تحلیل داده‌های کلان: راهنمای عملی برای مدیران

در عصری که داده‌ها به عنوان طلای جدید شناخته می‌شوند، کتاب «تحلیل داده‌های کلان: راهنمای عملی برای مدیران» نوشته‌ی کیم اچ. پرایس و رابرت دونیگان، پلی است میان هیجان‌زدگی از داده‌های کلان و درک واقع‌گرایانه از کاربرد و محدودیت‌های آن. این اثر با نگاهی عمل‌گرایانه، به مدیران کمک می‌کند تا از سردرگمی در میان انبوه اصطلاحات فنی عبور کرده و تصمیمات آگاهانه‌تری برای سرمایه‌گذاری بر روی فناوری‌های مرتبط با داده اتخاذ کنند.

دربارهٔ کتاب تحلیل داده‌های کلان: راهنمای عملی برای مدیران

این کتاب در سیزده فصل به قلم کیم اچ. پرایس و رابرت دونیگان، با تمرکز بر نیازهای مدیران و تصمیم‌گیرندگان کسب‌وکار نوشته شده است. اثر با مفاهیم بنیادین مانند قانون مور، رشد تصاعدی داده‌ها و فناوری‌های ذخیره‌سازی آغاز شده و سپس به بررسی عمیق‌تر ابزارهایی چون هدوپ (Hadoop)، اچ‌بیس (HBase) و دیگر پایگاه‌های داده‌های کلان می‌پردازد. موضوعاتی مانند یادگیری ماشین، آمار، سیستم‌های اطلاعات جغرافیایی (GIS) و نرم‌افزارهای مطرحی همچون اوراکل اندکا (Oracle Endeca) و اس‌ای‌پی هانا (SAP HANA) در این کتاب پوشش داده شده‌اند. با این حال، وجه تمایز اصلی کتاب در رویکرد آن است؛ نویسندگان به جای پرداختن به جزئیات فنیِ نحوهٔ نصب و راه‌اندازی نرم‌افزارها، بر دلایلِ انتخاب یک ابزار خاص تأکید کرده و نقاط قوت و ضعف هر کدام را در بستر تصمیم‌گیری مدیریتی بررسی می‌کنند. این کتاب همچنین به موضوعات حیاتیِ کیفیت داده و مغالطه‌های آماری می‌پردازد و هشدار می‌دهد که داده‌های کلان، برخلاف تصور رایج، همواره به منزله‌ی یک «اوراکل» خطاناپذیر عمل نمی‌کنند و نتایج نادرست، به ویژه هنگام مقایسه‌ی تعداد زیادی متغیر، می‌توانند بسیار گمراه‌کننده باشند.

دربارهٔ نویسنده

کیم اچ. پرایس دارای پیشینه‌ای علمی و صنعتی درخشان است؛ او دارای چهار مدرک تحصیلی از جمله کارشناسی ارشد مهندسی متالورژی از دانشگاه کارنگی‌ملون است و سابقهٔ مدیریت در حوزه‌های مهندسی، نرم‌افزار و تضمین کیفیت را در کارنامه دارد. او همچنین یکی از بنیان‌گذاران شرکت مشاورهٔ Value Transformation بوده و به عنوان مربی شش سیگما (Six Sigma) فعالیت داشته است. رابرت دونیگان، مدیر شرکت مشاورهٔ Janus Consulting Partners، دارای مدرک کارشناسی ارشد مدیریت بازرگانی (MBA) از مؤسسه‌ی معتبر INSEAD است. او بیش از سه سال در سپاه صلح (Peace Corps) در هندوراس و همچنین در پروژه‌های توسعه‌ای در افغانستان خدمت کرده است. دونیگان نیز مانند همکارش، گواهی کمربند مشکی شش سیگما را از انجمن کیفیت آمریکا (ASQ) دریافت کرده است. این ترکیب از تخصص علمی و تجربه‌ی عملی و بین‌المللی، به کتاب اعتبار و عمق ویژه‌ای بخشیده است.

