Home » Articole » Articole » Afaceri » Știința datelor (Data Science) » A apărut ediția tipărită a cărții ”Business intelligence și analitica în afaceri”, de Drew Bentley, traducător Nicolae Sfetcu

A apărut ediția tipărită a cărții ”Business intelligence și analitica în afaceri”, de Drew Bentley, traducător Nicolae Sfetcu

Business intelligence și analitica în afaceri

Format B5 Academic, 257 x 182 x 20 mm, 749 g, 389 pagini, ISBN 978-606-033-776-8. Preț: 49,99 lei
MultiMedia Publishing https://www.telework.ro/ro/e-books/business-intelligence-si-analitica-in-afaceri/

Datele sunt fapte și cifre brute, iar informațiile sunt date semnificative care ar fi utile pentru o persoană sau companie. Business intelligence extrage informații din datele brute prin instrumente precum mineritul datelor, analiza perspectivală, procesarea analitică online etc. Cartea va oferi cititorilor informații cuprinzătoare despre inteligența și analitica în afaceri. Ea explorează toate aspectele importante ale business intelligence și analiticii în scenariul actual. Subiectele abordate în această carte extinsă tratează aspectele de bază ale business intelligenc, propunându-și să servească drept ghid de resurse pentru studenți facilitând studiul disciplinei, experți și pentru practicanți.

Prefața translatorului: Rolul megadatelor în știința datelor
Capitolul 1- Strategia și planificarea încorporate în orice afacere este cunoscută sub numele de inteligența în afaceri (business intelligence). Poate include, de asemenea, produse, tehnologii și analiza și prezentarea informațiilor comerciale. Acest capitol va oferi o înțelegere integrată a business intelligence.
Capitolul 2 – Analitica este înțelegerea și comunicarea tiparelor semnificative de date. Analitica este aplicată în afaceri )și nu numai) pentru îmbunătățirea performanțelor. Unele dintre aspectele explicate în acest text sunt analitica software, analitica încorporată, analitica învățării și analitica rețelelor sociale.
Capitolul 3- Procesul de înțelegere a tiparelor găsite în seturi mari de date (megadate, big data) este cunoscut sub numele de mineritul datelor (data mining). Unele dintre aspectele mineritului de date care au fost elucidate în secțiunea următoare sunt învățarea regulilor de asociere, analiza clusterului, analiza regresiei, rezumarea automată și exemple de minerit a datelor.
Capitolul 4 – Depozitul de date este nucleul business intelligence. Este utilizat în principal pentru raportarea și analiza datelor, magazinul de date, managementul datelor de bază, dimensiunea, schimbarea lentă a dimensiunilor și schema stea. Acest text elucidează teoriile și principiile cruciale ale depozitării datelor.
Capitolul 5- Efortul depus pentru a culege informații legate de clienți sau piețe este cunoscut sub numele de cercetare de piață. Cercetarea de piață este o parte importantă a strategiei de afaceri. Segmentarea pieței, tendința pieței, analiza SWOT și cercetarea pieței sunt câteva dintre subiectele elucidate în acest capitol.
Capitolul 6 – Aspectele esențiale ale inteligenței în afaceri (business intelligence) sunt analiza contextului, managementul performanței afacerii, descoperirea proceselor de afaceri, sistemul informațional, inteligența organizației și mineritul proceselor. Metoda de a analiza mediul oricărei afaceri este cunoscută sub denumirea de analiză de context. Subiectele discutate în această secțiune sunt de mare importanță pentru a extinde cunoștințele existente despre inteligența în afaceri.
Capitolul 7 – Inteligența operațională are o serie de aspecte care au fost elucidate în acest capitol. Unele dintre aceste funcții sunt procesarea complexă a evenimentelor, gestionarea proceselor de afaceri, metadate și analiza cauzei principale. Componentele discutate în acest text sunt de mare importanță pentru a lărgi cunoștințele existente despre inteligența operațională.
