Данные помогает делать бизнес (деньги) эффективней, но какой ценой? Все знают про Amazon Prime - бесплатная доставка за 2 дня, есть и другие опции как Prime Now, Prime Air и другие. Мы можем использовать данные, чтобы рассчитать модель доставки, и на компьютере все будет сходиться. Конечно все факты сложно учесть. Wallmart, например, пытается сделать доставку за 1 день, вместо 2х. В этой статье описаны случаи, когда из-за жесткого графика доставки страдают люди. По сути это обратная сторона монеты эффективной бизнес модели основанной на данных.

Если уж так случилось, что вы бросились изучать Machine Learning, то шаг номер один это математика, а если сразу математика и питон, то это замечательно, нашел классный курс для вас (бесплатный)! Платный будет только если я сделаю😝 А вот от него лабы, можете посмотреть.

https://weworkremotely.com вот такой сайт попался

Хорошая идея - нам не нужно ещё больше данных, нам нужны хорошие вопросы. Кто сможет задать хороший вопрос? Обычно тот, кто разбирается в бизнес процессах. Поэтому технарям сложно продавать идеи по внедрению ПО или разных приложений для аналитики, если они не очень хорошо разбираются как работает бизнес.

Пример создания дашборда в реальном времени с помощью Azure Cosmos DB и PowerBI

Форбс подготовил отчёт по AI, в общем и так было понятно, что все им занимаются!

Кстати никто не делает супер прорывной AI продукт? Есть возможность поехать в Шанхай на Road Show и встретиться с потенциальными инвесторами, поездку оплатят, если продукт стоящий.

Все в одном месте https://www.edx.org/course?search_query=databricks

Интересно, когда у нас тоже будут анлитическую рекламу на билбордах размещать.

Про резюме

BI митап в Москве https://severmed.timepad.ru/event/1060840/

1. Data Science Process https://lnkd.in/fMHtxYP
2. Data Visualization in Business https://lnkd.in/fYUCzgC
3. Understand How to answer Why https://lnkd.in/f396Dqg
4. Know Machine Learning Key Terminology https://lnkd.in/fCihY9W
5. Understand Machine Learning Implementation https://lnkd.in/f5aUbBM
6. Machine Learning Applications on Marketing https://lnkd.in/fUDGAQW
7. Machine Learning Applications on Retail https://lnkd.in/fihPTJf

Если вы еще не знаете, что такое Матемаркетинг, то вам обязательно нужно сходить. Это не реклама, это действительно крутая конференция, где можно многому научиться.


А вот и описание:
Главная конференция для маркетинговых и продуктовых аналитиков, data-инженеров, стратегов - Матемаркетинг-2019

80 докладов, 10 мастер-классов, 100 докладчиков, 2 полных дня
Докладчики летят со всего мира - от Сан-Франциско до Токио.
Ключевые темы: алгоритмический маркетинг, a/b-тестирование, маркетинговая аналитика, маркетинг микро- и малого бизнеса, трек игровой аналитики и секция полностью зарубежная секция по user acquisition.

Подробнейшая программа Матемаркетинга на двух вкладках google sheets: http://bit.ly/33SYfe0

Все решения, о которых пойдет речь, можно имплементировать у себя в компании и учитывать при планировании сервисов.

Конференция пройдет 14 и 15 ноября (четверг и пятница) в центре Москвы.
Билеты: http://bit.ly/2SEBSUJ
Все подробности на сайте: matemarketing.ru

А вот и запись с прошлого Матемаркетинга https://www.youtube.com/watch?v=MVp7eTdwEyA с моим докладом

Нашел интересную матрицу, которая показывает, сколько времени загружать при какой скорости интернета. Скорость загрузки лимитирована законами физики и пропускной способностью сети. Средняя скорость в организации - 100 Mbps. Чтобы загрузить 100TB данных, нам потребуется 4 месяца.

Облачная инфраструктура пораждает новые проблемы. https://www.irishtimes.com/opinion/high-energy-data-centres-not-quite-as-clean-and-green-as-they-seem-1.4013992

Классное иследование!

История ML

Архитерктура решений Machine Learning от Gartner. Как вы видете ML будет использоваться повсеместно и очень важно понимать, какие задачи в бизнесе он может решать. Вам не обязательно знать, как запилить модель, но вы должны понимать, для чего он используется, какие требования и тп. Тоже самое Big Data, врятли вы Map Reduce на Java будете писать, но вы понимаете в каком случае можно использовать Hadoop. Например в Amazon, множество внутренних курсов по AI/ML для не технический специальностой. Не важно, вы аналитик, Product Manager, вам нужно знать о пользе ML/AI для бизнеса, а польза действительно большая. Наглядный пример - это недавная инвестиция в Element AI, они решают конкретные задачи и бизнес за это платит.

Курсов много - coursera, edx, AWS, GCP, Azure. У последних даже есть специализации.

Из новостей про Element AI: "Элемент AI был запущен с интересной предпосылкой, которая заключается в чем-то вроде этого: AI - это следующий серьезный трансформационный сдвиг не только в области вычислений, но и в том, как работают компании. Не каждая компания является технологической, и это создает своего рода цифровой разрыв между компаниями, которые могут определить проблему и решить ее с помощью AI, и теми, которые не могут это сделать." То есть, компанию хочет демократизировать решения AI и уровнять шансы технологических и не технологических компаний. Достойная цель для инвестиций.