It took a while, but automated analytics is here. But you need to understand some areas of impact. Listen in as I unpack these areas and cautionary items.
Search Results: CIO (1575)
Snowflake continued on its high-growth trajectory in Q4, with cloud revenue jumping 116% to $178M and overall revenue soaring 117% to $190M.
On this Cloud Wars Live podcast, Christian Anschuetz talks about how bold, courageous leadership can keep biz off the path of extinction.
As things in every industry are changing incredibly fast, all leaders can learn from the outlook McDermott cultivates inside ServiceNow.
On this Cloud Wars Live podcast, Sean Ammirati and I discuss transformational business practices and how data can be a revenue maximizer.
Serving as a Validation Accelerator, each of these DAC @Work Case Studies analyzes the impact, metrics, and outcomes of your solution by analyzing a real-world customer implementation.
Discover the latest @Work Case Study Monthly Round-Up!
With hundreds of thousands of companies surging into the cloud and aspiring to be a data-driven business, cloud databases are…
Award-winning journalist John Foley has created the Cloud Database Report, new from Cloud Wars. Stream my latest conversation with John.
The pandemic has fast-tracked many decisions around the embrace of technology. Understanding the expectations of regulators and government agencies is important to consider when implementing technology – and the risks of not considering compliance – especially for the financial services industry.
In part 4 of this series, I explore what’s next for AI. Artificial intelligence has been utilized in many ways and areas and is still breaking into new frontiers. Listen in as I share thoughts on new areas for AI and what to expect in the future.And, be sure to check out part 1, part 2, and part 3 of this series. Additional sources:More on DNA storage: https://news.microsoft.com/innovation-stories/hello-data-dna-storage/More on Gartner DNA predictions: https://siliconangle.com/2020/10/21/gartners-predictions-dna-storage-expanding-cio-roles/ More on AI helping to fight cancer: https://scienceblog.cancerresearchuk.org/2020/04/01/new-blood-test-study-uses-artificial-intelligence-to-identify-cancer-but-its-not-ready-for-patients-yet/
Microsoft is expecting major growth in its cloud-native Cosmos database as customers rip and replace “legacy” DBs—like those from Oracle.
In this CIO Drive article, Samantha Schwartz outlines the key areas to focus on when presenting security issues to the C-Suite. While presenting this information to the C-Suite is important, many times this presentation lacks information on the impact on the bottom line. This doesn’t translate well when threat levels need to be acted upon in different ways.
In this @Work Case Study: going beyond financial performance management to achieve greater success, Ducks Unlimited CIO Govan Horner defines the why and how of transforming the not for profit with solutions from Microsoft D365 and Solver. With a need to update the technology stack from the ground up to meet business, process, and donor needs, Horner describes how the cloud-based reporting and planning tools from Solver in a D365 environment were key to creating ‘one version of the truth’ for their environmental protection and water fouling initiatives. Connect with the team at Solver for a discovery call or a demo right here through the DAC platform to learn how their reporting and planning solutions can impact your business. Or, learn more from Microsoft’s April Olson on why Solver was chosen as the exclusive partner for D365 Finance planning and reporting solution for customers!
Dealing with IRS scams can be an obstacle for taxpayers, businesses, and tax professionals during the upcoming tax season. Staying aware of the latest tax scams, which are shared publicly by the IRS each year, is important in keeping your money safe during this pandemic. Here is a brief overview of the latest IRS’s “Dirty Dozen” list of tax scams.
Hay mucho material en internet sobre ‘las mejores 50 preguntas para entrevistar a un data scientist’ y similares. Le aseguro que cualquier candidato aspirante a data scientist ha leído y aprendido todas esas mismas preguntas y respuestas que probablemente usted le hará y espera, respectivamente.Tras observar y trabajar con muchos de estos profesionales de los datos -tanto entrevistados y contratados, como profesionales internos formados en disciplinas de datos- algunas conclusiones he obtenido. Al fin y al cabo, soy data scientist y aprendo con la observación y contrastación de datos y evidencias -como no podía ser menos-.Despues de haber entrevistado a muchos aspirantes a data scientist, asi así como haber entrenado a mas de 300 personas en ciencia de datos, me gustaría compartir mi experiencia en el proceso de contratacion, y algunas consideraciones adicionales.Cómo entrevistar a un data scientistLa mejor estrategia de entrevista a un candidato a data scientist es enfocarse en su habilidad de resolver problemas; no tanto en sus conocimientos técnicos, ni tampoco en su formación (que por supuesto tambien son necesarios). No digo con esto omitir preguntas técnicas – conceptos estadísticos, algoritmos y modelos, programación, etc.-, sino enfóquese en entender cómo razona el candidato para resolver problemas.Le aseguro que en la vida real el 90% de los problemas que tendrá que resolver como data scientist serán problemas aparentemente irresolubles.