什么是“像数据科学家一样思考的艺术”工作簿及其重要性
在过去的30多年中，我一直致力于帮助组织利用数据和分析的业务潜力，并帮助他们设想数据和分析可以在何处以及如何产生新的客户，产品和运营价值来源。也许我对数据和分析的迷恋始于我年轻的“ Strat-o-Matic Baseball ”，但在1980年代，我确实在Metaphor Computers引起了轰动，在那里我建立了一些早期的商业智能和数据仓库系统。在1990年代，我加入了Sequent Computers，在那里我开发了“业务收益分析”方法，这是“像数据科学家一样思考”方法的先驱。 然后，在Yahoo，EMC，旧金山大学，爱尔兰国立大学戈尔韦分校的Business Objects以及现在在Hitachi Vantara任职的我都有幸与客户和学生一起不断地测试，调整和完善该方法。我所有的学习都记录在我的新书《像数据科学家一样思考的艺术》中。
感谢您加入我的旅程。
为了在当今的数字经济中生存，组织必须将其关键业务利益相关者转变为“数据科学公民”。这意味着，他们不仅应该了解在何处以及如何应用数据科学来为业务提供动力，还应该倡导采用数据优先的方法来进行整个组织的决策。
这就是我的新工作簿“ 像数据科学家一样思考的艺术 ”试图达到的主题。它被设计为一种实用的工具，可以帮助您的组织利用数据和分析来支持其业务和运营模型。内容充斥着模板，工作表，示例和动手练习，所有这些都旨在增强和部署“ 像数据科学家一样思考 ”的基本概念。
该工作簿由六章组成。第1、2和3章设置了业务，数据科学和设计思维的基础。第4章详细介绍了“像数据科学家一样思考”的方法，包括一个示例。第5章（假设开发画布）和第6章（优先级排序矩阵）涵盖了该方法的两个至关重要的组成部分。下面列出了每章中内容的更详细说明。
第1章： 大数据业务模型成熟度指数
第1章为整本书打下基础，并提出以下问题：“您的组织在利用数据和分析来支持业务模型方面的效率如何？” 同时为组织衡量自己提供基准。本章以一系列练习作为结尾，这些练习不仅有助于确定组织相对于该基准的位置，而且还提供了一个路线图，以变得更加有效地利用数据科学的业务潜力。
第2章： 了解数据科学的基础
为了更有效地利用数据和分析来支持组织的业务模型，业务利益相关者需要对数据科学可以完成的事情有深刻的了解。本章介绍了数据科学的可能性，外行人对数据科学的定义（确定可能更好地预测绩效的变量和指标），数据科学的开发过程以及业务利益相关者（“数据科学的公民”）的方式。 –可以提高组织的数据科学效率。
第3章： 设计思维将数据科学人性化
设计思维和数据科学在非线性工作环境中提供有意义，相关和可操作的结果方面具有许多相似之处。设计思路利用的力量威力推波助澜数据科学和商业的利益相关者（和主题专家）合作，以确定变量和指标，可能是更好的性能预测。设计思维有助于推动组织根据分析结果进行调整和采用。设计思维确实确实使数据科学变得人性化。
第4章：“像数据科学家一样思考”方法
啊，工作簿的核心，是实际的方法论本身。本章详细介绍了“ 像数据科学家一样思考 ”的八步方法，提供了模板，并为读者提供了一个详细的示例，使读者可以轻松地应用此方法来帮助组织确定数据科学在何处以及如何成为差异化客户的来源，产品和运营价值。
第5章： 假设发展画布
第5章重点介绍“像数据科学家一样思考”方法中最关键的输出或可交付成果– 假设发展画布。假设开发画布将数据科学团队与业务利益相关者之间的协作进行了整理，以确保数据科学团队具有必要的细节，以提供有意义的业务影响和相关性。本主题包括有关目标用例的详细信息，其中包括用例业务或运营目标，衡量进展和成功所依据的指标和KPI，对目标用例具有既定利益的关键利益相关者，分析将围绕的实体需要构建，支持决策和预测，最后是与用例误报和误报相关的成本。
第6章： 优先级矩阵处理
该工作簿总结了我在推动组织调整和采用结果分析时所发现的最重要的工具– 优先级矩阵。优先级矩阵流程利用了多种设计思维技术，不仅使关键业务利益相关者与数据科学团队应关注的用例保持一致，而且还试图弄清消极的积极行为，这些行为毁灭了许多善意的数据科学项目。归根结底，您可以建立世界上最有效的预测，但是如果没有人使用它们，那么您将一事无成。
希望您喜欢本工作簿。这是我在教学中企业利益相关者的道路上的一步“想等的数据科学家， ”的经验教训与客户多年工作的高潮。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！