Postfața translatorului: Etica în știința datelor

CUPRINS:

Prefața translatorului: Rolul megadatelor în știința datelor
– Bibliografie
Prefață
Capitolul 1 Business Intelligence
– 1.1 Business Intelligence
– – Componente
– – Istorie
– – Depozitarea datelor (data warehouse)
– – Comparație cu inteligența competitivă (competitive intelligence)
– – Comparație cu analitica de afaceri (business analytics)
– – Aplicații într-o întreprindere
– – Prioritizarea proiectelor
– – Factorii de succes ai implementării
– – Sponsorizare de afaceri
– – Nevoi de afaceri
– – Cantitatea și calitatea datelor disponibile
– – Aspecte legate de utilizatori
– – Portaluri BI
– – Piața de desfacere
– – Specifice industriei
– – Date semi-structurate sau nestructurate
– – Date nestructurate vs. semi-structurate
– – Probleme cu datele semi-structurate sau nestructurate
– – Utilizarea metadatelor
– – Viitorul
– 1.2 Inteligența de afaceri mobilă (Mobile Business Intelligence)
– – Livrarea informațiilor către dispozitive mobile
– – Transmiterea datelor statice
– – Acces la date printr-un browser mobil
– – Aplicație client mobil
– – Aplicații mobile BI concepute special
– – Aplicații Web vs. Aplicații specifice dispozitivelor pentru Mobile BI
– – Cerere
– – Beneficii pentru afaceri
– – Aplicații
– – Definiții
– – Dezvoltare
– – Aplicații mobile BI codificate personalizat
– – Aplicații mobile BI cu formă fixă
– – Aplicații mobile BI dezvoltate de instrumente grafice
– – Considerații de securitate pentru aplicațiile mobile BI
– – Securitatea dispozitivului
– – Securitatea transmisiei
– – Autorizare, autentificare și securitate în rețea
– – Rolul BI pentru securizarea aplicațiilor mobile
– – Produse
– 1.3 Business Intelligence în timp real
– – Evoluția RTBI
– – Latența
– – Arhitecturi
– – – Bazate pe evenimente
– – – Depozite de date
– – – Tehnologie fără server
– – – Conștientizarea proceselor
– – Tehnologii care suportă analize în timp real
– – – Dispozitive de depozitare a datelor
– – – Tehnologie mobilă
– – Domenii de aplicare
– Referințe
Capitolul 2 Analitica
– 2.1 Analitica de afaceri
– – Exemple de aplicații
– – Tipuri de analize
– – Domenii de bază în cadrul analiticilor
– – Istorie
– – Provocări
– – Competitivitatea
– 2.2 Analitica
– – Analitica vs. Analiza
– – Exemple
– – – Optimizare de marketing
– – – Analitica portofoliului
– – – Analitica riscurilor
– – – Analitica digitală
– – – Analitica de securitate
– – – Analitica software
– – Provocări
– – Riscuri
– 2.3 Analitica software
– – Istorie
– – Furnizori de analitica software
– 2.4 Analitica încorporată
– – Definiție
– – Istorie
– – Instrumente
– 2.5 Analitica învățării
– – Ce este analitica învățării?
– – Diferențierea analiticii învățării de mineritul de date educațional
– – Istorie
– – – Contextul analiticii învățării
– – – Istoria tehnicilor și metodelor analiticii de învățare
– – – Istoria analiticii învățării în învățământul superior
– – Metode analitice
– – Rezultate analitice
– – Software
– – Etică și confidențialitate
– – Analitica de învățare open
– 2.6 Analitica predictivă
– – Definiție
– – Tipuri
– – – Modele predictive
– – – Modele descriptive
– – – Modele de decizie
– – Aplicații
– – – Management analitic al relațiilor cu clienții (CRM)
– – – Protecția copilului
– – – Sisteme de sprijin pentru decizii clinice
– – – Analitica colectării
– – – Vânzare încrucișată
– – – Retenția clienților
– – – Marketing direct
– – – Detectarea fraudelor
– – – Predicții la nivel de portofoliu, produs sau economie
