不幸的是，商业中的分析从业者缺乏统一的“武士道”，可以告知商业领袖如何更好地利用数据。这可能导致冲突，使所有涉及到的kitana剑。
但足够的武士隐喻……
幸运的是，正在寻求分析以保持商业智能的业务经理可以使用更高级的书籍。
商业情报中的两位主要从业者是Thomas Davenport，我们对他们进行了审核 分析工作 和商业和统计学教授Jinho Kim。他们是“跟上量子：理解和使用分析指南”的作者。
在选择任何分析解决方案之前，本书深入探讨了如何部署人员和思想的战略意义。对于管理者来说，这本书为那些试图在他们的组织中收集数据的领导者提供了很好的阅读。
您的数据就是您的业务
跟上数量 有能力扩展关于数据有用性的讨论。我们越来越多地阅读或听到“大数据”一词，但许多作家从未涉及商业智能的主题 - 换句话说，分析如何超越数字？达文波特在以前的作品中揭示了他的分析视角，例如 判决电话 。在 宽客 他和金浪没有浪费时间去挖掘为什么大数据是建立业务的新方式，注意到：
“大数据和分析不只是改善内部决策。许多基于互联网的组织 - 谷歌，Facebook，亚马逊，eBay和其他组织 - 正在使用来自在线交易的所谓大数据，不仅支持决策，还为客户创建新的产品和功能。“
给小企业团队“大智慧”的视角
发展员工的小型企业必须管理人数以及这些资源的使用方式。由于超出基本指标的分析可以带来专门的衡量标准，因此本书提供了如何将组织发展为需求而不是随机选择资源的想法。 “构建问题”一章展示了如何组织分析挑战：
“进取的决定可能是由预感或直觉驱动的。此时的证据标准很低。当然，定性分析的重点是最终应用一些数据并测试你的预感。这是分析思想家和其他人之间的区别：他们用数据和分析测试他们的预感。问题识别阶段最重要的是充分理解问题及其重要性。“
作者揭示了如何评估和呈现信息的阶段和步骤，所有这些都通过简单的提醒如下：
“由于分析人员对技术术语感到满意……他们经常认为他们的观众也是如此。但这是一个悲剧性的错误。“
方便的是，“解决问题”部分可能是针对小型企业的最具可操作性的想法。在这一部分和其他部分中，有趣的方面比比皆是，以保持分析点的有趣。佛罗伦萨南丁格尔的死亡率工作与数据可视化有关。我喜欢“Fido方程式”，这是一个有趣的版本来解释模型是什么和应该做什么。在模型中分配变量之前，想象的概念就出现了：
“与选择变量的过程一样，即使是非常主观的事情也可以用系统的方式来衡量……无论您拥有什么数据，总有可能获得更多数据，或者与您最初用于思考问题的数据不同的数据。“
作者对模型，变量和数据可视化的研究使得本书成为在其他特定分析主题之前阅读的绝佳选择。你可以在拿起之前阅读它 预测 Analytics（分析） 和 大数据 没有编程语言细节在书中检查 雅虎网络分析 .
如果你发现自己正在进行基于数据的决策的争夺，你会发现 跟上数量 作为赢得一天的合适武器。
4评论▼
