Описание книги "Самообслуживание данных Аналитика и управление для менеджеров" автора Натана Е. Майерса показывает, что наличие данных аналитиков и инструментов и анализ, процесс которых обрабатывается в электронных таблицах, создали новые условия управления и контроля в финансах, бухгалтерском учете и операциях. Однако, с децентрализацией разработки приложений, когда пользователи выполняют свой собственный анализ данных и автоматизируют обработку таблиц без участия IT-отделов, требование о необходимости заново пересмотреть управление процессом для поддержания его контроля в новых условиях. В этой книге авторы вводят и объясняют emergent-технологии, которые стали толчком к появлению аналитических данных, создают фон для цифровой трансформации, и представляют наиболее известные инструменты и функциональные возможности аналитических данных на основе реальных сценариев. Авторы предлагают необходимый методологию поиска процесс, описывая как опросить производственный ландшафт для определения возможностей для внедрения этих средств. Важным является и то, что авторы исследуют развитие зрелости существующих технологий анализа данных, управления IT и моделированием, чтобы показать, что они не полностью покрывают весь набор данных, в результате чего и возникает ситуация для развития возможностей управления данными, выполнения задач, связанных с финансами и контроль рисков.
В книге «Self-Service data analytics and governance for managers» , написанной Натана Э. Майерса (Nathan E. Myers), изложены подходы к управлению цифровыми преобразованиями в финансах, бухгалтерском учете и сфере операций для управляющих. Неожиданные технологические достижения в области аналитики данных, которые явились движущей силой для них, объясняются и рассматриваются. Кроме того, подробный взгляд на инструменты и потенциал такой аналитики будет рассмотрен на реальных примерах, где будут показаны эти технологии в действии. Авторами будет представлен принципиально необходимый метод обследования используемых аналитических систем с целью обнаружения потенциала для использования этих возможностей. Однако главное назначение этой книги — ликвидировать пробелы в усовершенствованных системах контроля данных, включая годный IT-(информационно-технологический)- и моделирующий контроль и управление. Книга предоставляет вполне подходящий и действующий набор принципов управления, который поможет защититься от потерь информации, вызванными крупномасштабным применением аналитики. Принципы управления проектами, инвестициями и рисками будут представлены в комплексе для упорядочения неизбежного хаоса, возникающего тогда, когда за пользователем остается принятие решений.
Электронная Книга «Self-Service Data Analytics and Governance for Managers - Nathan E. Myers» написана автором Nathan E. Myers в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119773306
Описание книги от Nathan E. Myers
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.
