تبدیل شدن به یک متخصص تجزیه و تحلیل کسب و کار - Become a Business Analytics Expert

مسیر آموزشی تبدیل شدن به یک متخصص تجزیه و تحلیل کسب و کار - Image of Learn Path Become a Business Analytics Expert
تبدیل شدن به یک متخصص تجزیه و تحلیل کسب و کار Become a Business Analytics Expert
آیا در حال حاضر شغلی در کسب و کار که بر تجزیه و تحلیل متمرکز است، دارید یا دنبال می کنید؟ اگر درک خوبی از اصول آمار دارید و آماده تمرکز بر روی مفاهیم، ابزارها و تکنیک های مورد نیاز خود هستید، پس این مسیر یادگیری برای شما مناسب است.
Become a Business Analytics Expert
Are you already in, or pursuing, a career in business that centers on analytics? If you have a good grasp of statistics principles and are ready to focus on the concepts, tools, and techniques you'll need, then this learning path is for you.
مدت زمان: 10h 29m
تعداد دوره ها: 10
مجموع قیمت: (۱۹۳,۰۰۰)
قیمت با 30% تخفیف : ۱۳۵,۱۰۰
تعداد مدرسین: 3
برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
  • 1
    دوره آموزشی دوره آموزشی تجزیه و تحلیل داده ها برای متخصصان کسب و کار - Image of Course Data Analytics for Business Professionals 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی تجزیه و تحلیل داده ها برای متخصصان کسب و کار

    Data Analytics for Business Professionals

    تجزیه و تحلیل داده ها چه کاری می تواند برای تجارت شما انجام دهد؟ از شرکت هایی مانند زیراکس و UPS درس بگیرید. تجزیه و تحلیل داده ها می تواند به کاهش هزینه ها، سرعت بخشیدن به تحویل، تولید پیش بینی ها و تصمیم گیری بهتر کمک کند. در این مرور اجمالی، جانسون و نویسنده اقتصاددان و نویسنده به رهبران و مدیران نحوه استفاده از تجزیه و تحلیل برای تصمیم گیری های داده محور و کسب مزیت رقابتی را نشان می دهد. ابتدا نمونه هایی از تجزیه و تحلیل های واقعی را در عمل مشاهده کنید. سپس تفاوت بین تجزیه و تحلیل پیش بینی کننده و تجویزی را بررسی کنید و نحوه تدوین سوالات را بیابید - روندی که تقریباً به اندازه یافتن پاسخ ها می تواند آشکار باشد. سپس جان نحوه جمع آوری، تمیز کردن و تجمیع داده ها از منابع مختلف در سراسر سازمان خود را نشان می دهد و مشخص می کند که داده ها دارای نقص هستند. سپس نحوه برنامه ریزی و استقرار یک استراتژی تجزیه و تحلیل برای کسب و کار خود را یاد بگیرید، با انواع روشهای ساده شروع کنید: میانگین ها، نمونه برداری، چیدن گیلاس، پیش بینی، و همبستگی و علیت. در نهایت، جان با برخی منابع و مراحل بعدی برای پیشرفت دانش تجزیه و تحلیل شما به پایان می رسد. اهداف یادگیری تعیین کنید که تجزیه و تحلیل داده ها چه کاری می تواند برای کسب و کار شما انجام دهد. انواع مختلف داده ها را تعریف کنید. نحوه محاسبه توصیفات را مشخص کنید. نقش تجزیه و تحلیل پیش بینی در کسب و کار خود را بشناسید. تعریف تجزیه و تحلیل تجویزی را مشخص کنید. موارد اساسی برای ایجاد سوالات بهتر را بررسی کنید. یک مطالعه موردی را برای تعیین سوال صحیح بپرسید. انواع مسائل مربوط به جمع آوری داده ها را که ممکن است ایجاد شود، مشخص کنید. تعیین مراحل انجام خرابی در صورت خرابی داده ها. "برداشت گیلاس" را در تجزیه و تحلیل داده ها تعریف کنید.

