دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Nathan E. Myers, Gregory Kogan سری: ISBN (شابک) : 9781119773306, 9781119773313 ناشر: سال نشر: 2021 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Self-Service Data Analytics and Governance for Managers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های سلف سرویس و حاکمیت برای مدیران نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
قوانین حاکمیت پروژه، حاکمیت سرمایهگذاری و حکمرانی ریسک در تجزیه و تحلیل دادههای سلف سرویس و حاکمیت برای مدیران با هم تنیده شدهاند، و مدیران را برای ساختار هرج و مرج اجتنابناپذیری که میتواند منجر به در دست گرفتن امور توسط کاربران نهایی شود، با انگیزه کنترل، تجهیز میکند. و مزایای بهره وری، پذیرش گسترده ابزارهای تجزیه و تحلیل داده ها، یک محیط متحرک جدید از تحول دیجیتال در دنیای مالی، حسابداری و عملیات ایجاد کرده است، جایی که کل عملکردها روز خود را صرف پردازش در صفحات گسترده می کنند. با تمرکززدایی از توسعه برنامهها، زیرا کاربران تجزیه و تحلیل خود را بر روی مجموعههای داده انجام میدهند و پردازش صفحهگسترده را بدون دخالت فناوری اطلاعات به صورت خودکار انجام میدهند، حاکمیت باید برای حفظ کنترل فرآیند در محیط جدید مورد بازنگری قرار گیرد. در این کتاب، فناوریهای نوظهوری که منجر به تجزیه و تحلیل دادهها شدهاند و زمینهای در حال تحول برای تحول دیجیتال را تشکیل میدهند، معرفی و توضیح داده میشوند و ابزارها و قابلیتهای برجسته تجزیه و تحلیل دادهها بر اساس سناریوهای دنیای واقعی نشان داده میشوند. نویسندگان یک روش بسیار مورد نیاز کشف فرآیند را ارائه میکنند که نحوه بررسی چشمانداز پردازش را برای شناسایی فرصتهای به کارگیری این قابلیتها شرح میدهد. شاید مهمتر از همه، نویسندگان چارچوبهای حاکمیت داده، حاکمیت فناوری اطلاعات و چارچوبهای حاکمیت مدل را هضم کنند، اما نشان میدهند که مجموعه کاملی از ساختارهای تجزیه و تحلیل داده را پوشش نمیدهند و شکاف حاکمیتی قابلتوجهی بر جای میگذارند. این کتاب به منظور پر کردن شکاف و ارائه یک چارچوب حاکمیتی مناسب برای هدف و عملی برای محافظت از ارزش ایجاد شده توسط استقرار تجزیه و تحلیل در مقیاس است. حکمرانی پروژه، حاکمیت سرمایهگذاری و قوانین حاکمیت ریسک با هم ترکیب میشوند تا مدیران را برای ساختار هرجومرج اجتنابناپذیری که میتواند با در دست گرفتن امور توسط کاربران نهایی ایجاد شود، تجهیز کند.
Project governance, investment governance, and risk governance precepts are woven together in Self-Service Data Analytics and Governance for Managers, equipping managers to structure the inevitable chaos that can result as end-users take matters into their own hands Motivated by the promise of control and efficiency benefits, the widespread adoption of data analytics tools has created a new fast-moving environment of digital transformation in the finance, accounting, and operations world, where entire functions spend their days processing in spreadsheets. With the decentralization of application development as users perform their own analysis on data sets and automate spreadsheet processing without the involvement of IT, governance must be revisited to maintain process control in the new environment. In this book, emergent technologies that have given rise to data analytics and which form the evolving backdrop for digital transformation are introduced and explained, and prominent data analytics tools and capabilities will be demonstrated based on real world scenarios. The authors will provide a much-needed process discovery methodology describing how to survey the processing landscape to identify opportunities to deploy these capabilities. Perhaps most importantly, the authors will digest the mature existing data governance, IT governance, and model governance frameworks, but demonstrate that they do not comprehensively cover the full suite of data analytics builds, leaving a considerable governance gap. This book is meant to fill the gap and provide the reader with a fit-for-purpose and actionable governance framework to protect the value created by analytics deployment at scale. Project governance, investment governance, and risk governance precepts will be woven together to equip managers to structure the inevitable chaos that can result as end-users take matters into their own hands.