Big Data Analytics: Praktyczny przewodnik dla menedżerów

Opinie czytelników

Książka została skrytykowana za to, że w dużej mierze opiera się na treściach marketingowych dostawców Big Data i nie zapewnia istotnego, dogłębnego wglądu w tematy, które porusza. Recenzenci zwrócili uwagę na kwestie redakcyjne i brak praktycznych wskazówek, co sugeruje, że nie spełnia ona swojej obietnicy jako źródło wiedzy dla menedżerów.

Próbuje wyjść poza powierzchowne dyskusje na temat Big Data; obejmuje szereg tematów związanych z uczeniem maszynowym.

⬤ W większości recykling materiałów marketingowych od dostawców
⬤ brak głębi i praktycznych spostrzeżeń
⬤ problemy z edycją
⬤ nie jest przydatnym przewodnikiem dla menedżerów.

(na podstawie 2 opinii czytelników)

Oryginalny tytuł:

Big Data Analytics: A Practical Guide for Managers

Zawartość książki:

Dzięki tej książce menedżerowie i decydenci otrzymują narzędzia do podejmowania bardziej świadomych decyzji dotyczących inicjatyw związanych z zakupem dużych zbiorów danych. Big Data Analytics: A Practical Guide for Managers nie tylko dostarcza opisów popularnych narzędzi, ale także analizuje różne produkty i dostawców, którzy zaopatrują rynek big data.

Porównując i kontrastując różne rodzaje analiz powszechnie przeprowadzanych przy użyciu dużych zbiorów danych, to przystępne odniesienie przedstawia jasne wyjaśnienia ogólnego działania narzędzi Big Data. Zamiast poświęcać czas na JAK zainstalować określone pakiety, skupia się na powodach, dla których czytelnicy zainstalowaliby dany pakiet.

Książka dostarcza autorytatywnych wskazówek na temat szeregu narzędzi, w tym systemów open source i własnościowych. Szczegółowo opisuje mocne i słabe strony włączenia analizy dużych zbiorów danych do procesu decyzyjnego i wyjaśnia, jak wykorzystać mocne strony, jednocześnie łagodząc słabości.

⬤ W prosty sposób opisuje korzyści płynące z przetwarzania rozproszonego.

⬤ Zawiera obszerny materiał dotyczący dostawców/narzędzi, zwłaszcza w przypadku decyzji dotyczących otwartego oprogramowania.

⬤ Obejmuje najważniejsze pakiety oprogramowania, w tym Hadoop i Oracle Endeca.

⬤ Analizuje aplikacje GIS i uczenia maszynowego.

⬤ Uwzględnia kwestie prywatności i nadzoru.

W książce omówiono podstawowe koncepcje statystyczne, których niewłaściwe zastosowanie może być źródłem błędów. Wielokrotnie big data jest traktowane jako wyrocznia, która odkrywa wyniki, których nikt by sobie nie wyobrażał. Chociaż big data może pełnić tę cenną funkcję, zbyt często wyniki te są niepoprawne, a mimo to są bezdyskusyjnie zgłaszane. Prawdopodobieństwo uzyskania błędnych wyników wzrasta wraz z porównywaniem większej liczby zmiennych, chyba że zostaną podjęte środki zapobiegawcze.

Podejście przyjęte przez autorów polega na wyjaśnieniu tych pojęć, aby menedżerowie mogli zadawać lepsze pytania swoim analitykom i sprzedawcom co do stosowności metod użytych do wyciągnięcia wniosków. Ponieważ świat nauki i medycyny boryka się z podobnymi kwestiami podczas publikowania badań, autorzy czerpią z ich wysiłków i stosują je do dużych zbiorów danych.