Я не совсем целевая аудитория и узнал не так много нового из этой книги. Тем не менее, она оказалась довольно полезной в том, что позволила посмотреть чужими глазами на те проблемы, с которыми я сталкиваюсь на работе. Обычно это узнаешь при общении с коллегами или из статей, а тут целая книга. И несколько интересных идей я отсюда все же почерпнул.
В книге действительно рассмотрены почти все аспекты работы отдела аналитики в компании: какие задачи стоят, какие инструменты используются, кто и как с этим всем работает, чего можно ждать и как выращивать.
Какие-то вещи я бы подал немного иначе, с чем-то я не согласен, но во всей книге я не встретил каких-то оторванных от реальности вещей. Чувствуется, что автор собрал не одни грабли на пути от начала карьеры в аналитике и до написания этой книги.
Я бы точно порекомендовал эту книгу руководителям, которые еще не имели опыта работы с аналитикой за пределами базовых инструментов вроде таблиц в экселе.
Я бы порекомендовал эту книгу аналитикам, которые уже набрались профессионального опыта, но еще не очень понимают роль аналитики в бизнесе.
И я бы порекомендовал эту книгу людям, которые уже обладают каким-то опытом и пониманием того, как работает бизнес, но только собираются заняться аналитиков
Супер. Книга хороша для своей области, но и область она заняла довольно необычную. Скорей всего она там одна.
Почитал я тут отзывы…
"Только вот про DS останется брошюрка страниц на десять, не больше"
Это вообще не о технических моментах DS книга. Она скорее для управленцев, наверно. Ну или для сеньеров, которые техмоменты и так все знают, а вот организационные и концептуально-организационные моменты, которые нигде в-общем-то не найдешь, эта кника предлагает.
Вообще книга для адекватного восприятия требует некоторой взрослости, чтоли, жизненного опыта, промышленного опыта и/или опыта в бизнесе. Тогда некоторые вещи, который пропустит и даже не заметит чисто технарь и узкий специалист, или молодой студент – для человека с набитыми шишками будет ценными и нетривиальными мыслями, ну или гипотезами на проверку.
Например:
"Мне этот опыт много дал – прежде всего я помогал компаниям, не отвлекаясь на корпоративные детали и бюрократию, как было бы, работай я в штате."
Здесь скрыто сразу несколько утверждений и зацепок для идей, но увидеть их может только человек с опытом. Причем утверждений довольно, ну, не то что «необычных», а «не попсовых», скажем так. Т.е. про них не скажешь что это вода, очевидные вещи, и «все так говорят» и вообще «капитан очевидность» – скорее наоборот: некоторые утверждения вызывают реакцию «да ладно! надо проверить! неужели это так?! а ведь и правда, что-то в этом есть!»
Это принципиально иной подход.
Книга хороша тем, что автор делится собственным опытом, а опыт, порой, ценнее пространных теоретических разглагольствований. Книга полезна для людей, которые только входят в тему Data Science. Плюс конкретные вещи из Data Science.
Пытаюсь дочитать книгу до конца уже второй раз. Общее впечатление: ожидала большей структурированности, вычитанного текста.
Из минусов: ощущение, что книгу не писали, а надиктовывали и затем просто расшифровали и так выпустили, вообще без редактуры. Читается неприятно. 150 упоминаний про «когда я работал там-то» – в чем польза этой информации? Пример из текста: «Лично у меня идея такого бизнеса зародилась во время работы в компании Wikimart.ru» – и?
"Совсем недавно мне нужно было нанять двух человек: инженера по данным и аналитика данных. Как вы думаете, на какую вакансию откликнулось больше кандидатов? Задам еще один вопрос: кого у нас в стране больше – гитаристов или барабанщиков? Я трижды играл на шоу #ROCKNMOB – это такой масштабный флешмоб для музыкантов-любителей: собирается толпа вокалистов, басистов, гитаристов и ударников, и банда из трех сотен человек пилит рок-хиты, от Queen до Rammstein. На одно из шоу было заявлено 27 ударников и 151 гитарист. Эта статистика более-менее отражает распределение сил в природе: парень с гитарой – это сексуальный архетип (я уже написал, что играю на электрогитаре?), и выглядит он всегда круче барабанщика. А еще гитару купить проще, чем барабанную установку. Инженеры по данным проигрывают аналитикам в еще более грустной пропорции: 95 % откликов приходит на вакансию data scientist. Они прямо как гитаристы! При этом большинство имеют крайне низкую квалификацию и очень скромный послужной список, но чувствуют себя опытными «сержантами». В этом тоже виноват хайп!" – лол, што это?))
