Czy technologie sztucznej inteligencji spełnią obietnicę wielkiego sukcesu? Dotychczas stosunkowo niewielu przedsiębiorstwom udało się dokonać przełomu dzięki modelom biznesowym opartym na nowych technologiach. Niepowodzenia te można różnie tłumaczyć. Często problemem jest brak umiejętności analitycznych, a przecież rozwój przedsiębiorstwa zależy od jakości decyzji, a nie samego wykorzystywania danych lub technologii predykcyjnych. Okazuje się jednak, że lepsze decyzje można podejmować dzięki wykorzystaniu sztucznej inteligencji i dostępnych danych.
Oto praktyczny przewodnik po wypróbowanej kompleksowej metodzie ułatwiającej przekładanie decyzji biznesowych na łatwe w realizacji, normatywne rozwiązania, oparte na danych i sztucznej inteligencji. Badacze danych, analitycy i menedżerowie znajdą tu techniki ułatwiające zadawanie właściwych pytań i generowanie wartości z wykorzystaniem nowoczesnych technologii AI i reguł decyzyjnych. Przedstawiono szczegóły procesu decyzyjnego, począwszy od pożądanych konsekwencji lub wyników, aby następnie cofnąć się do kwestii działań, które można podjąć, i skończyć na omówieniu problemów oraz szans pojawiających się w wyniku wpłynięcia na niepewność i przyczynowość. Opisano też, jak formułować i rozwiązywać problemy normatywne.
Dzięki tej książce dowiesz się, jak:
- przekształcać pytania biznesowe w normatywne rozwiązania
- rozkładać decyzje biznesowe na etapy i stosować do nich różne metody analityczne
- zrozumieć i zaakceptować niepewność w procesie decyzyjnym
- optymalizować decyzje za pomocą predykcyjnych i normatywnych metod analizy
- generować znaczne wartości za pomocą technologii opartych na AI i danych
Opieraj swoje decyzje na technikach analizy danych!
O autorze
Dr Daniel Vaughan od piętnastu lat zajmuje się rozwiązywaniem problemów przy użyciu metod predykcyjnych i normatywnych. Obecnie prowadzi dział data science w Airbnb w Ameryce Łacińskiej. Wcześniej był dyrektorem do spraw danych i kierownikiem działu data science w Telefónica México.
Spis treści
Wprowadzenie 5
1. Myślenie analityczne i przedsiębiorstwa sterowane sztuczną inteligencją 11
- Czym jest sztuczna inteligencja? 12
- Dlaczego współczesna AI nie spełni pokładanych w niej nadziei? 13
- Jak się tutaj znaleźliśmy? 13
- Historia niespełnionych oczekiwań 17
- Umiejętności analityczne w nowoczesnym, sterowanym sztuczną inteligencją przedsiębiorstwie 18
- Główne wnioski 18
- Dodatkowe materiały 19
2. Wprowadzenie do myślenia analitycznego 21
- Pytania deskryptywne, predykcyjne i normatywne 21
- Pytania biznesowe i KPI 25
- Anatomia decyzji: prosty rozkład 27
- Wprowadzenie do przyczynowości 30
- Niepewność 37
- Główne wnioski 41
- Dodatkowe materiały 42
3. Zadawanie właściwych pytań biznesowych 43
- Od celów do pytań biznesowych 43
- Pytania deskryptywne, predykcyjne i normatywne 45
- Zawsze zaczynaj od pytania biznesowego i działaj wstecz 45
- Dalsza dekonstrukcja pytań biznesowych 46
- Nauka zadawania pytań biznesowych: przykłady typowych przypadków użycia 49
- Główne wnioski 60
- Dodatkowe materiały 61
4. Działania, dźwignie i decyzje 63
- Co jest przekładalne na działania? 63
- Dźwignie fizyczne 64
- Dźwignie ludzkie 65
- Przypadki użycia - powtórka 76
- Główne wnioski 79
- Dodatkowe materiały 80
5. Od działań do konsekwencji: nauka upraszczania 81
- Dlaczego musimy upraszczać? 82
- Ćwiczenie zmysłu analitycznego: powitajmy Fermiego 83
- Powtórka przykładów z rozdziału 3. 92
- Główne wnioski 99
- Dodatkowe materiały 99
6. Niepewność 101
- Z czego bierze się niepewność? 102
- Kwantyfikacja niepewności 102
- Podejmowanie decyzji w warunkach pewności 107
- Podejmowanie prostych decyzji w warunkach niepewności 109
- Decyzje w warunkach niepewności 111
- Normatywne i deskryptywne teorie podejmowania decyzji 115
- Przykładowe paradoksy towarzyszące podejmowaniu decyzji w warunkach niepewności 116
- Teoria w praktyce 120
- Przypadki użycia - powtórka 125
- Główne wnioski 133
- Dodatkowe materiały 133
7. Optymalizacja 137
- Czym jest optymalizacja? 137
- Optymalizacja bez niepewności 143
- Optymalizacja w warunkach niepewności 157
- Główne wnioski 164
- Dodatkowe materiały 164
8. Podsumowanie 167
- Umiejętności analityczne 167
- Sterowane AI przedsiębiorstwo przyszłości 173
- Uwagi końcowe 176
Krótkie wprowadzenie do uczenia maszynowego 177
