Rozwój organizacji opartej na danych i analityce Analityczny sposób myślenia Budowanie zespołu analitycznego i środowiska sprzyjającego współpracy Towarzysze podróży analitycznych Wybór projektów prowadzących do sukcesu Dynamika organizacyjna Uzyskanie przewagi konkurencyjnej lub utrzymanie konkurencyjności Podstawowy cykl współpracy i innowacji Przykład: koncentracja na samoaktualizujących się procesach zamiast na projektach Omówienie skutecznych i wydajnych zespołów analitycznych Sztuczna inteligencja i miejsca pracy w przyszłości Sztuczna inteligencja kreuje miejsca pracy Na wiele zawodów sztuczna inteligencja nigdy nie wpłynie Skoro sztuczna inteligencja stworzy więcej miejsc pracy, warto się do tego przygotować Miejsca pracy będą się zmieniać, a sztuczna inteligencja będzie napędzać tę ewolucję Sztuczna inteligencja i dane służą nam, a nie odwrotnie Zmiany są nieuniknione — myśl perspektywicznie Sztuczna inteligencja w systemie edukacji Kwestie etyczne Budowanie zespołu analitycznego Kontekst organizacyjny i związane z nim rozważania Innowacyjne umysły Staże i programy praktyk Różnorodność i inkluzywność Neuroróżnorodność Działania dyscyplinarne Dynamika rynku pracy Szukanie dopasowania Warunkiem sukcesu jest świadome przywództwo Ciągłe uczenie się i edukacja w zakresie danych na poziomie organizacyjnym Definicja skutecznego zespołu analitycznego Ogólny proces danologii Możliwości w obszarze architektury i struktury zespołu Architektura i struktura zespołu w podejściu rzemieślniczym fabrycznym hybrydowym Konsekwencje stosowania narzędzi własnościowych i otwartoźródłowych Zarządzanie zespołem analitycznym i jego rozwój Koncentracja i równowaga w zarządzaniu Zarządzanie sponsorami i interesariuszami Tworzenie wewnętrznego zapotrzebowania Zarządzanie czy współpraca? Otwarty czy sztywny sposób myślenia? Różnice w produktywności Rytm pracy Osobisty portfel projektów Zarządzanie dynamiką zespołu Początek procesu pozyskiwania talentów Potrzebny jest zespół Maksymy organizacyjne Ludzie nie zmieniają się wystarczająco szybko Zmiana kulturowa Przywództwo w zespołach analitycznych Sztuczna inteligencja i przywództwo Cechy skutecznych liderów w dziedzinie analityki Konsekwencja Pasja Ciekawość Odpowiedzialność Różnorodność Optymizm Budowanie pomocnego i zaangażowanego zespołu Zarządzanie spójnością zespołu Każdy może być źródłem dobrych (i złych) pomysłów Nowe role przywódcze — dyrektor ds. danych (CDO) i dyrektor ds. analityki (CAO) Od czego zacząć zatrudnianie dyrektora ds. danych lub dyrektora ds. analityki? Dyrektor ds. danych analityki Zarządzanie oczekiwaniami kadry zarządzającej Kształtowanie narracji i kierowanie nią Zlecanie prac na zewnątrz Codzienne operacje Innowacje Celebrowanie uczenia się (niektórzy nazywają to porażkami) Zapewnianie zaangażowania ekspertów biznesowych Pokonywanie przeszkód utrudniających wdrażanie analityki Kultura organizacyjna Dane lub algorytmy — punkt bez odwrotu Sposób myślenia menedżerów Braki w umiejętnościach Myślenie liniowe i nieliniowe Czy naprawdę potrzebujesz budżetu? Dużo małych zbiorów danych zamiast big data Projekty wstępne Realizacja wartości Wybieranie projektów o najwyższej wartości Samosterowność zespołu analitycznego Przedstawianie wartości analityki Względna wartość analityki Proste przedstawianie wartości analityki Umożliwianie zrozumienia wyników Proces wyboru projektu na poziomie korporacyjnym Ocena i komunikowanie wartości projektów Delegowanie podejmowania decyzji Czynniki techniczne lub organizacyjne Dane — czy istnieją i czy można je wykorzystać? Dane — źródła wewnętrzne i zewnętrzne Dane — źródła i informacje zastępcze Dane — integrowanie istotnych elementów Dane — kwestie etyczne Technologia — sprzęt, oprogramowanie i chmura Wskazówki dla użytkowników końcowych Gdzie kryje się wartość w projekcie? Kwestie operacyjne Marketing projektu — wizja, wartość czy jedno i drugie? Nie podejmuj wszystkich decyzji Czy eksperci merytoryczni wiedzą, jak wyglądają dobre wyniki? Portfolio projektów — małe i duże Możliwości i odpowiedzialność Operacjonalizacja analityki — jak przejść od projektów do środowiska produkcyjnego Proces zarządzania zmianą Poznawanie firmy Zarządzanie zmianą Wymagane zmiany mogą być poważne dla pracowników jednostek funkcjonalnych Zmiany w strukturze pracy Trzeba bezpośrednio zakomunikować potrzebę zmian Analityka i odkrywanie Procesy i systemy produkcyjne Cykle i systemy analityczne i produkcyjne — projekty wstępne Automatyzacja zarządzania danymi Modele i aplikacje analityczne Pielęgnacja modeli analitycznych i aplikacji Interfejs między cyklem prac analitycznych a procesami produkcyjnymi Pojedyncze decyzje a ciągłe prognozowanie Świadomość i wsparcie kierownictwa w obszarze danych i analityki Zarządzanie nowym ekosystemem analitycznym Twój główny cel — współpraca z interesariuszami Równowaga w pracy analitycznej — budowanie i obsługa aktualizacje Uwzględnianie i minimalizowanie błędu systematycznego Czy należy dążyć do wyeliminowania błędów systematycznych? Dlaczego należy wyeliminować błąd systematyczny? Jak wyeliminować błąd systematyczny? Etyka Zakres uwagi kadry zarządzającej Proces tłumaczenia wdrażania Przyszłość analityki Dane Wartość danych Osobista kontrola nad danymi Brokerzy danych i pośrednicy Sztuczna inteligencja dzisiaj Uczenie modeli sztucznej inteligencji Zrozumiała sztuczna inteligencja Informatyka kwantowa a sztuczna inteligencja Sztuczna inteligencja ogólna Uczenie dzieci miłości do liczb, wzorów i matematyki Łączenie uczenia się na pamięć z krytycznym myśleniem w modelu edukacji