  • 2
    دوره آموزشی دوره آموزشی R برای کاربران اکسل - Image of Course R for Excel Users 1 ساعت بروز شده
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی R برای کاربران اکسل

    R for Excel Users

    دانشمندان داده‌ که از اکسل استفاده می‌کنند، می‌دانند که R به عنوان استاندارد جدید برای حل و فصل آماری (به ویژه برای مجموعه‌های بزرگتر داده) در حال ظهور است. این دوره به عنوان یک پل مناسب برای بسیاری از تحلیلگران داده‌های وابسته به اکسل و کاربران تجاری است که باید با یادگیری R. مهارت‌های اطلاعات داده‌های خود را به روز کنند. بیشتر این دوره بر چگونگی انجام کارها و عملکردهای مهم آماری در R - غالبا با بسته DescTools — مطابق توابع Excel و افزودنی تجزیه و تحلیل داده‌ها، و سپس مقیاس از آنجا، نشان دادن ویژگی‌های قدرتمند R. Conrad Carlberg به شما کمک می‌کند تا به طور موثر بین هر دو برنامه جابجا شوید، داده‌ها را به جلو و عقب برگردانید تا بتوانید بهترین از هر دو را داشته باشید. درباره محاسبه آمار توصیفی، انجام تحلیلهای دو متغیره و موارد دیگر اطلاعات کسب کنید. اهداف یادگیری نصب R و DescTools آمار توصیفی در Excel و DescTools انتقال داده ها بین R و Excel اجرای تابع Desc تجزیه و تحلیل دو متغیره در R و Excel

  • 3
    دوره آموزشی دوره آموزشی رگرسيون لجستيک در R و Excel - Image of Course Logistic Regression in R and Excel 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی رگرسيون لجستيک در R و Excel

    Logistic Regression in R and Excel

    تصمیمات تجاری اغلب دوتایی هستند: این پروژه را به عهده بگیرید یا آن را برای یک سال به تعویق بیندازید. اعتباری به این مشتری و یا اصرار بر پول نقد ؛ یک فروشگاه خرده فروشی جدید در یک مکان خاص باز کنید یا مکان دیگری پیدا کنید. وقتی نتیجه یک متغیر پیوسته مانند درآمد است، رگرسیون معمولی اغلب یک تکنیک خوب است، اما وقتی فقط دو نتیجه وجود دارد، رگرسیون لجستیک معمولاً ابزارهای بهتری را ارائه می دهد. با نحوه استفاده از R و Excel برای تجزیه و تحلیل داده ها در این دوره با کنراد کارلبرگ آشنا شوید. او شما را از طریق رگرسیون لجستیک پیشرفته، با شانس و لگاریتم شروع می کند و سپس به توزیع دو جمله ای می رود و شانس پیش بینی شده را به احتمالات برمی گرداند. پس از ایجاد این بنیاد، او تمرکز خود را بر روی آمار استنباطی، نسبت های احتمال و رگرسیون چند جمله ای تغییر می دهد. پوشش جامع کنراد در مورد نحوه انجام رگرسیون لجستیک شامل پرداختن به مشکلات رایج، توضیح روابط، مرور نتایج و تفسیر نتایج است. اهداف یادگیری تشخیص مشکلات مربوط به رگرسیون معمولی در یک نتیجه دوتایی تعیین خطاهای پیش بینی مدیریت شیب های مختلف پیش بینی شانس به جای احتمالات محدود کردن احتمالات در صعودی و نزولی کار با نماها و پایه ها پیش بینی logit کار با داده ها و ضرایب اصلی ایجاد احتمال ورود به سیستم تفسیر -2LL یا انحراف ایجاد یک قاب داده با XLGetRange با استفاده از توابع R mlogit یا و glm درک اشکال طولانی در مقابل گسترده در مجموعه داده ها

  • 4
    دوره آموزشی دوره آموزشی تجزیه و تحلیل کسب و کار: تکنیک های کاهش داده با استفاده از Excel و R - Image of Course Business Analytics: Data Reduction Techniques Using Excel and R 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی تجزیه و تحلیل کسب و کار: تکنیک های کاهش داده با استفاده از Excel و R

