MARC

 008260202s2023        xx            o                  0  eng  d
■001EBC30821354
■003MiAaPQ
■00520260202073946.0
■006m          o    d  |            
■007cr  cnu||||||||
■020    ▼a9781683926498▼q(electronic  bk.)
■020    ▼z9781683926511
■035    ▼a(MiAaPQ)EBC30821354
■035    ▼a(Au-PeEL)EBL30821354
■035    ▼a(OCoLC)1406411255
■040    ▼aMiAaPQ▼beng▼erda▼epn▼cMiAaPQ▼dMiAaPQ
■050  4▼aQA76.9.D343
■1001  ▼aMathias,  David.
■24510▼aData  Storytelling  and  Translation  ▼bBridging  the  Gap  Between  Numbers  and  Narratives
■250    ▼a1st  ed.
■264  1▼aBerlin▼bMercury  Learning  &  Information▼c2023.
■264  4▼c?023.
■300    ▼a1  online  resource  (207  pages)
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■5050  ▼aCover  --  Title  --  Copyrightpage  --  Contents  --  Prologue  --  Acknowledgments  --  Chapter  1  The  Age  of  the  Data  Translator  --  Curiosity  --  Empathy  --  Trustworthiness  --  Who  is  This  Book  For?  --  How  This  Book  is  Laid  Out  and  What  to  Expect  --  Chapter  2  All  Decisions  Start  With  People  --  Start  Understanding  People  by  Looking  Inward  First  --  Understanding  Incentives  and  Biases  --  Understanding,  Engaging,  and  Communicatin  With  Your  Customer  --  Sample  Survey  from  Talent  Management  to  Hiring  Manager  Customer  --  References  --  Chapter  3  Start  With  Good  Questions  and  Great  Listening  --  The  Importance  of  Good  Questions  --  The  Definition  of  a  Good  Question  --  How  to  Ask  Good  Questions  --  Asking  the  Right  Customer  --  Create  the  Right  Setting  --  Asking  in  the  Right  Time  and  Place  --  Defuse  With  Your  Questions  --  Body  Language  and  Tone  --  Listening:  Being  Heard  by  Being  a  Great  Listener  --  Focus  --  Understand  --  Respond  --  References  --  Chapter  4  Being  Fluent  in  the  Language  of  Data  --  Everything  Starts  With  Understanding  the  Data  --  Structured  versus  Unstructured  Data  --  Categorical  versus  Numerical  Data  --  Clean  versus  Messy  Data  --  Statistics  Is  the  Language  of  Understanding  Data  --  Descriptive  Statistics  --  Central  Tendency  --  Variability  --  Correlation  --  Inferential  Statistics  --  The  Superpower  of  Analytics  and  Data  Science  --  Types  of  Analytics  --  Foundational  Analytics  Concepts  --  Artificial  Intelligence  --  Machine  Learning  --  Specific  versus  General  Artificial  Intelligence  --  Classification  versus  Regression  --  Supervised  versus  Unsupervised  Learning  --  It's  All  About  the  Data  --  Data  and  Analytics  as  Services  --  The  Tension  Between  Transparency  and  Performance  --  Perpetual  Model  Bias  --  References  --  Chapter  5  Identify,  Understand,  and  Frame  Problems  --  Identifying  Problems  Means  Understanding  Pain  --  Problem-Ask-Value  Framework  --  Understand  the  Problem.
