پیشنوشت: این مطلب در پاسخ کامنت علی کریمی نوشته شده. این نوع پاسخها را معمولاً در بخش کامنتها مینویسم. اما به خاطر اینکه در متن این نوشته، بارها عبارات انگلیسی و فارسی ترکیب شده، برای حفظ بهتر فرمت متن، آن را در قالب یک نوشتهی جداگانه منتشر میکنم.
[toggle title=”صحبتهای علی (برای مشاهده کلیک کنید)”]
آیا امکانش برات هست یکی دوتا کتاب و نویسنده در زمینه تحلیل داده معرفی کنی؟ اگر در زمینه “علم داده” هم باشه چه بهتر.
چون از این بابت پرسیدم که میشه با جستجوی عباراتی مثل Data Analysis یا Data Analytics به کتابهایی رسید ولی معمولاً کتابهای خوب و مرجعی هستند که اصلاً تو عنوانشون Data نیست.
[/toggle]
توضیحات من
علی جان. قاعدتاً سواد من در تحلیل داده بسیار کمه و صرفاً در حد بعضی کارها و پروژههایی که درگیرش بودهام یا هستم، به سراغش رفتم. بنابراین پیشنهادهام رو با تأکید بر اینکه «پخته و کارشناسانه نیستند» مطرح میکنم.
اگر فقط Data Analysis رو مطرح کرده بودی، میتونستم فرض کنم بیشتر جنبههای تحلیل منطقی دادهها و نگاه مدیریتی به دیتا مد نظرت هست.
اگر هم فقط Data Analytics رو میگفتی، به نتیجه میرسیدم که یه سری کارهایی با پایتون و R و DAX و SPSS میخوای انجام بدی.
با توجه به اینکه هر دو رو گفتی، پیامش برای من اینه که کل محدوده مد نظرت هست و بیشتر کتابهایی که Introductory و در عین حال، مستند و محکم و زیربنایی باشن.
من با این فرض و با در نظر گرفتن اینکه حرفها و پیشنهاداتم باید برای بقیهی خوانندگان این مطلب هم مفید باشه، چند نکته رو میگم و بعداً اگر سوالت رو اشتباه یا ناقص فهمیده بودم، بهم بگو تا اصلاح یا تکمیلش کنم.
اولین نکته اینکه من اگر بخوام روی این موضوع – با گستردگی مورد اشارهی تو – سرچ کنم، کلمات کلیدی زیر رو حتماً امتحان میکنم:
Data Science
Data Analytics
Data Analysis
Data Mining
Data Sensemaking
Predictive Marketing
Predictive Data Analysis
Predictive Analysis
Business Intelligence
دومین نکته هم اینکه عادتی که من دارم اینه که اگر بخوام اولین قدم رو برای ورود به یک حوزه بردارم، به سراغ کتابهایی میرم که در عنوانشون Managerial Perspective داشته باشن یا تأکید شده باشه For Managers هستن.
چون کلاً وقتی مخاطب مدیره، چندتا فرض تلویحی و نانوشته توش هست:
- خیلی نمیفهمه و لازم هم نداره بفهمه
- خیلی مهمه که چارچوب کلی بحث رو خوب بفهمه
- اصطلاحات و کلمات رو باید درست و در جای مناسب بهکار ببره
- باید سیستمسازی روی اون مفاهیم رو درک کنه تا بتونه در سازمانش برای اون موضوع، تیم تشکیل بده یا دپارتمان بسازه یا پروژه تعریف کنه
اگر فرض کنیم این چهار مورد، واقعاً مفروضات چنین کتابهایی هستند (از من قبول کن که هستند) سبک نگارششون جوری «لقمهی جویده و آماده» است که هم برای هضم و جذب خواننده مفیده و هم میتونه بعداً به همون شکل «جویده» به دیگران تحویل بده.
با این مقدمه، دو کتاب قابل پیشنهاده:
Business Intelligence, The Savvy Manager’s Guide, Loshin, 2003
Business Analytics for Managers, Laursen, 2010
هر دو کتاب قدیمی هستن. مثلاً اون چیزهایی که لوشین در اواخر کتابش به عنوان Emerging Trends and Techniques مطرح میکنه الان دیگه میشه گفت کاملاً Well-established Procedures محسوب میشن. اما همچنان اگر در مخاطب در گام صفر باشه، کتابهای خوبی محسوب میشن.