چرا باید تحلیل داده‌های کلان: راهنمای عملی برای مدیران را بخوانید؟

• دیدگاهی کاربردی و فراتر از جزئیات فنی: این کتاب به جای درگیر کردن مدیران با کدنویسی و نصب نرم‌افزار، بر درک مفهومی و کارکردی ابزارها متمرکز است و به شما می‌گوید که چرا از یک ابزار خاص استفاده کنید، نه اینکه چگونه آن را نصب نمایید.
• ارزیابی جامع ابزارها و فروشندگان: با ارائه‌ی بررسی‌ای گسترده از محصولات و فروشندگان مطرح در بازار داده‌های کلان، از جمله سیستم‌های متن‌باز مانند هدوپ تا نرم‌افزارهای اختصاصی، به شما در انتخاب آگاهانه‌ترین گزینه کمک می‌کند.
• آگاهی از دام‌های آماری و کیفیت داده: کتاب با تشریح مفاهیم آماری پایه و خطرات ناشی از کاربرد نادرست آن‌ها، به مدیران می‌آموزد که چگونه سوالات درست را از تحلیلگران خود بپرسند و از پذیرش بی‌چون‌وچرای نتایج نادرست جلوگیری کنند.
• پوشش موضوعات روز مانند حریم خصوصی: علاوه بر مباحث فنی، به مسائل اخلاقی و چالش‌هایی مانند حریم خصوصی و نظارت که در عصر داده‌های کلان بسیار حیاتی هستند، پرداخته شده است.
• ارائه‌ی بینش از تجربه‌ی عملی نویسندگان: هر دو نویسنده با سابقه‌ی اجرایی به عنوان کمربند مشکی شش سیگما، تجربیات عینی خود را در به‌کارگیری روش‌های آماری و ابزارهای تحلیل برای کاهش ریسک‌های موجود در داده به کار گرفته‌اند.

این کتاب برای چه کسانی مناسب است؟

این کتاب به‌طور ویژه برای مدیران، تصمیم‌گیرندگان و متخصصان کسب‌وکاری نوشته شده است که مسئولیت ارزیابی، خرید یا پیاده‌سازی راه‌حل‌های داده‌های کلان را در سازمان خود بر عهده دارند. مخاطبان این اثر مدیران ارشد، مدیران فناوری اطلاعات، تحلیلگران کسب‌وکار و هر فردی هستند که نیاز دارد بدون درگیر شدن با پیچیدگی‌های فنیِ صرف، درک درستی از قابلیت‌ها، مزایا و محدودیت‌های تحلیل داده‌های کلان پیدا کند. همچنین برای دانشجویان رشته‌های مدیریت و علوم داده که به دنبال درک کاربردهای عملی این حوزه در محیط‌های سازمانی هستند، منبعی بسیار ارزشمند به شمار می‌رود.

سوالات متداول

آیا این کتاب برای کسانی که هیچ پیش‌زمینه‌ی فنی در حوزه‌ی داده ندارند، مناسب است؟

بله، رویکرد اصلی کتاب بر بیان مفاهیم به زبانی ساده و غیرفنی برای مدیران استوار است. نویسندگان به جای تمرکز بر دستورات و کدنویسی، بر منطق و کارکرد ابزارها و روش‌ها تأکید دارند، بنابراین مخاطب برای درک مطالب نیازی به دانش تخصصی برنامه‌نویسی یا مدیریت پایگاه داده ندارد.

این کتاب تا چه حد به بررسی ابزارهای خاص مانند هدوپ (Hadoop) پرداخته است؟

فصلی مجزا به هدوپ، به عنوان یکی از مهم‌ترین پلتفرم‌های متن‌باز، اختصاص داده شده است و کتاب به بررسی کامل اکوسیستم آن، نحوه‌ی کارکرد و فروشندگان مختلف این ابزار می‌پردازد. همچنین سایر نرم‌افزارهای کلیدی مانند اوراکل اندکا و اس‌ای‌پی هانا نیز در این اثر معرفی و مقایسه شده‌اند.

