Hodnotenie:
Kniha „Optimalizácia od údajov k učeniu sa k činom“ od Stevena Flinna je oceňovaná pre svoj komplexný prístup k neustálemu zlepšovaniu v organizáciách, ktorý kladie dôraz najmä na rozhodovací proces v súvislosti s investíciami do technológií. Čitatelia oceňujú jej zrozumiteľnosť, praktické postrehy a aplikovateľnosť na obchodné aj osobné rozhodovanie.
Výhody:Kniha poskytuje cenný rámec pre neustále zlepšovanie, určuje priority technologických investícií pre rozhodovanie založené na údajoch, ponúka hlboký pohľad na zvyšovanie výkonnosti podniku a je prístupná aj čitateľom bez podnikateľského vzdelania. Obsahuje ilustrácie, zhrnutia a praktické tipy, vďaka čomu je užitočným zdrojom informácií pre obchodné aj osobné využitie.
Nevýhody:Niektorých čitateľov môže názov a hustota knihy zastrašiť a existujú obavy z rizika premrhania finančných prostriedkov, ak sa nebudú dodržiavať navrhované prístupy založené na údajoch.
(na základe 5 čitateľských recenzií)
Optimizing Data-To-Learning-To-Action: The Modern Approach to Continuous Performance Improvement for Businesses
Použite nový výkonný prístup a metódu, ktorá zabezpečí neustále zlepšovanie výkonnosti vašej firmy. Naučíte sa, ako určiť a oceniť riešenia založené na ľuďoch, procesoch a technológiách, ktoré optimalizujú procesy vašej organizácie od údajov k výsledkom.
Táto kniha podrobne opisuje, ako holisticky optimalizovať reťazec činností, ktoré sa tiahnu od údajov cez učenie sa až po rozhodnutia a akcie, čo je nevyhnutným predpokladom na dosiahnutie vynikajúcej výkonnosti v dnešnom podnikateľskom prostredí. Kniha adaptuje a integruje poznatky z vedy o rozhodovaní, teórie obmedzení a zlepšovania procesov a poskytuje metódu, ktorá je jasná, účinná a možno ju aplikovať takmer na každú podnikateľskú funkciu a odvetvie.
Naučíte sa, ako systematicky postupovať od rozhodnutí k údajom, odhadnúť tok hodnoty v reťazci a identifikovať nevyhnutné úzke miesta v hodnote. A čo je dôležité, naučíte sa techniky na kvantifikáciu hodnoty, ktorú možno dosiahnuť úspešným riešením úzkych miest, čím získate dôveryhodnú podporu potrebnú na realizáciu správnej úrovne investícií na správnom mieste a v správnom čase.
V dnešnom dynamickom prostredí s nekonečným prúdom nových, prevratných technológií, ktoré musia riadiaci pracovníci zvážiť (napr. cloud computing, internet vecí, umelá inteligencia/strojové učenie, business intelligence, podnikové sociálne siete atď., spolu so súvisiacimi veľkými dátami), autor Steven Flinn poskytuje komplexný prístup, ktorý je potrebný na efektívne rozhodovanie o týchto technológiách, podložený dôveryhodne kvantifikovanou hodnotou.
Čo sa dozviete
Pochopiť procesy od údajov k učeniu sa a ich základné prvky
Objaviť procesy s najvyššou mierou využitia od údajov k učeniu sa a k činnosti vo vašej organizácii
Identifikovať kľúčové rozhodnutia, ktoré sú spojené s procesom data-to-learning-to-action
Zistite, prečo to NIE je všetko o údajoch, ale JE to všetko o rozhodnutiach a učení sa
Určiť pozitívnu hodnotu rozšíreného učenia, ktoré môže zlepšiť rozhodnutia
Pracujte spätne od rozhodnutí s cieľom určiť hodnotové obmedzenia v procesoch od údajov k učeniu sa a k činnosti
Vyhodnoťte možnosti riešenia založené na ľuďoch, procesoch a technológiách, ktoré riešia obmedzenia
Kvantifikujte očakávanú hodnotu každej z možností riešenia a podľa toho stanovte priority
Implementácia, meranie a neustále zlepšovanie prostredníctvom riešenia ďalších obmedzení hodnoty
Pre koho je táto kniha určená
Vedúcim pracovníkom a manažérom podnikov, ktorí hľadajú ďalšiu úroveň organizačnej výkonnosti, znalostným pracovníkom, ktorí chcú maximalizovať svoj vplyv, technologickým manažérom a odborníkom z praxe, ktorí potrebujú efektívnejší prostriedok na stanovenie priorít technologických možností a nasadenia, poskytovateľom technológií, ktorí potrebujú spôsob, ako dôveryhodne kvantifikovať hodnotu svojich ponúk, a konzultantom, ktorí sú pripravení vytvoriť postupy na základe ďalšej veľkej paradigmy podnikovej výkonnosti.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)