Obchodní dovednosti pro datové vědce: Praktické návody k šesti klíčovým tématům

Recenze čtenářů

Kniha „Business Skills for Data Scientists“ od Dr. Davida Stephensona zdůrazňuje význam obchodních dovedností vedle technických znalostí pro datové vědce. Poskytuje praktické rady, jak se orientovat ve firemním životě a zlepšovat profesní vztahy, což je přínosné nejen pro datové vědce, ale i pro jednotlivce na různých obchodních pozicích.

⬤ Praktické a použitelné lekce, které jsou relevantní pro všechny profesionály v byznysu.
⬤ Zaměřuje se na měkké dovednosti nezbytné pro úspěch v kariéře.
⬤ Čerpá z autorových osobních zkušeností a výzkumu organizačního chování.
⬤ Nabízí cenné postřehy o orientaci v podnikovém životě, takže je užitečný zejména pro nováčky v oblasti datové vědy.

Někteří čtenáři obdrželi knihu ve špatném fyzickém stavu, což ovlivnilo jejich celkový dojem.

(na základě 5 hodnocení čtenářů)

Původní název:

Business Skills for Data Scientists: Practical Guidance in Six Key Topics

Obsah knihy:

Tato kniha vysvětluje základní obchodní dovednosti, které budete potřebovat, abyste mohli přinášet obchodní hodnotu a rozvíjet svou kariéru analytika nebo datového vědce. Na základě osvědčených postupů, publikovaných výzkumů, případových studií a osobních anekdot z dvacetileté praxe v oboru David Stephenson předkládá praktický a stručný přehled základních dovedností týkajících se společnosti, kolegů, vyprávění příběhů, očekávání, výsledků a kariéry - s důrazem na to, jak každé téma souvisí s vaší jedinečnou pozicí analytika ve větší společnosti.

Z úvodu:

"Šest témat v této knize - firma, kolegové, komunikace (storytelling), očekávání, výsledky a kariéra - je popsáno v šesti oddílech. Jsou uvedena zhruba v pořadí, v jakém je budete během své kariéry potřebovat, přičemž dovednosti vedení projektů přijdou na řadu později v knize. Poslední téma, kariéra, bude důležité ve všech fázích vaší kariéry, i když budete usilovat o své první zaměstnání datového vědce.

První část, společnost, vám pomůže pracovat v rámci větší organizace. První kapitola pojednává o tom, jak se organizace obecně dívají na datové vědce, proč je najímají a co od nich očekávají. Tato kapitola začíná vysvětlovat, jak můžete jako datový vědec vytvářet hodnotu pro firmu, což je téma, které je podrobněji rozvedeno v desáté kapitole. Druhá kapitola popisuje, jak navázat vztah s různorodými osobami ve vaší organizaci. Pochopíte-li, jak se různé role a funkce liší svými cíli a hodnotami, budete lépe připraveni poskytovat jim hodnotné výsledky.

Druhá kapitola, kolegové, se zabývá mezilidskými problémy, které pro datové vědce často představují značné problémy - kulturní nedorozumění, vyjednávání při neshodách a kancelářská politika. Mladší datoví vědci tato témata obvykle vnímají jako méně důležitá, a to až do dne, kdy je najednou shledají nesmírně důležitými.

Třetí oddíl, vyprávění příběhů, se zabývá zásadami a metodami, které jsou klíčové pro ústní a vizuální prezentace. Tato část popisuje, jak objasnit své sdělení, což je v zásadě snadné, ale v praxi obtížné, a jak vytvořit přehledné prezentace, grafy a tabulky. Podrobně se věnuje technikám pro odlehčení a soustředění, přičemž využívá principy, jako je Gestalt a preattentive processing. Dvě kapitoly v této části jsou pro datové vědce asi nejbezprostředněji relevantní a poskytnou vám několik velmi rychlých vítězství, jak jsem se přesvědčil z reakcí účastníků mých školení.

Čtvrtá část, očekávání, se zabývá technikami pro stanovení očekávání, zahájení projektu a udržení důvěry zúčastněných stran. Zejména se zabývám způsoby, jak dosáhnout konsensu na začátku projektu, a způsoby, jak se vyhnout časté chybě, kdy se usilovně snažíte vytvořit řešení, které nikdo nechce používat.

Pátá část, výsledky, představuje zásady, techniky a případové studie týkající se výběru nejpřínosnějších projektů datové vědy. Poté popisuje koncepty a rámce, které vám pomohou tyto projekty dovést do úspěšného konce, a to i přes měnící se očekávání a nejasnosti, které jsou v projektech datové vědy tak časté.

Šestá a poslední část, kariéra, se zabývá otázkami, které mi datoví vědci často kladou, například jak si vybrat mezi pracovními příležitostmi, jak posílit svůj životopis, a dokonce i tím, zda začít pracovat samostatně jako datový vědec na volné noze.".