“Según estudios psicológicos, la resolución de escenarios absurdos mejora la creatividad y el análisis de patrones”No tenga inconveniente en platear al candidato escenarios absurdos e irreales, y preste atención a como razona el candidato su propuesta de resolver el problema. Quizá aporta una solución también absurda (prepárese para ello), pero si aporta una solución es mucho mas que no aportar nada.Una técnica que ha sido muy eficiente en mi experiencia es preparar una prueba al candidato, ver como la resuelve y pedirle que explique sus conclusiones. Es decir, en vez de realizar una ‘entrevista’ como tal, preparar una prueba con un set de datos, y solicitar al candidato que resuelva un objetivo en un tiempo requerido, y que explique sus conclusiones y resultados.Por ejemplo, si el candidato va a trabajar en un departamento de operaciones de cadena de suministro, se puede disponer de un set de datos en internet (hay cientos o miles disponibles) y pedirle que haga un modelo predictivo del tiempo de entrega de las mercancías, y que explique los resultados obtenidos. Deje que use el lenguaje de programación o el framework o las herramientas de su preferencia. Lo importante es que resuelva el problema, no enfocarse en las herramientas que usa para ello.¿Pero qué es y qué hace un data scientist?Un data scientist es un profesional capaz de resolver problemas operativos con datos; bien sea interpretando el pasado, diagnosticando las causas de eventos, o bien estimado el evento mas probable en el futuro. Además, un data scientist debe saber interpretar los resultados obtenidos de sus investigaciones, y lo que es más importante: debe ser capaz de explicar dichos resultados a cualquier audiencia -técnica o no-Exacto; un data scientist es un individuo versado tanto en conocimientos técnicos (estadística aplicada, programación, ingeniería de datos, inteligencia de negocios, etc.), como en habilidades blandas (comunicación, interpretación, pensamiento crítico, etc.). Y quizá, lo más importante y más escaso: debe conocer y entender el área operativa o de negocio donde va a desempeñar sus funciones. De no ser así, debe tener la habilidad de aprender rápidamente como opera la actividad donde desempeñará sus funciones de data scientist.Considere que no es lo mismo un data scientist que opera en recursos humanos, como otro que trabaja en marketing, o finanzas, o servicio técnico, u operaciones internas, o ingeniería, o farmacéutica, o producción industrial. Los datos son datos (estamos de acuerdo), pero el entorno es determinante por muchos matices que es necesario conocer.Fuente: businessoverbroadway.comLe aseguro que un buen data scientist no descansa hasta encontrar una solución ‘aparentemente imposible’ a problemas ‘aparentemente imposibles’. En la vida real, esto es más habitual de lo uno se imagina.Consideraciones de la organizaciónEs fundamental tener muy claro el objetivo de por qué necesitamos contratar un data scientist. Es decir, definir muy bien el alcance de nuestro problema de recursos humanos. Así mismo, es tanto o más importante, conocer el estado de la organización en el ciclo de madurez de la ciencia de datos.Menciono esto porque no siempre esta tan claro. He conocido gerentes que solo quieren contratar data scientists para dar una ‘imagen de modernidad digital y progreso’ frente a otros gerentes o departamentos, pero sin saber que trabajo se encomendara al futuro candidato. Conseguirá agotar al recurso humano y se ira a otro lugar tan pronto le sea posible.Por otro lado, hay organizaciones que están convencidas que están listas para aplicar Machine Learning o Inteligencia Artificial, pero realizan la mayoría de su reportería de manera manual (copiar-pegar) en hojas de calculo o en diapositivas; o lo que es peor, no tienen un sistema de bases de datos debidamente arquitectado u organizado.Para concluirAntes de contratar a un data scientist, evalúe seriamente reeducar a su personal existente y dotarlo de conocimientos técnicos relativos a ciencia de datos. Su personal existente ya conoce bien su cultura empresarial, los problemas mas habituales y saben bien lo que funciona y lo que no funciona en su organización. Esto es algo que puede llevar años a un data scientist.A lo largo de mis últimos 5 o 6 años de carrera profesional como data scientist, he tenido la ocasión de entrevistar laboralmente (o participar en entrevistas laborales de otros departamentos) a un buen número de candidatos a científico de datos; tanto individuos muy noveles (juniors) como experimentados (seniors).Además de esto, he tenido la gran dicha de entrenar a más de 500 compañeros de trabajo en ciencia de datos y analítica avanzada en los últimos 2 años. Profesionales de distintas áreas como finanzas, operaciones, marketing, contabilidad, recursos humanos, servicio al cliente, etcétera. P. J. MorenoSr Data Scientist
GNC Holdings Inc. – a global specialty retailer of health and wellness products – is making big digital strides. In this case study, learn about how GNC is leveraging personalization AI solutions and E-commerce investments to strengthen the customer experience.
I spoke with EVP Clay Magouyrk, the driving force behind the remarkable emergence of Oracle as a serious player in cloud infrastructure.
AI doesn’t offer a one-size-fits-all solution for businesses, but it provides an answer for particular scenarios or problems in the workplace. In this article, understand the key factors CIOs need to consider before and during the implementation of AI technology in their business.
As ransomware attacks increase in frequency and complexity, businesses need to be on the lookout. Often, data breaches are due to basic and avoidable cybersecurity gaps. Learn how to address existing cybersecurity concerns and respond quicker and more thoroughly against these evolving threats.
To truly understand the ServiceNow phenomenon, the best place to start is inside the relentlessly quotable mind of CEO Bill McDermott.