搜尋結果
2024年5月17日 · 寫報告或做簡報時，蒐集了一大堆資料後，還要花很多時間閱讀消化。現在只要運用AI工具，就能從重點摘要、翻譯到擬定架構，通通快速完成。你只要根據主題下指令，判讀AI彙整出的資料，就能輕鬆完成產出。 指定主題請Claude做摘要，數萬字檔案也秒 ...
2021年9月13日 · 觀念一：數據分析不只是提出預測，能幫助下對決策才有價值. 「比起關注 data science（資料科學），經理人更該思考如何借助數據做好 decision science（決策科學）」管其毅解釋，資料科學主要能分成 3 個階段： 首先是描述型分析，也就是透過累積、蒐集來的數據，了解已經發生的事，像產品銷售狀況、現有顧客樣貌等。 再來是診斷，釐清現狀有哪些問題、哪些地方應該做更好。 最後則透過機器學習、演算法，針對問題，提出預測及未來應採取的行動。 資料科學的 3 階段. 但即便是預測階段，都還是只停在資訊洞察的階段，沒有對公司產生實質助益。 管其毅指出，資料科學真正價值應在預測後的最後一哩路，下決策。
2018年7月20日 · 2018-07-20. 編譯 齊立文. shutterstock. 大數據一點都不大？ 可能誤導你的決策？ 破解 Big Data 的 8 個迷思. 經理人熱門 八分生活熱門. 分享. 收藏. 資料分析學（data analytics）和「大數據」（Big Data）給予了人們徹底顛覆「行銷」的期盼。 大多數公司都從許多管道蒐集到大量的數據：包括：財務數據、行動數據、交易數據、顧客研究數據、行為數據、社群媒體數據等等。 在新的分析技術、電腦運算能力倍增，以及線上資源即刻可得的推波助瀾下，更是催生出許多功能強大的工具，帶來了永久性的改變。 這些分析工具及技術的力量之大，已經使得分析學的應用範圍大大地延伸，不僅有助於開啟新的機會和策略，也開創了過往從來無法想像的可能性。
2021年5月3日 · 2021-05-03. 張維元. shutterstock. 資料科學家、分析師、工程師差在哪？ 一文搞懂你的資料團隊需要哪些人. 經理人熱門 八分生活熱門. 分享. 收藏. 要完成一個好的資料專案，靠的不能只是一個厲害的強者，需要的是一支合作無間的資料團隊。 資料思維是一種跨領域宏觀視野下的資料應用。 我們可以觀察近期幾個市場熱門的議題來，都不乏大數據應用的身影。 其中， 跨領域的整合也是另一個重要的應用關鍵。 無論資料的多寡，資料專案都是建基在資訊、統計、視覺化等不同的領域專業上面。 不過現實層面上來說，很難有人可以同時具備那麼多能力，因此在資料專案中更需要團隊合作。
2008年11月19日 · 釐清目的，得出執行方式. 在《創新者的思考》裡，大前研一也提到「要分清楚目的跟手段」。. 以冷氣為例，研發冷氣機是手段，提供消費者涼爽舒適的環境則是目的。. 他認為事情背後一定有目的存在，鼓勵大家藉追根究柢、釐清目的，進而得出執行方法 ...
2022年3月21日 · 其實現在有愈來愈多工具讓使用者透過非程式化的方式，完成資料清洗甚至建構自動化流程，像 Tableau Prep 就能透過圖形化介面建構自動化數據清洗任務，並能處理千萬筆的資料量。 延伸閱讀： 近年竄紅的 Tableau 是？ 5 亮點，一鍵匯出專業、動態的數據分析圖表. 近期很流行 No Code 工具，讓非技術專才人員也可自行進行資料清洗任務。
2018年3月22日 · 善用 5 種圖表，看出統計資料背後的祕密. 假設公司決定要裁員，你拿到 John 跟 Mary 這 6 個月以來的業績數據，你會決定留下誰？. 以萬元為單位。. 如果你簡單的加總兩人的業績總額，會發現 John 為公司帶進 395 萬元，而 Mary 只帶進 215 萬。. 看起來 ...
