Értékelés:
A James Taylor által írt „Digital Decisioning” című könyvről szóló kritikák kiemelik, hogy átfogó útmutatót nyújt a döntésmenedzsment és a mesterséges intelligencia üzleti felhasználásáról. Az olvasók nagyra értékelik a bemutatott gyakorlati meglátásokat és fejlett koncepciókat, különösen a prediktív modellek operacionalizálásával és az üzleti döntéshozatal fokozásával összefüggésben. A könyvet mind a kezdők, mind a tapasztalt szakemberek számára értékesnek tartják, akik a mesterséges intelligencia és a gépi tanulás megértését és alkalmazását szeretnék javítani a vállalkozásukban.
Előnyök:⬤ Értékes betekintést nyújt mind a kezdők, mind a haladó szakemberek számára.
⬤ Könnyen olvasható és emészthető, erőteljes ötletekkel.
⬤ Gyakorlati ismeretek az AI-vezérelt döntések maximális értékének megteremtéséről.
⬤ Világos útmutatást nyújt a prediktív modellek operacionalizálásához.
⬤ Jól strukturált és a valós üzleti igényekre összpontosít.
⬤ Támogatja a vállalkozások átalakulását a digitális korban.
⬤ Néhány olvasónak túl alapnak tűnhetnek a kezdeti fogalmak, ha széleskörű előismeretekkel rendelkezik.
⬤ Az üzleti szintű stratégiákra való összpontosítás nem feltétlenül felel meg azoknak, akik mély technikai betekintést keresnek.
⬤ A bemutatott ötletek olyan kulturális változást igényelhetnek a szervezeteken belül, amelynek megvalósítása kihívást jelenthet.
(10 olvasói vélemény alapján)
Digital Decisioning: Using Decision Management to Deliver Business Impact from AI
"C-szintű vezetőként dolgoztam több biztosítótársaságnál, és az elmúlt két évtizedben számtalan stratégiai tanácsadót, informatikai tanácsadót és technológiai szállítót alkalmaztam. Ez a könyv az egyetlen olyan megközelítést írja le, amely ténylegesen lehetővé tette számomra, hogy a prediktív modelleket működőképessé tegyem és valódi megtérülést érjek el "
A digitális döntéshozatal biztosítja, hogy a rendszerei intelligensen cselekedjenek az Ön nevében, pontos, következetes, valós idejű döntéseket hozva minden egyes érintkezési ponton. Operacionalizálja a gépi tanulást és a mesterséges intelligenciát, így minden alkalommal a lehető legjobb döntést hozhatja meg. Üzleti szabályokat használ, hogy garantálja az agilitást, az átláthatóságot és a megfelelőséget, amelyet a bevett vállalatok és a szabályozott iparágak megkövetelnek. Kizárólag a döntéshozatalra összpontosítva támogatja a folyamatos tanulást és fejlesztést. A Digital Decisioning méretarányosan alkalmazza a gépi tanulást és a mesterséges intelligenciát, hogy automatizálja a jövedelmezőbb, ügyfélközpontúbb és digitálisabb üzleti működéshez elengedhetetlen döntéseket.
"Alapvető olvasmány azon COO-k számára, akik az automatizálást szigorúan javítani kívánják az AI segítségével."
Ez a könyv, amely több tucat sikeres projektre épül, gyakorlati útmutatóban mutatja be a megközelítés alapelemeit. Ez a könyv a vezetőknek, nem pedig a műszaki csapatoknak szól, és a gépi tanulás, a mesterséges intelligencia és a prediktív analitika alkalmazására összpontosítja erőfeszítéseit. Hangsúlyt helyez a nem technikai nyelven megfogalmazott, gyakorlatias "ezt csináld legközelebb" tanácsokra, és a kritikus technológiák üzleti értékét és hatását írja le anélkül, hogy a technikai részletekbe merülne. Valós megvalósítások, valós vállalatok történetei mutatják be, hogy mit lehet tenni.
Ez a második kiadás a döntésmenedzsmentről szóló, már bevált és népszerű könyv teljesen frissített változata, amelyhez Tom Davenport és Eric Siegel vezető elemzési szakértők írtak előszót.
"James évek óta a döntésmenedzsment-technikák élvonalába tartozik. Bárkinek, aki az analitikát a döntések támogatására próbálja automatizálni és beágyazni, el kell olvasnia ezt a könyvet.".
--Bill Franks, az International Institute for Analytics vezető elemzési igazgatója, előadó és szerző.
"Abszolút mesterkurzus az analitikában magától az egyik nagy mestertől. Csupa szilárd tudás, bölcs tanácsok és nagyszerű példák, egy cseppnyi túlzás vagy puffogás nélkül.".
--Doug Laney, a Caserta vezető adatstratégája és az "Infonomics" című bestseller szerzője.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)