HBR Guide to Data Analytics Basics for Managers

by Harvard Business Review, Thomas C. Redman (Contributor)

Don't let a fear of numbers hold you back.

Today's business environment brings with it an onslaught of data. Now more than ever, managers must know how to tease insight from data--to understand where the numbers come from, make sense of them, and use them to inform tough decisions. How do you get started?

Whether you're working with data experts or running your own tests, you'll find answers in the HBR Guide to Data Analytics Basics for Managers. This book describes three key steps in the data analysis process, so you can get the information you need, study the data, and communicate your findings to others.

You'll learn how

Identify the metrics you need to measureRun experiments and A/B testsAsk the right questions of your data expertsUnderstand statistical terms and conceptsCreate effective charts and visualizationsAvoid common mistakes

Genres: Business, Management, Nonfiction, Technology, Finance, Academic, Buisness

176 pages, Kindle Edition

Published March 13, 2018

Reviews

[Wei Cui]

The book contains 22 articles plus an appendix. As a data scientist, I especially like the article Know the difference between your data and your metrics, Linear thinking in a Nonlinear world, Pitfalls of data-driven decisions, Don’t let your analytics cheat the truth, and all the articles under communicate your findings.

[Diego]

Great reference to keep your mind in the right place; establishes the framework and includes surrounding intangibles with data analytics. Good go to to begin.

[Foad Ansari]

خوب بود ولی پیوستگی لازم بین مقالات وجود نداشت

[Opemipo Aikomo]

As a designer, I found many parts of this book useful for critically thinking about what's most important to begin proper data analytics. Some of the essays were way out of my range, but I like that it feels like a bible I can always refer back to as I improve.

[Ayush Kumar]

Decent, but not as good as some of the other HBR guides. It skims lightly over the various components of Data Analytics- too lightly, perhaps. It's an easy read, but if you're looking for an intellectual insight into data analytics for managers, I'm sure there's better books out there.

[Thảo Phương]

This book help me have overview about mistakes and popular trap when I analyze data and make decision from the data models.

[Jeffry]

This is a decent introduction to the topic, which combines a series of articles by different authors into this single volume. Good overview of foundational concepts and vocabulary.

[Mhee Psyche]

- สมกับเป็นหนังสือขั้นพื้นฐานสำหรับองค์กร หรือคนทำงานทั่วไปที่ต้องปรับตัวเข้ากับวัฒนธรรมองค์กรที่ปรับเปลี่ยนไปโดยอาศัย data-driven เข้ามาเป็นองค์ประกอบ หรือเข้ามาทำหน้าที่หลักในหลายส่วน
- สำหรับคนที่เคยเรียนเรื่อง data มาก่อนอาจไม่ใช่อะไรที่แปลกใหม่ เพราะหลาย ๆ เรื่องก็เป็นเรื่องที่พอรู้กันดีอยู่แล้ว เช่น ประเภทของ data การทำ A/B testing เพื่อหาความสัมพันธ์หรือ insight ที่ดีที่สุดจากข้อมูลที่อยู่ในมือ
- แต่สิ่งที่ต่างออกไปคือการมองการทำงานกับข้อมูลในแบบ Top-Down ที่คอร์สเรียน Data Analytics ทั่วไปไม่ค่อยได้สอน ดังนั้นสิ่งที่น่าสนใจในเล่มคือ กรณีศึกษาตัวอย่างจำนวนมากที่พยายามชี้ให้เห็นถึงหัวใจสำคัญอย่าง Correlation ไม่เท่ากับ Causation และย้ำเตือนอยู่เสมอว่าใช่อยู่ว่าขัอมูลไม่โกหกเรา แต่การจะทำความเข้าใจเพื่อหาบริบทแวดล้อมของข้อมูลไม่ใช่สิ่งที่ง่าย จำเป็นต้องอาศัยประสบการณ์และองค์ความรู้ในหลาย ๆ เรื่อง
- สิ่งเหล่านี้ค่อนข้างสอดคล้องกับแนวโน้มของการทำงานกับข้อมูลในยุคปัจจุบันที่ Qualitative data เพื่อพยายามตอบเรื่อง Why ให้ได้เริ่มมีความสำคัญมากกว่าการใช้ Quantitative data เพื่อตอบคำถามเรื่อง What เพียงอย่างเดียว เช่น บริษัทประกันค้นพบว่า ลูกค้าที่ซื้อนมกับเนื้อสัตว์อย่างสม่ำเสมอ มักมีการเคลมประกันน้อยกว่าลูกค้าที่ซื้ออาหารสำเร็จรูปคู่กับเครื่องดื่มแอลกอฮอล์เป็นประจำ ดังนั้นการนำเสนอเบี้ยประกันที่ราคาต่ำกว่าให้ลูกค้ากลุ่มแรกจึงไม่ใช่แค่เรื่องของพฤติกรรมการซื้อ แต่อาจลงลึกไปลักษณะการทำงาน เวลาการทำงาน และวิถีชีวิตอื่น ๆ ของลูกค้าที่สัมพันธ์กัน เป็นต้น
ดังนั้นในระดับของการจัดการภายในองค์กร - คนที่มีส่วนเกี่ยวข้องก้บการตัดสินใจ จึงไม่ได้มีหน้าที่แค่เข้าใจระบบ เข้าใจหน้าที่ของฝ่ายอื่น และการประยุกต์ใช้ Data เข้ากับนโยบาย หรือการทำงานขององค์กรเพียงอย่างเดียวอีกต่อไป สิ่งสำคัญคือการสร้างคุณค่าจาก Experiment Data ก็เป็นสิ่งสำคัญมาก พอ ๆ กับการต้องตระหนักว่าทุก ๆ อย่างมีต้นทุนในการใช้จ่ายตั้งแต่การรวบรวม ทดสอบ จัดเก็บ และทำลายทิ้ง
- ในขณะเดียวกัน หาก Data Analyst ต้องซื่อสัตย์กับข้อมูลอย่างไร คนทำงานในฝ่ายบริหารหรือมีส่วนเกี่ยวข้องกับการตัดสินใจก็ต้องพึงระวังอคติของตน เมื่อต้องทำการตัดสินใจใด ๆ ที่เกี่ยวข้องกับข้อมูลต่าง ๆ ด้วย ไม่เช่นนั้นมันก็ไม่ต่างอะไรจากการเป็นพวก self-fufilling prophecy ที่เอาข้อมูลและผลสถิติบังหน้า
ึิ- คิดว่าสำหรับคนทีเพิ่งเริ่มต้นก็เป็นอะไรที่อ่านได้เพลิน ๆ โดยเฉพาะกรณีศึกษาหลาย ๆ เรื่องก็น่าสนใจพอสมควรให้เอาไปปรับใช้ต่อ ในทางตรงกันข้ามก็น่าจะเป็นสิ่งที่ช่วยเติมเต็มให้ DA หลาย ๆ คนในการทำงานคู่กับฝ่ายบริหาร ฝ่ายการตลาด ให้มีการสื่อสารที่ดีระหว่างกันมากยิ่งขึ้นเช่นเดียวกัน

