کتاب Data Literacy in Practice

کتاب Data Literacy in Practice (سواد داده در عمل: راهنمای کامل برای سواد داده و تصمیم‌گیری هوشمندانه‌تر با داده‌ها از طریق اقدامات هوشمندانه) در 15 فصل به شرح کامل سواد داده خواهد پرداخت. این کتاب از بهترین منابع در حوزه‌ی علوم داده در حوزه‌ی رایانه می‌باشد.

در ادامه مقدمه‌ای از کتاب Data Literacy in Practice را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Data Literacy in Practice:

داده‌ها بیش از یک کالا در دنیای دیجیتال ما هستند. این جزر و مد وجود مدرن ماست. افراد، تیم‌ها و شرکت‌هایی که با اطمینان با داده‌ها کار می‌کنند، قلمرو جدیدی از امکانات را باز می‌کنند. چابکی، رشد و موفقیت اجتناب ناپذیر حاصل یک منشأ دارد: سواد داده.

سواد داده در عمل راهنمای جامعی است که درک شما را از مبانی سواد داده ایجاد می‌کند و سفر شما را برای کشف مستقل بینش‌ها با بهترین شیوه‌ها، مدل‌های عملی و مثال‌های دنیای واقعی سرعت می‌بخشد.

مدل چهار ستونی را که زیربنای همه داده‌ها و تجزیه و تحلیل است، کشف کنید. مفاهیمی مانند اندازه‌گیری کیفیت داده‌ها، راه‌اندازی یک محیط مدیریت داده‌های عملی، انتخاب نمودارهای مناسب برای خوانندگان و زیر سؤال بردن بینش‌ها را بررسی کنید.

این راهنما توسط دو پیشگام سواد داده نوشته شده است، که هر کدام دارای ردپایی کامل در دنیای تجاری داده و تجزیه و تحلیل، از جمله سخنرانی‌هایشان در دانشگاه‌های برتر ایالات متحده و هلند است.

در پایان کتاب، شما به ترکیبی از مهارت‌ها و طرز فکرها، همراه با ابزارها و چارچوب‌ها مجهز می‌شوید که به شما امکان می‌دهد بینش و معنا را در داده‌های خود بیابید تا تصمیم‌گیری مؤثر و کارآمد مبتنی بر داده‌ها را امکان‌پذیر کنید.

کتاب Data Literacy in Practice برای چه کسی است؟

این کتاب برای تحلیلگران داده، متخصصان داده و تیم‌های داده است که سفر سواد داده خود را شروع کرده یا می‌خواهند سرعت بخشند. مهارت‌ها و طرز فکری را که برای کار مستقل با داده‌ها، همراه با ابزارها و چارچوب‌ها برای ایجاد یک پایگاه دانش مستحکم نیاز دارید، کشف کنید و همین امروز شروع به کار کردن داده‌هایتان برای شما کنید.

آنچه کتاب Data Literacy in Practice پوشش می‌دهد:

فصل 1، آغاز – جریان داده، فرآیند رفتن از داده‌ها به بینش و عمل را پوشش می‌دهد و نشان می‌دهد که چگونه یک فرآیند چند مرحله ای است. درک این فرآیند برای هر کسی که از داده‌ها برای تصمیم گیری استفاده می‌کند بسیار مهم است. این فصل جریان داده‌ها را از طریق این فرآیند و همچنین مشکلات رایجی که در هر مرحله مانع ایجاد می‌شوند، معرفی می‌کند.

فصل 2 کتاب Data Literacy in Practice، بازگشایی سفر داده‌های شما، نشان می‌دهد که چگونه افراد برای اینکه بتوانند به درستی داده‌ها را به بینش‌های عملی تبدیل کنند، باید بتوانند از چندین مرحله در بلوغ تحلیلی استفاده کنند: توصیفی، تشخیصی، پیش‌بینی‌کننده، تجویزی و معنایی. این فصل آن مراحل را با مثال‌های عملی از بینش‌هایی که می‌توانید از هر مرحله در فرآیند به دست آورید، معرفی می‌کند.

فصل 3 کتاب Data Literacy in Practice، درک مدل چهار ستونی، به چهار رکن اصلی داده‌ها و تجزیه و تحلیل می‌پردازد که ما باید در کسب و کار خود به آن‌ها بپردازیم. همه می‌دانند و می‌دانند که داده یا داشبورد چیست. از این منظر، ما شاهد تقاضا و پذیرش بیشتر برای پروژه‌های داده و تحلیل و نیاز به دانش سواد داده هستیم.

فصل 4 کتاب Data Literacy in Practice، پیاده‌سازی سواد داده سازمانی، بر بهترین شیوه‌های مرتبط با استراتژی و فرهنگ سازمانی برای حمایت از سواد داده و تصمیم‌گیری مبتنی بر داده تمرکز دارد. برای اینکه افراد و سازمان‌ها بتوانند بینش و ارزش را از داده‌های خود استخراج کنند، نیاز به اتخاذ گسترده تصمیم گیری مبتنی بر داده است. علیرغم اینکه بسیاری از سازمان‌ها ابزار، فناوری‌ها و توانایی‌های فنی دارند، به دلیل نداشتن فرهنگ سواد داده‌ای، اغلب قادر به کسب اطلاعات در مورد داده‌ها نیستند.