    Business Analytics: Data Reduction Techniques Using Excel and R

    در شرایطی که مشاغل مجبورند با حجم بیشتری از داده ها دست و پنجه نرم کنند، نیاز به کاهش داده ها در سال های اخیر تشدید شده است. برای درک بیش از حد اطلاعات، می توانید از تجزیه خوشه ای استفاده کنید - که به شما امکان می دهد به جای کل جمعیت افراد، درباره تعداد انگشت شماری از گروه ها استنباط کنید - و همچنین تجزیه و تحلیل اجزای اصلی، که متغیرهای نهفته را آشکار می کند. در این دوره، کنراد کارلبرگ نحوه انجام تجزیه و تحلیل خوشه ای و تجزیه و تحلیل اجزای اصلی با استفاده از Microsoft Excel را توضیح می دهد، که تمایل دارد به وضوح بیشتر آنچه را که در تحلیل اتفاق می افتد نشان دهد. سپس نحوه انجام تجزیه و تحلیل مشابه با استفاده از R، نرم افزار محاسبات آماری منبع باز را توضیح می دهد، که از نظر تجزیه و تحلیل سریعتر و غنی تر از Excel است. علاوه بر این، او نحوه ادغام نتایج تجزیه و تحلیل خوشه ای و تجزیه و تحلیل عوامل را توضیح می دهد تا به شما در تجزیه چند عامل اساسی با توجه به عضویت افراد در چند خوشه کمک کند. اهداف یادگیری بررسی مشکلات ایجاد شده در اثر فراوانی داده ها درک منطق خوشه بندی و تجزیه و تحلیل اجزای اصلی استفاده از Excel برای استخراج اجزای اصلی استفاده از R برای استخراج اجزای اصلی استفاده از R برای تجزیه و تحلیل خوشه ای استفاده از Excel برای تجزیه و تحلیل خوشه ای تنظیم جداول گیج کننده در Excel استفاده از تجزیه خوشه ای و تحلیل عاملی به صورت هماهنگ

  • 5
    دوره آموزشی دوره آموزشی فراتحلیل علوم داده و تجزیه و تحلیل کسب و کار - Image of Course Meta-analysis for Data Science and Business Analytics 49 دقیقه
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی فراتحلیل علوم داده و تجزیه و تحلیل کسب و کار

    Meta-analysis for Data Science and Business Analytics

    در دنیایی که تقریباً همه از داده ها برای اطلاع از متدلوژی های تجاری خود استفاده می کنند، اجماع در حال ظهور این است که باید بر اعتبار داده ها تأکید بیشتری شود. تأیید صحت نتیجه گیری های داده محور ؛ و خطر نادرست بودن نتیجه گیری های خود را به حداقل برسانید. اگرچه اکثر محققان می دانند متاآنالیز چیست، اما تعداد کمی می دانند که چگونه می توان اندازه اثر را از معیارهای متداول مانند نسبت خطر محاسبه کرد یا اینکه چگونه تمایز بین اثرات ثابت و تصادفی می تواند متا تحلیلگر را به بیراهه ببرد. این دوره سطح پیشرفته برای پزشکان و محققان علم داده و آمار تفاوتهای میانگین خام را-مخصوصاً برای گروههای آزمایشی و مقایسه ای-و نحوه تبدیل اقدامات مفید مفید مانند نسبت نسبی ریسک و شانس را به اندازه گیری اندازه اثر پوشش می دهد. به علاوه، نحوه ایجاد فواصل اطمینان برای اندازه گیری پیامدهای دوتایی را بیاموزید. اهداف یادگیری استدلال برای فراتحلیل اندازه اثر مستقیم تفاوت میانگین استاندارد شده ضرایب همبستگی اندازه اثرات پیچیده: نسبت ریسک و نسبت شانس فواصل اطمینان در فراتحلیل ایجاد فواصل اطمینان در مورد اندازه اثر دوتایی نتیجه

  • 6
    دوره آموزشی دوره آموزشی مبانی تجزیه و تحلیل کسب و کار: تجزیه و تحلیل پیش بینی کننده، تجویزی و تجربی - Image of Course Business Analytics Foundations: Predictive, Prescriptive, and Experimental Analytics 42 دقیقه
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی مبانی تجزیه و تحلیل کسب و کار: تجزیه و تحلیل پیش بینی کننده، تجویزی و تجربی

    Business Analytics Foundations: Predictive, Prescriptive, and Experimental Analytics