[Dana]

I've read many Harvard Business Review (HBR) articles over the years. Having finished my masters degree in data science last year, I had to read a significant amount of them. But I had never read an HBR book. While this is 'book' is a more of a collection of articles, it still serves as a great tool for managers of data scientists and data scientists alike. 22 total chapters, each discussing a different aspect of data science, written by various data science experts. I personally loved that 3 chapters and the appendix (4 total articles) were all written by Thomas H. Davenport, considered the 'father of data science'. I think that not only were the topics thoroughly discussed but they were also organized in a way that made the ideas flow nicely. There were clear examples to demonstrate the various concepts, including graphs, charts, tables, checklists, and process flow descriptions. I thought that this book was fantastic and chock full of super helpful information. I felt like a learned a lot and will definitely be revisiting this book for tips and future reads.

[Jiwon Kim]

If you think to yourself, "I should buy this book" while reading a library-loaned one, you know it's a great book. Basically, this is a compilation of all the questions I had when I first started learning business analytics: I had to google them for months on my own, but imagine a book that sits on your bookshelf with all the answers beautifully written in an essay format. And HBR has to be credited with its clarity - the writing reads easily when the topic can be dry. (Great editors no doubt)

[Sofía Victoria]

It's a good book. As a marketing student, I already knew many things that the book teaches, but, its always good to have a summary, and, in case your career has nothing to do with data and statistics, this is a very good book for you to start. The only thing I didn't like a lot, and that happens in many finance & economic books, its that at some point it gets very repetitive. Like the book spends so much time telling why it is important to analise your data than actually telling you how to analise it. For a HBR guide, I expected more.

[Melissa Boatwright]

This is a good quick read about the basics of data analytics in a time when analytics and insights are becoming more and more important. Some of the articles are more relevant than others (considering it was written a few years ago), but all are short enough that in the aggregate it's worth the time to read, especially if you are moving into more senior management in a company that is already anchored in data-driven decisions or you're looking to help your company be more data driven.

[Toni]

Great go to book for managers. I teach financial analysis to operations managers and teach in a similar manner. Interpretation and understanding not details of stats. We hire people for that part. As a managers there is some numbers they need to do themselves and others they just need to do a good job of critically evaluating and this book gives a good overview of that critical evaluation.

[Amy]

It is a great reading for corporation managers. If you are the manager of projects, this is a good way to start building the frame for data-based projects. If you are new and working in the public sector, like the government, or NGO, this is a good reference book for understanding how the data-based project runs.

[Seth Forbes]

I thought this book could've used more practical information; its summative nature made the content rather brief and would probably be best for those who are brand new to data analytics as opposed to those on a managerial level.

[Amanda Sagastume]

There were some great articles in this book. I didn’t find each one relevant or helpful but enjoyed the majority.

[Mona]

Pretty neat book that nicely summarizes all aspects of working with data science team, pitfalls to avoid and how to think about data.

[Karunakar]

Covers the basics not recommended for anyone who has previous knowledge

[Diego Velandia]

A guide for basic data management understanding.

[Kamesh Chivukula]

An academic piece. Not for serious students.

[Maritza Lew]

I shared each chapter of this book with my team at work. It was a good way to introduce the topic to my team.

[Dev Ayan]

Good and informative articles by industry experts. Would advice this book to anyone who has just started out his journey or is thinking to start his career in the field of Data Analytics

[Kevin]

It's a book about analytics. ¯\_(ツ)_/¯

[piotrkudla]

Very Basic.

[Rifat Bin Salam]

Very elementary. If you have some data literacy this would be a redundant-read.

[Francisco Galán]

Too superficial.

[Ane]

Easy to read and has great concepts, but felt too superficial at times. Would have liked a better deep dive on presentation and persuasion as it is directed to managers.

[Sushanti Madkaikar]

It might still be a dream to study at Harvard but that doesn't mean you can't learn at Harvard. This is a shot indeed which kicks the analyzer or scientist in you. Thank you for having this print and gratitude to all the authors composing this piece. I thoroughly enjoyed and made notes.

[Peyman Shirazi fard]

هر انچه که نیاز دارید در باره مدیریت در عصر داده ها بدانید به طور خلاصه در این کتاب ( که مجموعه مقالات پر خواننده است ) آمده !

[Kevin]

I liked this - it’s easily palatable advice on data, charts, visualisations, etc. with case studies to support. I’d definitely read this if I just want to understand the core ideas.