فصل 5 کتاب Data Literacy in Practice، مدیریت محیط داده شما، به چگونگی بلوغ راه‌حل‌های کم‌کد/بدون کد به شیوه‌ای جالب توجه می‌کند و تمام مزایای آن را در ساخت دریاچه‌های داده سریع، انبارهای داده و خطوط لوله داده به کاربران خود می‌دهد.

اگر این فناوری را با راه‌حل‌های سنتی‌تر مقایسه کنیم، متوجه می‌شویم که می‌توانیم «سرعت مسابقه» بهتری در توسعه پایه داده و تجزیه و تحلیل داشته باشیم. با توجه به رشد بسیار زیاد (1.7 مگابایت داده در هر ثانیه برای هر فرد روی زمین ایجاد می‌شود) و پیچیدگی داده‌ها و محیط‌های داده، یک استراتژی داده خوب و محکم و مراقبت از چشم‌انداز داده مشترک هرگز به اندازه فعلی مهم نبود. اما در 2 سال گذشته، تغییری رخ داده است و ضرورت یک محیط داده مدیریت شده اهمیت بیشتری پیدا کرده است.

فصل 6 کتاب Data Literacy in Practice، همسویی با اهداف سازمانی، توضیح می‌دهد که چگونه شاخص‌های کلیدی عملکرد (KPI) برای کمک به سازمان‌ها در درک میزان عملکردشان در رابطه با اهداف و اهداف استراتژیک بسیار حیاتی هستند. با این حال، درک اینکه یک KPI واقعاً چیست در مقابل آنچه که فقط یک اندازه‌گیری یا یک معیار است، همراه با درک انواع مناسب KPI برای ردیابی، از جمله شاخص‌های پیشرو و عقب افتاده، مهم است.

فصل 7 کتاب Data Literacy in Practice، طراحی داشبوردها و گزارش‌ها، در مورد اینکه چگونه تجسم‌ها عملکردی حیاتی در کمک به توصیف موقعیت‌ها ارائه می‌کنند، صحبت می‌کند. تجسم‌ها می‌توانند هم برای یافتن بینش‌ها و هم برای انتقال آن بینش‌ها به دیگران استفاده شوند. انتخاب تجسم مناسب هم به داده‌هایی که استفاده می‌کنید و هم به آنچه می‌خواهید نشان دهید بستگی دارد. این فصل بر انتخاب نوع نمودار مناسب و همچنین طراحی نمودارها تمرکز خواهد کرد تا تفسیر بخش‌های مربوطه را برای افراد آسان‌تر کند.

فصل 8 کتاب Data Literacy in Practice، پرسش از داده‌ها، شامل یادگیری سؤال پرسیدن، تجزیه و تحلیل موارد پرت (داستان پشتیبان دکتر اسنو – مرگ در گودال)، حذف سوگیری و غیره است تا بتوانید سؤالات درست بپرسید و کنجکاوی خود را توسعه دهید. . تفاوت بین همبستگی و علیت را خواهید فهمید. با پرداختن به آن موضوعات، می‌توانید بفهمید سیگنال‌ها و نویز چیست و چگونه می‌توانید با پرداختن به سؤالات فرضی، نقاط پرت را تحلیل کنید. شما قادر خواهید بود بینش‌های خوب، بد و زشت را تشخیص دهید.

فصل 9 کتاب Data Literacy in Practice، مدیریت مسئولانه داده‌ها، توضیح می‌دهد که چگونه اخلاق علمی است که در آن افراد سعی می‌کنند اعمال خاصی را به عنوان درست یا نادرست تشخیص دهند. با این حال، هیچ پاسخ روشنی برای سؤالات اخلاقی وجود ندارد، زیرا آن‌ها اغلب بسیار شخصی هستند.

امروزه داده‌ها و تجزیه و تحلیل‌ها همه جا هستند و هر لحظه بیداری از زندگی ما را تحت تأثیر قرار می‌دهند. بنابراین، داده‌ها و تجزیه و تحلیل‌ها نقش بسیار زیادی در زندگی روزمره ما بازی می‌کنند – برای مثال، آمازون می‌داند ما چه چیزی می‌خریم و مقالات دیگری را پیشنهاد می‌کند که ممکن است به آن‌ها علاقه مند باشیم. برنامه‌ها به ما نشان می‌دهند که وقتی بزرگتر می‌شویم چگونه به نظر می‌رسیم، و Netflix و Spotify می‌دانند که ما چه چیزی را تماشا یا گوش می‌کنیم و به ما پیشنهاد می‌دهند که چه چیز دیگری را تماشا یا گوش کنیم.

فصل 10 کتاب Data Literacy in Practice، تبدیل بینش به تصمیم، بررسی می‌کند که چه تعداد از افراد و سازمان‌ها از داده‌های خود به بینش می‌رسند. با این حال، فرآیند تبدیل بینش به تصمیم گیری و عمل به آن‌ها بسیار دشوارتر است.