کتاب لارسن رو از این جهت نوشتم که اگر کسی میخواد تحلیل دادههای کسب و کار رو به عنوان شغل یا تخصص انتخاب کنه و الان هیچی غیر از همین یه اصطلاح رو نمیشناسه (در واقع فقط نیت کرده بره توی این کار) واقعاً لارسن میتونه بهش دید بده.
نکتهی بعدی اینکه اگر بخوام قدم دوم رو بردارم و به یاد گرفتن تعدادی اصطلاح قانع نشم، به سراغ تکستبوکها و منابع آموزشی دانشگاهی میرم. چون قاعدتاً برای دانشجو نوشته شدهان و این باعث میشه که:
- متن سادهای داشته باشن
- ساختار شفاف و پختهای و اثربخشی برای کتاب تعریف شده باشه
- واژهها و مفاهیم و اصطلاحات، با دقت و با ارجاع به منابع معتبر تعریف بشن.
کتاب شاردا و توربان از این نظر به قضاوت من، یک کتاب خوبه:
Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 2017
کلاً Turban آدمیه که خیلی منسجم و خوب فکر میکنه و مینویسه و به متن ساختار میده. کتابهای E-Commerce و IT Management توربان هم عالی هستن. این کتاب که معرفی کردم، یه نسخهی مشابه هم داره به اسم Business Intelligence and Analytics. بسته به اینکه کدوم رو پیدا کنی، میتونی یکیشون رو بخونی. تقریباً یه حرف میزنن.
این کتاب هم رویکرد مدیریتی داره و هم برای دانشگاه نوشته شده و هم به نسبت جدیده. از این نظر میتونه خیلی مفید باشه.
دو تا کتاب دیگه هم هستن که شامل دو شرط بالا نمیشن (نه تکست بوک هستن و نه برای مدیران نوشته شدهان)؛ اما خیلی مقدماتی محسوب میشن و زبان غیر تکنیکال دارن:
Confident Data Skills, Eremenko, 2018
An Introduction to Data, Francesco Corea, 2019
کتاب ارمنکو، یه جورایی مثل کتاب لارسن برای مخاطبی مناسبه که دنبال مسیر شغلی در تحلیل داده است.
کوریا هم کتابش مقدماتیه. اما کلاً نویسندهی جوان و باسوادیه و چند تا کتاب دیگه هم در رابطه با بیگدیتا و هوش مصنوعی داره.
اما به عنوان چهارمین نکته، پیشنهاد میکنم اگر جدی قراره تحلیل داده بخونی، یه نیمنگاهی هم به آمار داشته باشی. خصوصاً کتابهای آماری که نویسندگانش در گوشهی ذهنشون کاربردهای دیتا ساینس هم بوده. مثلاً کتاب Agresti که از این نظر عالیه:
Statistics: The Art and Science of Learning from Data, Agresti, 2016
بخش پنجم و پایانی توضیحاتم، چند تا کتابه که واقعاً خوندنش به نظرم میتونه کمککننده باشه.
یکی از نویسندگانی که من واقعاً عاشق سبک نگارششون هستم، گوردون لینوف هست. اولین کتابی که توی این فضاها خوندم، از لینوف بود و آخرین کتابی هم که دستمه از لینوفه و در کل، اسمش به عنوان نویسندهی اول یا آخر هر کتابی باشه میخرمش:
Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management, 2011
Data Analysis Using SQL and Excel, 2015
هر دو کتاب، تکنیکال و در عین حال با زبان بسیار ساده نوشته شدهان و حتماً توصیه میکنم بخونیشون.
کتاب پرو وُست هم واقعاً ارزش خوندن داره و به نظرم خوندنش رو در کنار کرهای لینوف از دست نده:
من دیگه اینجا سراغ Big-data و Deep-learning و Artificial Neural Network و SPSS و … نرفتم. چون نمیدونستم دقیقاً چه فضایی مد نظرت هست.
ضمناً من حدسم اینه که تو در نهایت، Predictive Analysis لازم داری (بعد از کارهایی مثل سگمنت و کلاسترینگ و Associate کردن). اگر این بود که بعداً دربارهاش جداگانه باید حرف بزنیم.
درس مرتبط در متمم: علم داده چیست و چه کاربردی دارد؟