Из плюсов: если продраться через специфический стиль текста, то полезная инфа есть.
EmeKL Спасибо за фрагмент. Сразу стало ясно, что это какая-то шляпа.
Я не совсем целевая аудитория и узнал не так много нового из этой книги. Тем не менее, она оказалась довольно полезной в том, что позволила посмотреть чужими глазами на те проблемы, с которыми я сталкиваюсь на работе. Обычно это узнаешь при общении с коллегами или из статей, а тут целая книга. И несколько интересных идей я отсюда все же почерпнул.
В книге действительно рассмотрены почти все аспекты работы отдела аналитики в компании: какие задачи стоят, какие инструменты используются, кто и как с этим всем работает, чего можно ждать и как выращивать.
Какие-то вещи я бы подал немного иначе, с чем-то я не согласен, но во всей книге я не встретил каких-то оторванных от реальности вещей. Чувствуется, что автор собрал не одни грабли на пути от начала карьеры в аналитике и до написания этой книги.
Я бы точно порекомендовал эту книгу руководителям, которые еще не имели опыта работы с аналитикой за пределами базовых инструментов вроде таблиц в экселе.
Я бы порекомендовал эту книгу аналитикам, которые уже набрались профессионального опыта, но еще не очень понимают роль аналитики в бизнесе.
И я бы порекомендовал эту книгу людям, которые уже обладают каким-то опытом и пониманием того, как работает бизнес, но только собираются заняться аналитикой.
Было интересно провести с автором несколько вечеров. Это не учебник и не справочник, но задачу расширить кругозор в сфере работы с данными и структурировать разрозненные "слышала звон" решить помог. Автору спасибо
Пытаюсь дочитать книгу до конца уже второй раз. Общее впечатление: ожидала большей структурированности, вычитанного текста.
Из минусов: ощущение, что книгу не писали, а надиктовывали и затем просто расшифровали и так выпустили, вообще без редактуры. Читается неприятно. 150 упоминаний про "когда я работал там-то" - в чем польза этой информации? Пример из текста: "Лично у меня идея такого бизнеса зародилась во время работы в компании Wikimart.ru" - и?
Из плюсов: если продраться через специфический стиль текста, то полезная инфа есть.
Читал уже основываясь на своей практике работы, находил много знакомого в описании процессов. Но подчерпнул и несколько новых мыслей и идей.
Ожидал от книги большего. Слишком много «воды» и саморекламы. Примерно треть книги – упоминания автора, что он работал в «Озон», «Wikimart», «RR»… Словно читатель с первого раза этого не понял. Книгу нужно сжать в несколько раз и выкинуть самопиар, бесполезные факты о встречах с руководителями, рассуждения об оценке работы сотрудников (кому это интересно?), заезженные вещи типа «ошибки выжившего». Только вот про DS останется брошюрка страниц на десять, не больше.
Александр Кадетов Просто напишите свою книгу :)) кажется, вы понимаете, как нужно :)
Автор, похоже, так и не определился с целевой аудиторией. То подробно разбирает самые азы, то кидается кодом. Удивило (неприятно) чрезмерное увлечение «фичами», «дашбордами» и прочими английскими терминами, набранными кирилиицей, но это, скорее, упрёк в адрес редактора. В целом, книга очень напоминает сборник блогов (даже не статей), собранных под одной обложкой. Ну, очень повеселило описание штангенциркуля (хотя, для молодёжи это может и экзотика).
Reviews of the book «Роман с Data Science. Как монетизировать большие данные», 10 reviews