– – – Managementul riscului de proiect
– – – Subscrierea
– – – Tehnologia și influențele megadatelor (big data)
– – Tehnici analitice
– – – Tehnici de regresie
– – – – Model de regresie liniară
– – – – Modele de alegere discretă
– – – – Regresie logistică
– – – – Regresie logistică multinomială
– – – – Regresia probit
– – – – Logit versus Probit
– – – – Modele de serii temporale
– – – – Analiza supraviețuirii sau a duratei
– – – – Arbori de clasificare și regresie (CART)
– – – – Spline de regresie adaptivă multivariată
– – Tehnici de învățare automată
– – – Rețele neuronale
– – – – Perceptron multistrat (MLP)
– – – – Funcții de bază radială
– – – Mașini vectoriale de suport
– – – Bayesian naiv
– – – Vecinii cei mai apropiati fc
– – – Modelare predictivă geospațială
– – Instrumente
– – – PMML
– – Critică
– 2.7. Analitica prescriptivă
– – Istorie
– 2.8. Analitica social media
– 2.9. Analitica comportamentală
– – Exemple și aplicații din lumea reală
– – Tipuri
– – Componentele analiticii comportamentale
– – Subseturi în analitica comportamentală
– – – Analiza căilor (computing)
– – – – Exemple
– – – – Evoluţia
– – – – Înțelegerea vizitatorilor
– – – – Canale și obiective
– – – – Utilizarea hărților
– – – Analiza cohortelor
– – – – Exemple
– – – – Analitica profundă acționabilă a cohortelor
– – – – Efectuarea analizei cohortelor
– Referințe
Capitolul 3. Mineritul datelor
– 3.1. Mineritul datelor
– – Etimologie
– – Fundal
– – Proces
– – – Pre-procesare
– – – Mineritul datelor
– – – Validarea rezultatelor
– – – Cercetare
– – Standarde
– – – Utilizări notabile
– – Preocupări privind confidențialitatea și etica
– – – Situația din Europa
– – – Situația în Statele Unite
– – Legea drepturilor de autor
– – – Situația în Europa
– – – Situația în Statele Unite
– – Software
– – – Software și aplicații gratuite pentru mineritul datelor cu sursă deschisă
– – – Software și aplicații proprietare de minerit a datelor
– – – Sondaje de piață
– 3.2. Detectarea anomaliilor
– – Aplicații
– – Tehnici populare
– – Aplicație pentru securitatea datelor
– – Software
– 3.3. Învățarea regulilor de asociere
– – Definiție
– – Concepte utile
– – – Suport
– – – Încredere
– – – Creștere
– – – Convingere
– – Proces
– – Istorie
– – Măsuri alternative de interes
– – Asociații statistice solide
– – Algoritmi
– – – Algoritmul Apriori
– – – Algoritmul Eclat
– – – Algoritmul de creștere FP
– – – Alți algoritmi
– – – – AprioriDP
– – – – Algoritmul de minerit cu reguli de asociere bazată pe context
– – – – Algoritmi bazați pe seturi de noduri
– – – – Procedura GUHA ASOC
– – – – Căutare OPUS
– – – – Lore
– – Alte tipuri de minerit a asocierilor
– 3.4. Analiza clusterelor
– – Definiție
– – Algoritmi
– – – Clustering bazat pe conectivitate (Clustering ierarhic)
– – – Clustering bazat pe centroid
– – – Clustering bazat pe distribuție
– – – Clustering bazat pe densitate
– – Evoluțiile recente
– – Alte metode
– – – Evaluare și apreciere
– – – – Evaluare internă
– – – – Evaluare externă
– 3.5. Clasificarea statistică
– – Relația cu alte probleme
– – Proceduri frecventiste
– – Proceduri bayesiene
– – Clasificare binară și multiclasă
– – Vectori caracteristici
– – Clasificatori liniari
– – Algoritmi
– – Evaluare
– – Domenii de aplicație
– 3.6. Analiza de regresie
– – Istorie
– – Modele de regresie
– – Numărul necesar de măsurători independente
– – – Ipoteze statistice
– – – Ipotezele de bază
– – Regresia liniară
– – – Model liniar general
– – – Diagnosticare
– – – Variabile cu „dependență limitată”.
