui est également l'auteur de l '"Introduction à la science des données" ci-dessus (il ne semble pas y avoir de script pour le soutien officiel? La copie manuscrite est difficile) --Mixi Shimoda, le cas minier de Kimura

• L'analyse du réseau de M. Hiroko Taisei ――Comment vous connectez-vous aux affaires? Bien qu'il y ait peu de discussions, il est écrit qu'un cluster est créé à partir des données client et quel type de marketing doit être fait à quelle couche est considérée.

12ème livre: Apprenez en bougeant vos mains Exploration de données utilisable en entreprise

Auteur: Takashi Ozaki
l'éditeur:Société d'examen technique
Date de sortie: 2014/8/21

Impressions

--Blogger qui est célèbre dans le monde de la science des données et a un blog intéressant (ceux qui travaillent à Roppongi et Ginza) ――Cela peut être la position du livre d'introduction minière de base de R plutôt que pour l'utilisation commerciale ――Il peut être bon d'essayer avec R et d'obtenir une image, mais --Je recommande d'autres livres pour un livre d'introduction R complet (recherche basée sur des mots tels que R, statistiques, apprentissage automatique, etc.) «En termes d'utilisation commerciale, vous pouvez penser à une« graine de mesures »à partir des résultats de l'analyse, mais cela s'arrêtera là.

Introduction au contenu

--Analyse avec R après avoir donné un exemple --Régression multiple des données sur la bière --Déterminer l'effet de la campagne Rechercher la cause à partir de l'arbre --Bien que la valeur moyenne soit différente, analysez "pas un hasard" en tenant compte des statistiques

13e livre: Manuel pratique pour l'apprentissage profond

Auteur: Japan Deep Learning Association
l'éditeur:Nikkei BP
Date de sortie: 2019/10/25

Impressions

――Si vous avez des connaissances sur l'apprentissage automatique et l'apprentissage profond, vous pouvez imaginer quel type de technologie a résolu le problème.

• Un livre qui plonge dans les articles de presse sur l'IA ―― Ce que je voulais savoir était plus qu'une introduction à la technologie ―― Comment avez-vous rencontré le problème, que souhaitiez-vous améliorer et comment avez-vous choisi l'apprentissage automatique? --Travail de vérification sur le chemin et sélection des modèles qu'il contient ―― À quel stade la décision de la direction a-t-elle été prise?
• Investir dans des projets et organiser ――Où avez-vous envoyé le data scientist? «C'était le cas, mais ils n'étaient pas satisfaits.
• Si vous avez déjà une équipe de science des données et que vous êtes prêt à la promouvoir à l'échelle de l'entreprise, vous pouvez l'utiliser lorsque vous dites "** Lisez ce livre présenté en japonais plutôt que de penser au détournement d'un article anglais **" alors

Introduction au contenu

• Il existe des exemples d'apprentissage en profondeur utilisés par chaque entreprise.
• Livres recommandés par le test G (car le test pose des problèmes avec la technologie et sa mise en œuvre sociale)

Enfin, le résumé que j'ai ressenti

«Plutôt que d'apprendre la méthode d'analyse, j'ai appris la philosophie de« Qu'est-ce que l'analyse de données en tant qu'homme d'affaires? »(Je me sens) ――Vous devez être prêt à procéder à l'échelle de l'entreprise (si vous ne l'avez pas, c'est douloureux mais ascendant) ―― Réfléchir à la manière d'utiliser les données pour les rendre précieuses ――Un sentiment d'appartenance qui non seulement analyse mais suit également l'utilisateur ―― Entendre et être capable d'utiliser une personnalité facile à utiliser ――Le résultat est "responsable au même niveau que le site" ――Les scientifiques des données ne peuvent pas être utilisés en raison de tâches diverses telles que la réduction des coûts de PoC, l'autonomie, la création et la présentation de po d'alimentation inutile ――Après l'analyse, afin de la relier aux mesures, nous donnerons une explication puissante en "analyse causale" ―― Les «résultats d'analyse utilisés» se vendent au site, gagnent le crédit de l'homme clé, explications convaincantes, explications polies sur la façon d'utiliser, créent une interface utilisateur facile à lire, analysent la raison pour laquelle elle n'est plus utilisée et la suivent, et négocient avec l'équipe d'infrastructure de l'application. La définition des exigences et le mécanisme d'apprentissage automatique sont modulaires et externalisés ... ** Il y a beaucoup de choses à faire **

fin

Il était plus difficile d'obtenir l'esprit de l'auteur que de lire un livre sur les méthodes analytiques. Afin d'utiliser réellement le contenu du livre, il est nécessaire de le résumer et de l'appliquer en fonction du climat de l'entreprise

~~ Qu'est-ce qu'un data scientist? ~~