    تجزیه و تحلیل کسب و کار مجموعه ای از ابزارها، فناوری ها، فرآیندها و بهترین شیوه ها را در بر می گیرد که برای استخراج دانش از داده ها مورد نیاز است. این یک اکتشاف تکراری و روشمند از داده ها برای به دست آوردن بینش از آن است - و به نوبه خود، تصمیم گیری های هوشمندانه تر و استراتژیک تر که مبتنی بر واقعیات است. در این دوره، با مراحل تجزیه و تحلیل کسب و کار که برای پیش بینی و ساختن آینده استفاده می شود آشنا شوید - تجزیه و تحلیل پیش بینی، تجزیه و تحلیل تجویزی و تجزیه و تحلیل تجربی. این دوره به هر مرحله می پردازد و در مورد ابزارها و تکنیک های مورد استفاده برای هر یک و همچنین بهترین شیوه های اعمال شده در این زمینه بحث می کند. علاوه بر این، این دوره با استفاده از یک مورد استفاده برای نشان دادن نحوه اجرای تجزیه و تحلیل در هر مرحله، زمینه ای واقعی را به این مفاهیم می بخشد. اهداف یادگیری بین مراحل مختلف تحلیل تجاری تمایز قائل شوید. حرکت داده ها را در طول تجزیه و تحلیل تجاری شناسایی کنید. ابزارها و تکنیک های تجزیه و تحلیل تجویزی را بررسی کنید. ابزارها و تکنیک های تحلیل تجربی را توضیح دهید. عواملی که باید در هنگام استفاده از تست A/B در نظر گرفته شوند را شناسایی کنید.

  • 7
    دوره آموزشی دوره آموزشی مبانی تجزیه و تحلیل کسب و کار: تجزیه و تحلیل توصیفی، اکتشافی و توضیحی - Image of Course Business Analytics Foundations: Descriptive, Exploratory, and Explanatory Analytics 41 دقیقه بروز شده
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی مبانی تجزیه و تحلیل کسب و کار: تجزیه و تحلیل توصیفی، اکتشافی و توضیحی

    Business Analytics Foundations: Descriptive, Exploratory, and Explanatory Analytics

    تجزیه و تحلیل کسب و کار به ما امکان می دهد از گذشته درس بگیریم و پیش بینی های بهتری برای آینده داشته باشیم. سه نوع تجزیه و تحلیل برای یادگیری از گذشته استفاده می شود. تجزیه و تحلیل توصیفی داده های تاریخی را خلاصه می کند. تجزیه و تحلیل اکتشافی الگوهای پنهان را آشکار می کند. و تجزیه و تحلیل توضیحی دلایل نتایج کسب و کار را نشان می دهد. هر نوع شامل مجموعه متفاوتی از ابزارها، فناوری‌ها، فرآیندها و بهترین شیوه‌ها برای استخراج بینش از داده‌ها است. این دوره توسط Kumaran Ponnambalam توضیح می دهد که چرا آنها اهمیت دارند و چگونه و چه زمانی از آنها استفاده کنیم. او با تنظیم زمینه برای تجزیه و تحلیل کسب و کار و مراحل مختلف آن شروع می کند. سپس مراحلی را که بر گذشته تمرکز می‌کنند را بررسی می‌کنید: توصیفی، اکتشافی و توضیحی. با هر مرحله، شما در مورد فرآیندها، تکنیک ها و بهترین شیوه های مورد استفاده در این زمینه آشنا می شوید. در نهایت، یک مورد استفاده (نتایج یک کمپین بازاریابی ایمیلی) را بررسی می کنید که نشان می دهد چگونه تجزیه و تحلیل در هر مرحله انجام می شود. اهداف یادگیری تجزیه و تحلیل کسب و کار و مراحل آن تجزیه و تحلیل توصیفی تجزیه و تحلیل اکتشافی تجزیه و تحلیل توضیحی بهترین شیوه ها و موارد استفاده

  • 8
    دوره آموزشی دوره آموزشی تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی نمایی - Image of Course Business Analytics: Forecasting with Exponential Smoothing 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی نمایی

    Business Analytics: Forecasting with Exponential Smoothing

    هموارسازی نمایی اصطلاحی برای مجموعه ای از روش های پیش بینی ساده است که اصلاح خود را اعمال می کند. هر پیش بینی شامل دو جزء است. این میانگین وزنی پیش بینی قبلی است، به علاوه تعدیلی که پیش بینی قبلی را دقیق تر می کرد. هموارسازی - مانند اکثر رویکردهای معتبر برای پیش‌بینی - برای درست کار کردن به یک خط پایه از مشاهدات، به ترتیب، نیاز دارد. درآمدهای هفتگی و پذیرش روزانه در بیمارستان نمونه های معمولی هستند. چندین نسخه از هموارسازی نمایی وجود دارد که هر کدام مربوط به یک نوع خط پایه است. در این دوره، کنراد کارلبرگ مقدمه ای بر هموارسازی نمایی ساده، غواصی در ایده اصلی پشت آن، و توضیح نحوه جمع آوری معادله پیش بینی و بهینه سازی پیش بینی ها ارائه می دهد. اهداف یادگیری نحوه ارزیابی خط مبنا را با استفاده از همبستگی نشان دهید. معایب استفاده از ابزار هموارسازی نمایی مایکروسافت اکسل را شناسایی کنید. روش های مختلفی را که می توانید اولین پیش بینی را مقداردهی اولیه کنید، توضیح دهید. میانگین پیش بینی انحراف خام را با روش پیش بینی انحراف مطلق میانگین مقایسه کنید. دلایل استفاده از R به جای اکسل برای هموارسازی نمایی را بررسی کنید.