– – – Interpolare și extrapolare
– – Regresia neliniară
– – – Calcule de putere și dimensiunea eșantionului
– – Alte Metode
– – Software
– 3.7. Rezumarea automată
– – Rezumare bazată pe extracție
– – Rezumare bazată pe abstracție
– – Rezumare asistată
– – Aplicații și sisteme de rezumare
– – Extragerea frazelor cheie
– – Abordări de învățare supravegheată
– – Abordări de învățare nesupravegheată: TextRank
– – – Rezumarea documentelor
– – – Abordări de învățare supravegheată
– – – Rezumare bazată pe entropie maximă
– – – TextRank și LexRank
– – Rezumarea de multiple documente
– – – Încorporarea diversității
– – – Funcțiile submodulare ca instrumente generice pentru rezumare
– – Tehnici de evaluare
– – – Evaluare intrinsecă și extrinsecă
– – – Inter-textual și intra-textual
– – – Provocări curente în evaluarea automată a rezumatelor
– – – Tehnici de rezumare specifice domeniului versus tehnici independente de domeniu
– – – Evaluarea calitativă a rezumatelor
– 3.8. Exemple de mineritul datelor
– – Jocuri
– – Afaceri
– – Știință și inginerie
– – Drepturile omului
– – Mineritul datelor medicale
– – Mineritul datelor spațiale
– – Mineritul datelor temporale
– – Mineritul datelor senzorilor
– – Mineritul datelor vizuale
– – Mineritul datelor muzicale
– – Supraveghere
– – Mineritul modelelor
– – Mineritul de date bazat pe subiect
– – Grila de cunoștințe
– Referințe
Capitolul 4 Depozite de date
– 4.1. Depozit de date
– – Tipuri de sisteme
– – – Magazin de date
– – – Procesare analitică online (OLAP)
– – – Procesarea tranzacțiilor online (OLTP)
– – – Analiza predictivă
– – Instrumente software
– – Beneficii
– – Mediu generic
– – Istorie
– – Stocarea informațiilor
– – – Fapte
– – – Abordarea dimensională versus normalizată pentru stocarea datelor
– – Metode de proiectare
– – – Design de jos în sus
– – – Design de sus în jos
– – – Design hibrid
– – Sisteme operaționale
– – Evoluția în utilizarea organizației
– 4.2. Magazin de date
– – Magazin de date vs depozit de date
– – Scheme de proiectare
– – Motive pentru crearea unui magazin de date
– – Magazin de date dependent
– 4.3. Managementul datelor master
– – Definiție
– – Probleme
– – Soluții
– – Transmiterea datelor master
– 4.4. Dimensiune (Depozit de date)
– – Tipuri
– – – Dimensiune conformată
– – – Dimensiune reziduală
– – – Dimensiune degenerată
– – – Dimensiunea jocului de rol
– – – Utilizarea termenilor de reprezentare ISO
– – Tabel de dimensiuni
– – Modele comune
– – – Data si ora
– 4.5. Dimensiuni în schimbare lentă
– – Tip 0: Păstrează originalul
– – Tip 1: Suprascrie
– – Tip 2: Adaugă un rând nou
– – Tip 3: Adaugă un nou atribut
– – Tip 4: Adaugă tabel istoric
– – Tip 6: Hibrid
– – Implementarea faptelor pentru tip 2 / tip 6
– – – Cheie surogat de tip 2 cu atribut de tip 3
– – – Implementare pură tip 6
– – – Atât cheia surogat, cât și cheia naturală
– – – Combinarea tipurilor
– 4.6 Modelarea Data Vault
– – Istorie și filosofie
– – – Istorie
– – Interpretări alternative
– – Noțiuni de bază
– – Huburi
– – – Exemplu de hub
– – Legături
– – – Exemplu de legătură
– – Sateliți
– – – Exemplu de satelit
– – Tabele de referință
– – – Exemplu de referință
– – Practici de încărcare
– – Data Vault și modelarea dimensională
– – Metodologia Data Vault (a seifului de date)
– 4.7 Extragere, Transformare, Încărcare
– – Extragerea
– – Transformarea
– – Încărcarea
– – Ciclul ETL din viața reală
– – Provocări
– – Performanţă
– – Procesarea paralelă
– – Rerulabilitate, recuperabilitate
– – ETL virtual
– – Utilizarea cheilor
– – Instrumente
– 4.8. Schema stea
– – Model
– – Tabele de fapte
– – Tabele de dimensiuni
– – Beneficii
– – Dezavantaje
– – Exemplu
– Referințe
Capitolul 5 Cercetarea de piață: un studiu integrat
– 5.1 Cercetarea de piață
– – Istorie
– – Cercetare de piață pentru afaceri / planificare
– – – Informații de piață
– – – Segmentarea pieței
– – – Tendințele pieței
– – – Analiza SWOT
