چرا پروژه‌های علم داده شکست می‌خورند؟ ۲۰۲۴
Why Data Science Projects Fail 2024

حوزه هوش مصنوعی، علم داده و تحلیل، در حال آسیب رساندن به خود است. وعده‌های اغراق‌آمیز درباره فناوری‌های غیرواقعی، ساده‌سازی پروژه‌های پیچیده و هیاهوی تبلیغاتی، همگی منجر به فرسایش اعتماد به یکی از حیاتی‌ترین رویکردهای ما برای تصمیم‌گیری می‌شوند: تصمیم‌گیری مبتنی بر داده.

هدف این کتاب، اصلاح این وضعیت با مقابله با تبلیغات هوش مصنوعی و ارائه دوز واقعیتی از این حوزه است. نویسندگان که خود از متخصصان این عرصه هستند، قویاً به قدرت ریاضیات، محاسبات و تحلیل باور دارند، اما اگر انتظارات کاذب ایجاد شود و متخصصان و رهبران درک کاملی از تمام جنبه‌های دخیل در پروژه‌های علم داده نداشته باشند، همچنان شاهد شکست فاجعه‌بار ۸۰٪ (یا بیشتر) پروژه‌های تحلیلی خواهیم بود که برای شرکت‌ها و جامعه صدها میلیارد دلار هزینه در بر خواهد داشت و منجر به ترک یکی از مهم‌ترین قابلیت‌های تصمیم‌گیری مبتنی بر داده توسط افراد غیر متخصص خواهد شد.

برای اولین بار، رهبران تجاری، متخصصان، دانشجویان و افراد علاقه‌مند عادی خواهند آموخت که چه چیزی واقعاً یک پروژه علم داده را موفق می‌کند. نویسندگان با استفاده از داستان‌های شخصی متعدد، واقعیت‌های تلخ پیاده‌سازی هوش مصنوعی و تحلیل را آشکار می‌کنند.

The field of artificial intelligence, data science, and analytics is crippling itself. Exaggerated promises of unrealistic technologies, simplifications of complex projects, and marketing hype are leading to an erosion of trust in one of our most critical approaches to making decisions: data driven.

This book aims to fix this by countering the AI hype with a dose of realism. Written by two experts in the field, the authors firmly believe in the power of mathematics, computing, and analytics, but if false expectations are set and practitioners and leaders don’t fully understand everything that really goes into data science projects, then a stunning 80% (or more) of analytics projects will continue to fail, costing enterprises and society hundreds of billions of dollars, and leading to non-experts abandoning one of the most important data-driven decision-making capabilities altogether.

For the first time, business leaders, practitioners, students, and interested laypeople will learn what really makes a data science project successful. By illustrating with many personal stories, the authors reveal the harsh realities of implementing AI and analytics.