  • 9
    دوره آموزشی دوره آموزشی تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی فصلی پایه - Image of Course Business Analytics: Forecasting with Seasonal Baseline Smoothing 49 دقیقه
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی فصلی پایه

    Business Analytics: Forecasting with Seasonal Baseline Smoothing

    هموارسازی نمایی فصلی توسعه ای از هموارسازی نمایی ساده (SES) است. صاف کردن فصلی اغلب زمانی استفاده می شود که یک خط پایه قله ها و دره های فصلی منظم را نشان دهد. استفاده از آب خانگی یک مثال آشنا است: مصرف در طول تابستان و پاییز افزایش می‌یابد و در زمستان و بهار کاهش می‌یابد، اما مصرف کلی سالانه در طی چندین سال ثابت می‌ماند. در این دوره، مشاور باتجربه تحلیل کسب و کار و کارشناس آموزشی کنراد کارلبرگ نشان می‌دهد که چگونه می‌توان تغییرات فصلی را برای پیش‌بینی‌های دقیق‌تر و روشن‌تر ترکیب کرد. نحوه شناسایی فصلی بودن، هموارسازی فصلی خطوط پایه افقی و بهینه سازی پیش بینی های خود را با R و Microsoft Excel بیاموزید. اهداف یادگیری مشخص کنید چه چیزی فصلی بودن را از یک روند یا یک چرخه متمایز می کند. نحوه استفاده از ارجاعات مطلق و نسبی در نام های تعریف شده را بررسی کنید و به یاد بیاورید که مرجع مطلق همیشه ثابت می ماند در حالی که مراجع نسبی بسته به سابقه تغییر می کنند. با بررسی توابع خودهمبستگی در یک همبستگی فصلی را در یک خط پایه شناسایی کنید. نحوه اولیه سازی اثرات فصلی را در خط مبنا بررسی کنید. سطح فعلی خط پایه و اثر فصلی جاری را از مشاهدات، پیش‌بینی‌ها و ثابت‌های هموارسازی قبلی پیش‌بینی کنید. اندازه گیری خطای کل در یک پیش بینی را کمی کنید و با استفاده از حل کننده آن را به حداقل برسانید. یک خط مبنا را در یک شی داده ایجاد کنید و از آن خط پایه در R پیش بینی کنید. مقایسه نتایج اکسل و R

  • 10
    دوره آموزشی دوره آموزشی تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی خط مبدأ گرایش - Image of Course Business Analytics: Forecasting with Trended Baseline Smoothing 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی خط مبدأ گرایش

    Business Analytics: Forecasting with Trended Baseline Smoothing

    هموارسازی نمایی ساده (SES) اکثر عناصر مورد استفاده در رویکرد هموارسازی برای پیش‌بینی را شامل می‌شود، مانند ثابت هموارسازی سطح، خود تصحیح، و تضعیف تدریجی تأثیر مشاهدات قدیمی‌تر بر پیش‌بینی‌های جدید. اما SES با خطوط پایه که روند یا فصلی بودن را نشان می‌دهند ضعیف عمل می‌کند. سری‌های زمانی گرایش‌شده از نظر پیچیدگی یک پله بالاتر از سری‌های زمانی ثابت تحلیل‌شده توسط SES است - روندهای پایه آن به سمت بالا یا پایین. استفاده از هموارسازی نمایی با خط پایه روند اغلب روش هولت نامیده می شود و این دوره برای تجهیز شما به این تکنیک طراحی شده است. در اینجا، مربی Conrad Carlberg توضیح می‌دهد که چگونه از روش Holt برای ایجاد پیش‌بینی‌هایی در R که با روندها در خط مبنا سروکار دارد، استفاده کنید. اهداف یادگیری جمع‌آوری معادله پیش‌بینی برای خط پایه روند هموارسازی نمایی ساده با خط پایه ثابت استفاده از R برای هموارسازی نمایی ساده بهینه سازی ثابت های سطح و روند از طریق Solver استفاده از R برای پیش بینی یک سری روند

برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
شما این مسیر آموزشی را با مدرسان زیر میگذرانید
عکس مدرس Conrad Carlberg - Image of Author Conrad Carlberg

Conrad Carlberg

کونراد کارلبرگ 15 کتاب در زمینه استفاده از مایکروسافت اکسل برای تجزیه و تحلیل کمی نوشته است. او دارای دکترا در آمار است و از سال 1995 تا کنون یک کسب و کار مشاوره ای در تجزیه و تحلیل آماری در زمینه های پزشکی و مالی را اداره کرده است.

مشاهده پروفایل
عکس مدرس Kumaran Ponnambalam - Image of Author Kumaran Ponnambalam

Kumaran Ponnambalam

Kumaran Ponnambalam بيش از 20 سال با داده ها کار کرده است. او برنامه هاي سازماني و ابر را ساخته است که اطلاعات را براي توليد بينش هاي معنادار براي مصرف کنندگان به ارمغان مي آورد. داده ها همواره کوماران را جذاب کرده اند و هميشه به دنبال راه هايي براي کشف، مديريت و تسلط بر آن ميباشد. استفاده از تجزيه و تحليل براي حل مشکلات کسب‌ و کار ، حوزه کليدي کار اوست. او از ديرباز , علاقه زيادي به ساختن دوره‌هاي کيفي براي مردم براي درک و استفاده از داده‌ها داشته‌ است . تجزيه و تحليل داده هاي بزرگ به سرعت در حال رشد است، اما آموزش و پرورش با کيفيت، به ويژه در زمينه هاي کاربردي، کم است و او مي خواهد به آن کمک کند.

مشاهده پروفایل
عکس مدرس John Johnson - Image of Author John Johnson

John Johnson

جان جانسون یک اقتصاددان حرفه ای، نویسنده و سخنران است. او به عنوان رئیس و مدیر عامل شرکت Edgeworth Economics، خدمات مشاوره ای اقتصادی را به مشتریان در سراسر جهان ارائه می دهد. دکتر جانسون به خاطر توانایی در توضیح مفاهیم بسیار پیچیده ، در یک روش ساده و روشن ، در سطح بین المللی شناخته شده است و این مهارت را در مشاوره، نوشتن و صحبت کردن بکار میبرد. در Edgeworth، دکتر جانسون گواهی مشاوره و کارشناسی را برای مشتریان فورچون 100، گروه های تجاری و سازمان های دولتی ارائه می دهد. در کار حقوقی، او شرکت ها و مشاوران خارجی را در استفاده مناسب و تفسیر مجموعه داده های پیچیده ، هدایت می کند و به عنوان متخصص گواهی در برخی از موارد حقوقی بسیار رده بالا شرکت کرده‌است. در بخش تجزیه و تحلیل کسب و کار، دکتر جانسون کمک می کند تا شرکتها ، مجموعه داده های پیچیده داخلی خود را به اطلاعات استراتژیک و عملی در سراسر مجموعه ای از تنظیمات کسب و کار از جمله منابع انسانی، مالی، بازاریابی، تولید و هوش کسب و کار، تبدیل کنند. هر دو جنبه نیاز به درک و استفاده صحیح از مجموعه پیچیده داده‌ها را دارند. او این مهارت را به مقالات و سخنرانیهای خود اعمال می کند، جایی که وی به مخاطبان کمک می کند تا از شایع ترین مشکلات مردم ، هنگام مواجه شدن با داده ها جلوگیری کنند، به طوری که آنها می توانند مصرف کنندگان داده ها را با اعتماد و اطمینان بیشتر مورد توجه قرار دهند و تصمیمات بهتر در زندگی حرفه ای و شخصی خود بگیرند. دکتر جانسون مجری دائمی در موضوعات اقتصادی و استفاده از داده ها است و همکار نویسنده EVERYDATA: "اطلاعات نادرست در داده های کوچکی که هر روز مصرف می کنید مخفی شده است". او همچنین مقالات متعددی را در زمینه تخصصش در زمینه های مختلف نوشته است. دکتر جانسون دکترا در اقتصاد را از موسسه فناوری ماساچوست و مدرک کارشناسی ارشد خود در اقتصاد با بالاترین امتیاز از دانشگاه راچستر دریافت کرد.

مشاهده پروفایل