– – Cercetarea de piață – Beneficii
– – Influența de pe Internet
– – Cercetarea și aplicații social media
– – Cercetarea și sectoarele de piață
– 5.2 Segmentarea pieței
– – Segmentarea pieței: Prezentare istorică
– – Critici ale segmentării pieței
– – Strategia de segmentare a pieței
– – Procesul de segmentare a pieței: S-T-P
– – Baze pentru segmentarea piețelor de consum
– – Segmentarea geografică
– – Segmentarea demografică
– – Segmentarea psihografică
– – Segmentarea comportamentală
– – – Ocazia de cumpărare/utilizare
– – – Beneficiu căutat
– – Alte tipuri de segmentare a consumatorilor
– – – Segmente generaționale
– – – Segmentarea culturală
– – Selectarea piețelor țintă
– – – Dimensiunea și creșterea segmentului:
– – – Atractivitatea structurală a segmentului:
– – – Obiectivele și resursele companiei:
– – Segmentarea pieței și programul de marketing
– – Baze pentru segmentarea piețelor de afaceri
– – – Firmografie
– – – Segmentarea conturilor cu mai multe variabile
– – – Utilizarea segmentării în reținerea clienților
– – Segmentare: algoritmi și abordări
– – – Segmentare a priori
– – – Segmentare post-hoc
– – – Tehnici statistice utilizate în segmentare
– – – Surse de date utilizate pentru segmentare
– – – – Baze de date interne
– – – – Surse externe
– 5.3 Tendințe de piață
– – Nomenclatura pieței
– – Etimologie
– – Tendințe seculare
– – Tendințe primare
– – Bull Market (Piața de tauri)
– – – Exemple
– – Bear Market (Piața de urși)
– – – Exemple
– – Topul pieței
– – – Exemple
– – Minimul pieței
– – – Exemple
– – Tendințe secundare
– – – Cauze
– – Sentimentul investitorului
– 5.4 Analiza SWOT
– – Factori interni și externi
– – Utilizare
– – – Construirea strategiei
– – – Potrivire și conversie
– – Variante SWOT
– – – TOWS
– – – Analiza SWOT Landscape
– – Planificarea corporativă
– – – Marketing
– – În organizarea comunitară
– – – Aplicație în organizația comunitară: Elemente de luat în considerare
– – – Etape pentru implementare
– – – Când să folosiți analiza SWOT
– – – Beneficii
– – – – Limitări
– 5.5. Cercetarea de marketing
– – Rol
– – Istorie
– – Caracteristici
– – Cercetare de afaceri conexe
– – Clasificare
– – Tipuri
– – Metode
– – Business to Business
– – Întreprinderi mici și organizații nonprofit
– – Planul internațional
– – Termeni uzuali
– – Cariere
– – – Ierarhia corporativă
– Referințe
Capitolul 6 Aspecte esențiale ale Business Intelligence
– 6.1 Analiza contextului
– – Definirea pieței sau a subiectului
– – Analiza tendințelor
– – Analiza concurenților
– – – Niveluri competitive
– – – Forțe competitive
– – – Comportamentul concurenților
– – – Strategia concurenților
– – Oportunități și amenințări
– – Analiza organizației
– – – Analiza internă
– – – Analiza competențelor
– – Matricea SWOT-i
– – Planul strategic
– – Exemplu
– – – Definirea pieței
– – – Analiza tendințelor
– – – Analiza concurenților
– – – Oportunități și amenințări
– – – Analiza organizației
– – – Matricea SWOT-i
– – – Planul strategic
– 6.2. Managementul performanței companiei
– – Istorie
– – Definiție și domeniul de aplicare
– – Cadre generale
– – Metrici și indicatori cheie de performanță
– – Tipuri de aplicații software
– – Design si implementare
– 6.3. Descoperirea proceselor de afaceri
– – Tehnici de descoperire a proceselor de afaceri
– – Aplicație / Tehnici
– – Scopul / Exemplu
– – Istorie
– 6.4. Sisteme informaționale
– – Prezentare generală
– – Tipuri de sisteme informaționale
– – Dezvoltarea sistemelor informaționale
– – Ca disciplină academică
– – Diferențierea SI de disciplinele conexe
– – Căi de urmat în carieră
– – Cercetare
– – – Impactul asupra modelelor economice
– 6.5. Inteligența operațională
– – Inteligența organizațională vs inteligența operațională
– – Procesul informațional
– – – Obținerea informațiilor
– – – Prelucrarea informațiilor
– – – Utilizarea informațiilor
– – Ignoranța organizațională
– – – Incertitudine
– – – Complexitate