آیا کتاب صرفاً به مزایای داده‌های کلان می‌پردازد یا چالش‌های آن را نیز بررسی کرده است؟

این اثر به هر دو جنبه پرداخته است. بخش «مزایا» (Benefits) به کاربردهای موفق و فرصت‌های ناشی از داده‌های کلان اختصاص دارد، در حالی که بخش «نگرانی‌ها» (Concerns) به بررسی چالش‌ها، مغالطه‌های منطقی، سوگیری‌های شناختی و مسائل حریم خصوصی می‌پردازد و رویکردی متوازن و واقع‌گرایانه ارائه می‌دهد.

With this book, managers and decision makers are given the tools to make more informed decisions about big data purchasing initiatives. **Big Data Analytics: A Practical Guide for Managers** not only supplies descriptions of common tools, but also surveys the various products and vendors that supply the big data market. Comparing and contrasting the different types of analysis commonly conducted with big data, this accessible reference presents clear-cut explanations of the general workings of big data tools. Instead of spending time on HOW to install specific packages, it focuses on the reasons WHY readers would install a given package. The book provides authoritative guidance on a range of tools, including open source and proprietary systems. It details the strengths and weaknesses of incorporating big data analysis into decision-making and explains how to leverage the strengths while mitigating the weaknesses. * Describes the benefits of distributed computing in simple terms * Includes substantial vendor/tool material, especially for open source decisions * Covers prominent software packages, including Hadoop and Oracle Endeca * Examines GIS and machine learning applications * Considers privacy and surveillance issues The book further explores basic statistical concepts that, when misapplied, can be the source of errors. Time and again, big data is treated as an oracle that discovers results nobody would have imagined. While big data can serve this valuable function, all too often these results are incorrect, yet are still reported unquestioningly. The probability of having erroneous results increases as a larger number of variables are compared unless preventative measures are taken. The approach taken by the authors is to explain these concepts so managers can ask better questions of their analysts and vendors as to the appropriateness of the methods used to arrive at a conclusion. Because the world of science and medicine has been grappling with similar issues in the publication of studies, the authors draw on their efforts and apply them to big data. With this book, managers and decision makers are given the tools to make more informed decisions about big data purchasing initiatives. Big Data Analytics: A Practical Guide for Managers not only supplies descriptions of common tools, but also surveys the various products and vendors that supply the big data market. Comparing and contrasting the different types of analysis commonly conducted with big data, this accessible reference presents clear-cut explanations of the general workings of big data tools. Instead of spending time on HOW to install specific packages, it focuses on the reasons WHY readers would install a given package. The book provides authoritative guidance on a range of tools, including open source and proprietary systems. It details the strengths and weaknesses of incorporating big data analysis into decision-making and explains how to leverage the strengths while mitigating the weaknesses. Describes the benefits of distributed computing in simple terms; includes substantial vendor/tool material, especially for open source decisions; covers prominent software packages, including Hadoop and Oracle Endeca; Examines GIS and machine learning applications; Considers privacy and surveillance issues. The book further explores basic statistical concepts that, when misapplied, can be the source of errors. Time and again, big data is treated as an oracle that discovers results nobody would have imagined. While big data can serve this valuable function, all too often these results are incorrect yet are still reported unquestioningly. The probability of having erroneous results increases as a larger number of variables are compared unless preventative measures are taken. The approach taken by the authors is to explain these concepts so managers can ask better questions of their analysts and vendors about the appropriateness of the methods used to arrive at a conclusion. Because the world of science and medicine has been grappling with similar issues in the publication of studies, the authors draw on their efforts and apply them to big data. -- from back cover Covering prominent software packages, including Hadoop, Oracle Endeca, and SAP HANA, this book demonstrates the utility and promise of these applications. It also demonstrates the need to understand data quality and the ability of statistics to mislead when due rigor is not applied. As the authors are both ASQ-certified Six Sigma Black Belts, they demonstrate how common statistical tools and investigative methodologies can mitigate risks that arise from limitations in the data.