Bewertung:
Das Buch wurde kritisiert, weil es sich stark auf Marketing-Inhalte von Big-Data-Anbietern stützt und keine substanziellen, tiefgehenden Einblicke in die behandelten Themen bietet. Rezensenten bemängelten redaktionelle Probleme und einen Mangel an praktischen Anleitungen, was darauf hindeutet, dass das Buch sein Versprechen als Ressource für Manager nicht einlöst.
Vorteile:Versucht, über oberflächliche Diskussionen über Big Data hinauszugehen; deckt eine Reihe von Themen ab, die für maschinelles Lernen relevant sind.
Nachteile:⬤ Hauptsächlich recyceltes Marketingmaterial von Anbietern
⬤ es fehlt an Tiefe und praktischen Einsichten
⬤ redaktionelle Probleme
⬤ kein nützlicher Leitfaden für Manager.
(basierend auf 2 Leserbewertungen)
Big Data Analytics: A Practical Guide for Managers
Dieses Buch gibt Managern und Entscheidungsträgern die Werkzeuge an die Hand, um fundiertere Entscheidungen über Big-Data-Kaufinitiativen zu treffen. Big Data Analytics: A Practical Guide for Managers liefert nicht nur Beschreibungen gängiger Tools, sondern gibt auch einen Überblick über die verschiedenen Produkte und Anbieter, die den Big-Data-Markt beliefern.
Dieses leicht zugängliche Nachschlagewerk vergleicht und kontrastiert die verschiedenen Arten von Analysen, die üblicherweise mit Big Data durchgeführt werden, und bietet klare Erklärungen zur allgemeinen Funktionsweise von Big-Data-Tools. Anstatt sich damit zu beschäftigen, WIE bestimmte Pakete zu installieren sind, konzentriert sich das Buch auf die Gründe, WARUM der Leser ein bestimmtes Paket installieren sollte.
Das Buch bietet verlässliche Anleitungen zu einer Reihe von Tools, darunter Open-Source- und proprietäre Systeme. Es beschreibt detailliert die Stärken und Schwächen der Einbeziehung von Big-Data-Analysen in die Entscheidungsfindung und erklärt, wie man die Stärken nutzen und die Schwächen abmildern kann.
⬤ Beschreibt die Vorteile des verteilten Rechnens in einfachen Worten.
⬤ Enthält umfangreiches Material zu Anbietern und Werkzeugen, insbesondere für Open-Source-Entscheidungen.
⬤ Behandelt prominente Softwarepakete, darunter Hadoop und Oracle Endeca.
⬤ Untersucht GIS- und maschinelle Lernanwendungen.
⬤ Betrachtet Fragen des Datenschutzes und der Überwachung.
Das Buch befasst sich außerdem mit grundlegenden statistischen Konzepten, die, wenn sie falsch angewandt werden, die Quelle von Fehlern sein können. Immer wieder werden Big Data als Orakel behandelt, das Ergebnisse liefert, die sich niemand hätte vorstellen können. Big Data kann zwar diese wertvolle Funktion erfüllen, doch allzu oft sind diese Ergebnisse nicht korrekt, werden aber dennoch unhinterfragt weitergegeben. Die Wahrscheinlichkeit fehlerhafter Ergebnisse steigt, wenn eine größere Anzahl von Variablen verglichen wird, es sei denn, es werden vorbeugende Maßnahmen getroffen.
Der Ansatz der Autoren besteht darin, diese Konzepte zu erläutern, damit Manager ihren Analysten und Verkäufern bessere Fragen zur Angemessenheit der Methoden stellen können, mit denen sie zu einem Ergebnis kommen. Da die Wissenschaft und die Medizin bei der Veröffentlichung von Studien mit ähnlichen Problemen zu kämpfen haben, greifen die Autoren auf ihre Bemühungen zurück und wenden sie auf Big Data an.
| ISBN: | 9781032340197 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 576 |
Derzeit verfügbar, auf Lager.