– – – Ambiguitate
– – – Echivocitate
– – Organizarea şi cultura informaţiei
– – – Control
– – – Competență
– – – Cultivare
– – – Colaborare
– – Inteligență și inovație organizațională
– – – Teoria mesei rotunde
– – – Paradoxul mașinii de tuns iarba
– 6.6. Vizualizarea datelor
– – Prezentare generală
– – Caracteristicile afișărilor grafice eficiente
– – Mesaje cantitative
– – Percepția vizuală și vizualizarea datelor
– – Percepția umană/Cogniția și vizualizarea datelor
– – Istoria vizualizării datelor
– – Terminologie
– – Exemple de diagrame utilizate pentru vizualizarea datelor
– – – Alte perspective
– – Arhitectura de prezentare a datelor
– – – Obiective
– – – Domeniul de aplicare
– – – Domenii conexe
– 6.7. Profilarea datelor
– – Introducere
– – Cum se face profilarea datelor
– – Când să se efectueze profilarea datelor
– – Beneficii
– 6.8. Curățarea datelor
– – Motivația
– – Calitatea datelor
– – Procesul de curățare a datelor
– – Aprofundarea curățării
– – Sistem de curățare a datelor
– – Ecrane de calitate
– – Critica instrumentelor și proceselor existente
– – Schema de evenimente de eroare
– – Provocări și probleme
– 6.9. Mineritul proceselor
– – Prezentare generală
– – Aplicație
– – Clasificare
– – Software pentru mineritul proceselor
– 6.10. Inteligența competitivă
– – Dezvoltare istorică
– – Tendințe recente
– – Domenii similare
– – Etica
– – Externalizarea
– Referințe
Capitolul 7 Inteligența operațională: Componente tehnologice
– 7.1. Inteligența operațională
– – Scop
– – Caracteristici
– – Componente tehnologice
– – Comparație cu alte tehnologii sau soluții Business Intelligence
– – – Managementul sistemelor
– – – Procesare complexă a evenimentelor
– – – Monitorizarea activității de afaceri
– – – Managementul proceselor de afaceri
– 7.2. Monitorizarea activității de afaceri
– – Obiective și beneficii
– – Caracteristici cheie
– – Efort de implementare
– – Procesarea evenimentelor
– – Exemple
– 7.3. Procesarea evenimentelor complexe
– – Descriere conceptuală
– – Istorie
– – Concepte înrudite
– – Exemplu
– – Tipuri
– – Integrarea cu managementul proceselor de afaceri
– – În servicii financiare
– – – Integrare cu baze de date cu serii de timp
– 7.4. Managementul proceselor de afaceri
– – Definiții
– – Schimbări în managementul proceselor de afaceri
– – Ciclul de viață BPM
– – Proiectare
– – Modelare
– – Execuţie
– – Monitorizarea
– – Optimizare
– – Re-inginerie
– – Suitele BPM
– – Practica
– – Tehnologie BPM
– – BPM Cloud Computing
– – Piaţa
– – Beneficii
– – Internetul Lucrurilor
– 7.5. Metadate
– – Istorie
– – Definiție
– – Tipuri
– – Referințe
– – Structuri
– – – Sintaxa
– – – Scheme ierarhice, liniare și plane
– – – Hipermaparea
– – – Granularitatea
– – Standarde
– – Utilizare
– – – Fotografii
– – – Telecomunicații
– – – Video
– – – Pagini web
– – – Creație
– – – Servicii de statistică și recensământ
– – – Biblioteconomie și știința informației
– – – În muzee
– – – – Utilizare
– – – – Standarde
– – – – Obiecte culturale și opere de artă
– – – – Muzee și Internet
– – – Lege
– – – – Statele Unite ale Americii
– – – – Australia
– – – În sănătate
– – – Depozitarea datelor
– – – Pe internet
– – – În industria de difuzare
– – – Geospațial
– – – Ecologic și de mediu
– – – Muzică digitală
– – – Aplicații cloud
– – – Administrare și management
– – – – Stocare
– – – – Managementul bazei de date
– 7.6. Analiza cauzei principale
– – Principii generale
– – Proces general pentru efectuarea și documentarea unei acțiuni corective bazate pe RCA
– Referințe
Postfață: Etica în știința datelor
– Etica în cercetare
– Conștientizarea
– Consimțământul
– Controlul
– Transparența
– Încrederea
– Proprietatea
– Supravegherea și securitatea
– Identitatea digitală
– Realitatea ajustată
– De-anonimizarea
– Inegalitatea digitală
– Confidențialitatea
– Cercetarea
– Bibliografie
Editura
– MultiMedia Publishing

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *