Strefa Wywiadu
Strategy & Business
Technical PM

Leading Projects with Data – How to Effectively Transition to Data-Informed Project Management – interview with Marcus Glowasz

Aneta Wereszczak

02-10-2023

Strefa PMI nr 42, wrzesień 2023

Despite all the hype about data, analytics, and primarily AI, it must be clear that people remain the key factor in projects. AI has zero value without data, and data has zero value if people are not bought into data as a concept. In the end, data is produced through people’s activities. That could be project plans, RAID logs, stakeholder maps, etc., but also presentations, meetings, reports, lessons learned, and so forth. Everything is data that we as people produce and need to feed into a data ecosystem for us to make continuous use of growing information and knowledge. And with such a workable data ecosystem, meaningful analytics can be applied that produce valuable insights for our project decisions.

Strefa Wiedzy
Strategy & Business
Technical PM

Next-Generation Project Management for AI: Taking PMP to the Next Level

Kathleen Walch

20-09-2022

Strefa PMI nr 38, Wrzesień 2022

Artificial intelligence and advanced data projects are in very high demand. There is a consistent and significant need for project managers as well as data scientists, machine learning engineers, and others who can successfully bring AI projects to completion. With over 70% of AI projects failing due for a wide range of reasons, organizations that are serious about putting AI into practice realize that implementing emerging technologies such as machine learning and artificial intelligence requires more than just great technology and great people; it requires IT project managers that understand how to best run and manage these projects for successful outcomes.

Czy Twoje dane są normalne?

Przemysław Świdliński

21-10-2021

Strefa PMI nr 34, Wrzesień 2021

Dlaczego analizujemy dane? Odpowiedź jest prosta, aby podjąć decyzję lub przewidzieć, co stanie się w przyszłości. Większość danych w przyrodzie ma rozkład normalny, ale są również takie, które rozkładają się inaczej. Jeżeli do danych o rozkładzie innym niż normalny podejdziemy jak do tych normalnych, to możemy popełnić błąd i wyciągnąć mylne wnioski. Jak zatem nie pomylić danych i właściwie je interpretować?

Strefa Wywiadu
Leadership
Strategy & Business

Data Science z bliska – wywiad z Marią Parysz

Dominika Kantorowicz

09-02-2021

Strefa PMI nr 31, Listopad 2020

Z Marią Parysz, CEO firmy LogicAI, rozmawia Dominika Kantorowicz. Projekty AI stawiają przed Project Mana­gerami sporo nowych wyzwań i trzeba przy­znać, że są inne. Główna różnica polega na podejściu do zarządzania czasem – projekty AI bazują najczęściej na eksperymentach i trudno określić jaki dokładny wynik przy­niesie seria wykonanych testów w usta­lonym czasie. Klienci najczęściej oczekują, że algorytm przyniesie skuteczność na poziomie 99%, co jest mało realne przy pierwszym wdrożeniu. Dlatego wymaga­na jest praca w krótkich sprintach oraz jak najszybsze wdrożenie rozwiązania na pro­dukcję, zgodnie z podejściem Lean Startup.

Strefa Praktyki
Hints&Tips

Jak czytać ze szklanej kuli? 5 komponentów sukcesu projektów Data Science

Michał Wieteska

09-01-2021

Strefa PMI nr 28, marzec 2020

Powiedzenie, że Data Science, to po prostu „nauka o danych” to nieco za mało. W zakres wchodzi bowiem między innymi proces pozyskania, analizy i modelowania oraz „rozumienia” danych, jak też i stawiania hipotez, wnioskowania czy wreszcie – wizualizacji i komunikacji wyników. Już z samej listy tych aktywności widać, że całość może stać się dość kompleksowym przedsięwzięciem i powinna wymagać sprawnego zarządzania. A jeśli mowa o zarządzaniu, to najlepiej poprzez dedykowany projekt. No i właśnie… o co w takim projekcie chodzi i jak odnieść w nim sukces?

Najnowsze Wydanie