این فصل بر روی آنچه برای پشتیبانی از این مرحله در فرآیند لازم است، از جمله معرفی یک چارچوب شش مرحله‌ای، که هم سیستمی و هم سیستماتیک است، تمرکز دارد. این فصل همچنین شامل این است که چگونه می‌توانید تغییرات مربوط به تصمیمات خود را مدیریت کنید و چگونه می‌توانید از طریق داستان سرایی با داده‌ها به طور مؤثر با همه ذینفعان ارتباط برقرار کنید.

فصل 11 کتاب Data Literacy in Practice، تعریف چارچوب شایستگی سواد داده، توضیح می‌دهد که چگونه اولین قدم برای افزایش سواد داده‌ای خود از طریق آموزش، یادگیری این است که دقیقاً چه شایستگی‌هایی از سواد داده پشتیبانی می‌کنند.

این فصل از کتاب Data Literacy in Practice یک چارچوب شایستگی سواد داده را توصیف می‌کند که شامل مهارت‌های سخت، مهارت‌های نرم و ذهنیت‌های مناسب برای سواد داده است. همچنین در مورد اینکه چگونه شایستگی‌ها دارای سطوح مختلف هستند، صحبت می‌کند، و شما می‌توانید با تجربه‌تر شدن در زمینه سواد داده، در سطوح بالاتری پیشرفت کنید. این فصل همچنین بر بهترین شیوه‌ها برای شروع یادگیری این شایستگی‌ها تمرکز دارد.

فصل 12 کتاب Data Literacy in Practice، ارزیابی بلوغ سواد داده شما، معرفی می‌کند که چگونه می‌توانید مهارت‌های سواد داده خود را ارزیابی کنید و سپس توضیح می‌دهد که چگونه نتایج ارزیابی را برای شخصی سازی سفر آموزشی خود تفسیر کنید. قبل از اینکه سفر آموزشی خود را برای سواد داده‌ای شروع کنید، باید با ارزیابی سطح فعلی خود شروع کنید و سپس از آن ارزیابی برای درک اینکه در آینده روی چه شایستگی‌هایی تمرکز کنید، استفاده کنید.

فصل 13 کتاب Data Literacy in Practice، مدیریت پروژه‌های داده و تجزیه و تحلیل، راه‌هایی را توضیح می‌دهد که شما می‌توانید به یک پروژه داده و تجزیه و تحلیل نزدیک شوید و چگونه می‌توانید آن را به عنوان رهبر پروژه مدیریت کنید و موارد تجاری و ارزشی که می‌تواند به همراه داشته باشد را پیگیری کنید.

همه چیز با توسعه یک مورد تجاری داده و تجزیه و تحلیل شروع می‌شود، که در آن شما محدوده پروژه، اهداف و خطرات را تعریف می‌کنید، اما همچنین ارزش مفیدی را که می‌تواند برای سازمان شما به ارمغان بیاورد، تعریف می‌کنید. پروژه‌های داده و تجزیه و تحلیل اغلب در بین سازمان‌ها، بخش‌ها و فرآیندهای واحدهای تجاری هستند. آن‌ها عمدتا حاوی ترکیبی از اهداف استراتژیک هستند یا دارای محتوای سیاسی بالا و ذینفعان پنهان هستند و داده‌ها و ریسک‌های تحلیلی خاصی دارند که باید از آن‌ها مراقبت کنید.

فصل 14، ضمیمه الف – الگوها، موادی را برای کمک به شما برای شروع سفر سواد داده ای خود ارائه می‌دهد. تمامی مطالب در www.kevinhanegan.com نیز موجود است.

فصل 15، ضمیمه B – مراجع، خلاصه ای از منابع، کتاب‌ها و مقالاتی را که در طول سال‌ها خوانده ایم، ارائه می‌دهد. همه آن‌ها به ما الهام بخشیدند و در تدریس و نوشتن به ما کمک کردند.

سرفصل‌های کتاب Data Literacy in Practice:

• Contributors
• About the authors
• About the reviewers
• Preface
• Part 1: Understanding the Data Literacy Concepts
  • Chapter 1: The Beginning – The Flow of Data
  • Chapter 2: Unfolding Your Data Journey
  • Chapter 3: Understanding the Four-Pillar Model
  • Chapter 4: Implementing Organizational Data Literacy
  • Chapter 5: Managing Your Data Environment
• Part 2: Understanding How to Measure the Why, What, and How
  • Chapter 6: Aligning with Organizational Goals
  • Chapter 7: Designing Dashboards and Reports
  • Chapter 8: Questioning the Data
  • Chapter 9: Handling Data Responsibly
• Part 3: Understanding the Change and How to Assess Activities
  • Chapter 10: Turning Insights into Decisions
  • Chapter 11: Defining a Data Literacy Competency Framework
  • Chapter 12: Assessing Your Data Literacy Maturity
  • Chapter 13: Managing Data and Analytics Projects
  • Chapter 14: Appendix A – Templates
  • Chapter 15: Appendix B – References
• Index
• Other Books You May Enjoy

جهت دانلود کتاب Data Literacy in Practice می‌توانید پس از پرداخت، دریافت کنید.