数据思维：人人必会的数据认知技能

图书标准信息

• 作者 [美]乔丹·莫罗（Jordan Morrow） 著；耿修林 译
• 出版社 广东经济出版社有限公司
• 出版时间 2022-04
• 版次 1
• ISBN 9787545481365
• 定价 79.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 260页

【内容简介】

本书分为三部分：数据的重要性、数据认知素养、数据处理技能。
  部分阐释了数据在我们日常生活和商业社会的重要性，数据正成为像石油、土地一样的重要的生产资料，而数字技能也正成为人才核心技能的重要组成部分。
  第二部分探讨了什么是数据认知素养，也就是数据认知素养的内涵是什么。乔丹•莫罗认为，数据素养是一种能力，它包括：阅读数据资料和信息的能力，用数据开展工作或活动的能力，分析数据的能力，用数据进行表达、对话和沟通的能力。
  第三部分是数据处理技能。乔丹•莫罗通过介绍如何阅读数据和信息、用数据开展工作、数据分析和数据沟通的点点滴滴，把数据分析的四个层次和数据认知素养的四个特征有机而紧密地结合了起来。
  乔丹•莫罗还谈到商务智能、人工智能、机器学习和算法、嵌入式分析、云、边界分析、地理分析等，以及其与人们数据认知素养之间的关系，指出只要我们每个人带着好奇心、创新性思维、批判性意识，从基本的数据及其分析运用开始，本着“娱乐化”的心态，找到自己感兴趣的话题不断实践，就一定能在实践中不断提升自身的数据认知素养。
  在快速发展的第四次工业革命的世界中，并非每个人都需要成为数据科学家，但每个人都应该具备数据素养，具备阅读、分析和与数据沟通的能力。
  正如译者耿修林老师所说，学习数据思维能够帮助你提高数据及其应用的意识，掌握一些数据处理和分析的基本方法，了解数据分析方法的适用条件，能够看懂数据处理结果。

【作者简介】

作者简介 

乔丹·莫罗（Jordan Morrow），Pluralsight的数据、设计和管理技能主管，也是数据素养领域的全球开拓者。他曾担任数据素养项目咨询委员会主席，曾在世界各地的多个会议上发言，并在数据和分析界积极发声。他热衷于帮助组织和个人实现它其数据及数量解析的潜能，是数据认知素养运动的创始人和先驱者之一，被公认为“数据认知素养之父”。

 

译者简介 

耿修林，南京大学商学院教授，博士生导师，长期从事统计学、数据分析和决策教学科研，是国内数字、数据领域的资深专家。个人作品有《社会调查中样本容量的确定》《符合性审计抽样方式及抽样规模》。翻译作品有《统计学：数据与模型》《商业数据分析》。另编写教材教辅10多本，科研论文80余篇。

【目录】

01 数据的世界
数据：我们生活的世界 003
数据：技能差距 009
数据：为什么存在技能差距 011
数据：下一步是什么 017
本章小结 018
参文献 019
02 数量解析的四个层次
数据与数量解析存在四个层次吗 022
数量解析四个层次的详解 024
数量解析四个层次的现实范例 038
本章小结 042
参文献 043
03 数据认知素养
特征 1：阅读数据 048
特征 2：用数据开展工作 052
特征 3：分析数据 057
特征 4：数据沟通 061
本章小结 064
参文献 066
04 数据认知素养“伞状”构成
数据与数量解析策略 070
数据认知素养与数据科学 072
数据认知素养与数据可视化 075
数据认知素养与高管团队 080
数据认知素养与 082
数据认知素养与数据质量 084
数据认知素养与数据治理 085
数据认知素养与数据道德和监管 087
本章小结 090
参文献 092
05 数据语言的阅读和表达
阅读数据 99
数据流畅 103
数据词典 106
数据阅读与数据流畅策略 107
组织实例 108
本章小结 110
参文献 111
06 数据认知素养与数量解析四个层次的结合
数据认知素养与描述数量解析 115
数据认知素养与诊断数量解析 120
数据认知素养与预测数量解析 125
数据认知素养与指导数量解析 130
数据认知素养与数量解析四个层次的整体拼图 134
本章小结 134
参文献 136
07 数据认知素养的学步骤
角与数据认知素养学 139
数据与数量解析策略和数据认知素养学 142
数据认知素养学框架与方法 144
数据认知素养四个特征的学 150
数据思维的学 155
数据认知素养学的其他重要领域 158
本章小结 160
参文献 162
08 数据认知素养的 3 个 c
数据认知素养的个 c：好奇心 165
数据认知素养的第二个 c：创造 172
数据认知素养的第三个 c：批判思维 179
本章小结 184
参文献 185
09 数据知情决策
数据知情决策框架 190
步骤 1：提出问题 191
步骤 2：获取数据 194
步骤 3：分析数据 197
步骤 4：整合分析 199
步骤 5：给出决策 205
步骤 6：开展迭代 207
本章小结 209
参文献 212
10 数据认知素养与数据与数量解析策略
数据驱动 215
智能 218
人工智能 221
机器学与算法 224
大数据 226
嵌入式分析 228
云 231
边缘分析 231
地理分析 233
本章小结 234
参文献 236
11 开启数据与数量解析旅程
covid-19 与数据与数量解析 242
制作食谱 245
主动数量解析和被动数量解析 249
从基础开始 251
数据与数量解析的游戏化应用 253
找到能激发兴趣的事情 255
找出自身的原因 256
本章小结 258
参文献 260