■5058  ▼aUnderstand  the  Question  --  Understand  the  Value  --  Reframing  Problems  --  References  --  Chapter  6  Simplifying  Insights  Through  Metrics    and  Objectives  --  What  Is  the  Purpose?  --  Communicate  Priorities  --  Align  People  and  Processes  --  Show  Progress  --  Motivate  Behavior  --  Define  Expectations  --  Reduce  Uncertainty  --  Leading  and  Lagging  Metrics  --  Efficiency,  Effectiveness,  and  Outcome  Metrics  --  Upward  and  Downward  Metrics  --  Who  is  the  Audience?  --  Sales  Activity  Metric  Example  --  Customer  Experience  Metric  Example  --  How  Do  You  Communicate?  --  Initial  Communication  --  Ongoing  Communication  --  Who  Is  the  Target?  --  Accuracy  versus  Precision  --  Operationalizing  Metrics  --  References  --  Chapter  7  Painting  Your  Data  Story  --  Data  Story  Canvas  Introduction  --  Data  Story  Topic  --  Delivering  Your  Data  Story  --  The  Audience  --  The  Existing  Narrative  --  What  They  Need  to  Know  --  The  Hook  --  Keep:  Holding  Their  Attention  --  Compel:  The  Call  to  Action  --  The  Data  Source  --  The  Tradeoffs  --  Your  Confidence  --  Data  Story  Canvas  Example  --  Chapter  8  everaging  Visuals  to  Share    Insights  and  Compel  Action  --  The  Purpose  of  Data  Visualization  --  Exploratory  Data  Visualization  --  Data  Visualization  as  Storytelling  --  Principles  of  Good  Data  Visualization  --  Picking  the  Right  Chart  --  Tables  Are  Not  Evil  --  Harnessing  the  Power  of  Size,  Angle,  and  Position  --  Size  --  Angle  --  Position  --  The  Power  of  Color  --  Color  Usage  --  Context  Correct  Color  --  Color  Consistency  --  Number  of  Different  Colors  --  Intensity  of  Color  --  Categorical  versus  Continuous  Color  --  Colorblind-Friendly  --  Text  in  a  Data  Visualization  --  Summaries  --  Titles  --  Legends  --  Axis  Labels  --  Data  Labels  --  Annotations  --  Consistency  --  Format  --  Source  --  Trends  and  References  --  Don't  Overdo  It  --  Gestalt  Principles  --  Moving  Beyond  Design  and  Communicating  Data  Visualizations.
■5058  ▼aPrioritize  the  Meaning  --  Ask  Questions  to  Engage  --  Get  Second  and  Third  Opinions  --  Avoid  Check-the-Box  Visualizations  --  Layer  Your  Visualization  --  Show  Your  Work  and  Get  Detailed  --  Build  Trust  Through  Data  Visualization  --  References  --  Chapter  9  Leveraging  Dashboards    in  Your  Communication  --  Dashboard  Best  Practices  --  Provide  the  What,  Why,  and  Now  What  --  Be  Consistent  --  Follow  the  Z-Pattern  --  Balance  Interactivity  --  Don't  Shy  Away  From  Text  --  Make  Sure  the  Data  Source  is  Obvious  --  Defaults  Matter  --  Dashboard  Lifecycle  --  Beginning  --  Middle  --  End  --  Dashboards  and  Storytelling  --  References  --  Chapter  10  Communicating  Your  Data  Story  --  An  Introduction  to  the  Data  Story  Checklist  --  Be  Authentically  You  --  Test  and  Verify  --  Be  Vulnerable  --  Eliminate  Roadblocks  in  Advance  --  Engage  Often  and  Early  --  Be  Transparent  and  Ethical  --  Be  Confident  and  Humble  --  Be  Prepared  to  Improvise  --  Lead  With  a  Story  Backed  by  Data  and  Visuals  --  Consider  the  Right  Person  --  Data  Story  Checklist  --  Developing  Your  Communication  Skills  --  Meetup  Groups  /  Professional  Association  --  Contributing  Author  --  Improvisational  Theater  --  Toastmasters  International  --  Conclusion  --  References  --  Epilogue  --  Top  20  Podcasts  for  Data  Translators  --  Top  20  Books  for  Data  Translators  --  Index.
■588    ▼aDescription  based  on  publisher  supplied  metadata  and  other  sources.
■590    ▼aElectronic  reproduction.  Ann  Arbor,  Michigan  :  ProQuest  Ebook  Central,  2026.  Available  via  World  Wide  Web.  Access  may  be  limited  to  ProQuest  Ebook  Central  affiliated  libraries.  
■655  4▼aElectronic  books.
■77608▼iPrint  version▼aMathias,  David▼tData  Storytelling  and  Translation▼dBerlin  :  Mercury  Learning  &  Information,c2023▼z9781683926511
■7972  ▼aProQuest  (Firm)
■85640▼uhttps://ebookcentral.proquest.com/lib/baekseok-ebooks/detail.action?docID=30821354▼zClick  to  View

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서