En utfordring Internett presenterer er for mye valg når man foretrekker enkel underholdning. For eksempel, når jeg vil ha en mini-pause fra å skrive eller analysere data, ser jeg tilfeldigvis på YouTube-vurderinger av nye biler. Gjennomgang av biler er en del av min bil entusiast barndom. Det hjelper meg å huske de tre bilmagasinabonnementene min pappa ville bringe hjem.
Men volumet på YouTube-automatisk gjennomgangssider kan spise opp min tid. For mye valg kan overvelde, tvinger meg eller noen til å søke dom for å ikke overindulge i variasjon.
Jeg deler det personlige til side for å ramme formålet bak boken, Number Sense: Slik bruker du store data til din fordel av Kaiser Fung. Fung er en profesjonell Harvard utdannet statistiker og forfatter av Tall regler verden.
Han skrev Nummerfølsomhet å øke lesernes evne til å skille seg når en mengde valg av data har verdi og når det ikke gjør det. Jeg lærte om boken gjennom NetGalley og søkte en forhåndsanmeldt kopi før juli-utgaven.
Nummerfølsomhet: Å gjøre følelse av tall
Nummerfølsomhet er skrevet for organisasjoner generelt, ikke bare bedrifter. Alle typer organisasjoner står overfor flere databaserte beslutninger på dagen. Ved å etablere et bredt omfang, gjør Fung en solid påstand om at store data øker operasjonen mulig i en organisasjon:
"Årsaken til at vi skal bry seg er ikke flere data, men flere dataanalyser. Vi distribuerer flere mennesker som produserer mer analyse raskere .... Med så mye frie og enkle data, må det bli mer analyse. "
Fung fortsetter å merke seg hvordan det er nå mer sjanse for feil:
"Data gir teorilegitimitet. Men hver analyse sitter også på toppen av teorien. Dårlig teori kan ikke lagres av data. Verre, dårlig teori og dårlig analyse danner en brennbar blanding. "
For å opplyse oss om hvordan sjansene for feil forekommer, støtter Fung detaljene med en case study-tilnærming i teksten. Boken legger ut kapitlene i fire segmenter: Sosialdata, markedsføringsdata, økonomiske data og den spennende tittelen Sporting Data. Hvert segment inneholder virksomhets- og samfunnsmessige synspunkter for å markere hvordan dataavledede beslutninger kan misfortolke modellene en organisasjon skaper fra dataene.
Et glimrende tidlig eksempel er en republikansk modell for 2012 presidentvalget. Fung notater et sett med meningsmålinger forbedret med en datamodell som spådde en siste øyeblikk grunn av republikansk støtte og en Romney seier. Det er et glimrende eksempel på hvordan konkurrenter kan skyte seg i foten selv med like tilgang til de samme dataene.
Lesere som eier små restauranter, butikker og tjenester som er avhengige av Groupon-lignende digitale tjenester, vil ha fordel av de to kapitlene som undersøker tilpassing innen - vent på det - Groupon. Takeaway er at personalisering utvider verdien av kundesegmentering, men ikke alltid som forventet fra en planlagt strategi. Fung forklarer hvordan teknologien kan gå utover hensikt:
"Målteknologi er et verktøy som kan styrke økonomien til en Groupon-selger. Men punditryen forstår ikke hvordan. Målretting som beskrevet er ikke så mye opptatt av å sende mer relevante avtaler til abonnenter. Det fungerer ved å lede kuponger til lønnsomme segmenter av kunder, borte fra de frie rytterne og mot de første timere. "
Ideer som dette kan forbedre småbedriftsaksjoner når det gjelder strategi (se Megan Totka's artikkel "Hvordan en liten bedrift kan bruke store data" for flere store dataforslag).
Eksempler i Nummerfølsomhet Les som tilfeller, slik at forretningslesere ikke skal haste inn i teksten for svar, ellers vil de overse de viktigste punktene. Slutten kapittel på data og fantasy fotball overrasker i sin presentasjon, men dens takeaways var enklere enn teksten som beskriver eksemplet.
I noen tilfeller foretrekker jeg heller ikke å utforske detaljene. Når Fung bemerker at analytiske løsninger "kan ha et gap så høyt som 20-30%", får han nummeret riktig, men boken undersøker ikke den nåværende tilstanden til teknologiløsninger som blir brukt til store datautfordringer.
Lese Nummerfølsomhet å lære, men vær forsiktig med å søke
Med Nummerfølsomhet, Fung virket ambisiøs i å utvide på McKinsey Global Institutes definisjon av store data. Og jeg pris på Fungs ydmykhet og rettferdighet ved å nevne at han også kan være i feil - "Selv eksperter faller noen ganger i datafelt." Tonen viser øye for kontinuerlig læring og inspirert leting - de ultimate takeaway leserne bør ha for business intelligence bøker .
Til slutt leser enamored med statsbøker som Moneyball og Store data vil ikke bli skuffet. Ved å begrense valget av hvor å begynne å undersøke konseptene bak store data, Nummerfølsomhet gjør en troverdig lesning som kan vise hvor stor dataregistrering er på vei.
Når det gjelder liten underholdning til min neste bokanmeldelse ... Jeg er fortsatt fast, og velger hvilken bilvideo du vil se på (smil).
