By Taylor greve, chef for data hos Count.
Photo by Austin Neill on Unsplash.
Pas på pirater
En af de mest universelt demoraliserende oplevelser er at se resultaterne af dit hårde arbejde forsvinde uset, ikke værdsat og ubrugt. I dataverdenen er det noget, vi oplever alt for ofte. Tag følgende hypotetiske situation:
- Jim indsender en anmodning til datateamet om en dybdegående analyse til en klientpræsentation den følgende uge.
- Du og Jim bruger hele ugen på at arbejde på analysen og arbejder tæt sammen for at sikre, at han har de rigtige billeder og føler sig sikker på at præsentere resultaterne.
- Dagen for præsentationen kommer, og ikke et ord fra Jim. Det er underligt.
- Når du endelig sporer ham, fortæller han dig, at han "ikke endte med at bruge diagrammerne alligevel." "De ville bare have forvirret dem," tilføjer han i en forsonende tone.
- Du ryster. En hel uge spildt. En anden beslutning blev truffet uden data der til at sikkerhedskopiere. Hvorfor spurgte han overhovedet i første omgang?
Jeg kan godt lide at kalde disse ansøgere pirater fordi de stjæler min tid. Desværre vil der altid være pirater, men der er måder, hvorpå vi kan lære at undgå dem eller i det mindste klare deres eksistens. Her er en liste med tips til at sikre, at din analyse får den kredit, den fortjener, samlet ud fra min egen erfaring, akademisk forskning og bedste praksis i branchen.
1. Fjern dataanmodningsformularerne
Vi skal være konsulenter, ikke hyrede hænder.
De fleste datateams har en anmodningsportal, som de bruger til at triage og tildele dataanmodninger, der kommer fra virksomheden. Disse portaler er designet til at gøre det nemmere for forretnings- og datateamene at arbejde sammen; forretningsbrugere skriver præcis, hvad de vil have, og datateamet får det bare til at ske.
Desværre, som vi så fra Jim, er det ikke så enkelt. Mange forretningsbrugere kommer til datateamet med et diagram allerede i tankerne, herunder hvad tallene på det pågældende diagram skal vise.
På dette tidspunkt er vi allerede dømt. Hvis dataene ikke matcher den historie, som anmoderen ønsker, eller er en smule nuanceret, vil de aldrig bruge denne analyse. Vi skal kende det problem, de prøver at løse.
Som dataprofessionelle kender vi dataene og de statistiske metoder bedre end nogen andre og kan rådgive om den bedste tilgang til at bruge dataene til at besvare det aktuelle spørgsmål. Forretningskonteksten i partnerskab med vores dataekspertise kan kombineres for at skabe analyser, der er langt mere virkningsfulde, end hvad vi kunne producere individuelt.
Kort sagt, vi skal være konsulenter, ikke lejede hænder.
2. Tal aldrig gå alene
Et diagram alene kan umuligt formidle alt, og den slags tænkning hæmmer vores mulighed for at påvirke forretningen med vores arbejde.
Ofte forventes vi at sende over et enkelt diagram eller dashboard som en udfyldt anmodning. Disse er næsten umulige for erhvervsbrugeren at fortolke uden en 1:1 forklaring.
Vi har fået at vide, at data kan tale for sig selv, at et veludformet diagram kan kommunikere alle dets nuancer på egen hånd. Dette er simpelthen ikke sandt. Et diagram alene kan umuligt formidle alt, og den slags tænkning hæmmer vores mulighed for at påvirke forretningen med vores arbejde.
Du kan ikke stole på diagrammer til at formidle indsigt alene. Brug tekst til at forklare dit arbejde. Kilde: Den bedste spiller, der aldrig har vundet en titel by count.co.
Når jeg deler en analyse, forsøger jeg altid at inkludere følgende oplysninger:
- tidsperiode for data
- dato for analyse
- forfatter
- TL;DR: opsummering af kontekst og indsigt
- forklaring på, hvordan man læser skemaet
- hvordan du lavede analysen (ikke koden, men lægmandens forklaring)
- begrænsninger og næste skridt
Denne kontekstuelle information kan virke som en hovedpine, men den gør en enorm forskel. Vi har ikke lige sendt et diagram, som isoleret set kan bære den uhensigtsmæssige undertekst "find ud af det." Vi har sendt dem en analyse med alt, hvad de behøver for at gøre det diagram til indsigt, en lille gestus, der ikke går ubemærket hen.
At bryde vanen med at sende diagrammer ud på egen hånd giver dem en chance for at blive forstået og i sidste ende brugt.
3. Gør det til en oplevelse
For virkelig at give mening i din analyse, bliver dine brugere nødt til at stikke og proppe den... Lad os hjælpe dem med at komme derhen.
At omgive dit diagram med kontekst og forklaring sikrer, at læseren har alt, hvad de har brug for at lære noget fra vores analyse. Men vi lærer bedst gennem erfaringer[1].
Så for virkelig at give mening i din analyse, bliver dine brugere nødt til at stikke og proppe den. Kolbs læringsmodel antyder, at de bliver nødt til at eksperimentere med vores analyse og tage sig tid til at reflektere over dens implikationer i den virkelige verden, før de kan forstå den ordentligt. Lad os hjælpe dem med at komme derhen.
David Kolbs oplevelsesmæssige læringsmodel (ELM) [1] Billedkilde: forfatter.
Dette indebærer som minimum opsætning af interaktive elementer til din analyse. Tilføj filtre og parametre, der lader brugeren begynde at udspørge dataene. Hvad hvis du havde det dobbelte budget? Halvdelen af det?
Dette spørgsmål-svar flow lader brugeren stole på analysen og forstå, hvordan den relaterer til deres problem, hvilket i sidste ende giver dem tillid til at udføre denne analyse i bestyrelseslokalet. Denne mangel på selvtillid er den vigtigste grund til, at dit diagram ikke kommer ind i det diasspil, så pas på her.
4. Gør den præsentationsklar
Skab engagerende og informative billeder, der ikke vil skræmme seerne uden at ofre kompleksiteten af din analyse.
Desværre kan vi ikke forvente, at nogen tager sig tid til at lære af analysen i en præsentation, som vores samarbejdspartner (forhåbentlig) har gjort indtil dette punkt. Det betyder, at vi nu skal lave et opsummerende diagram, der kan afspejle nøglepunkterne i vores analyse, men i langt mindre detaljer.
Ideelt set gøres dette som det sidste trin i din analyse, når du er blevet enige om de vigtigste indsigter, og hvordan du bedst sammensætter dem til en større beslutning eller et større problem, der skal løses. Så kan du gøre brug af Best Practice for Datavisualisering [2] til at skabe engagerende og informative billeder, der ikke vil skræmme seerne uden at ofre kompleksiteten af din analyse.
5. Længe leve analysen
Sørg for, at din analyse lever længere end denne enkelte dataanmodning og kan bruges igen og igen.
En del af denne proces, der er alvorligt forsømt, er spørgsmålet om at gøre denne analyse til skalerbar viden. Hvordan sikrer du dig, at det forretningsspørgsmål, du lige har besvaret, ikke kun deles med Jim eller Jims team, men med den bredere virksomhed? Og ikke kun i denne uge, men at den kan bruges om 6 måneder, når det samme spørgsmål dukker op igen. Svaret er utvetydigt ikke et dashboard, men noget mere nuanceret.
AirBnB's tilgang [3] har været at implementere et vidensfeed, der tager den type detaljerede analyse, vi lige har skitseret, og udgiver det, så hele virksomheden kan finde det. Resultatet er en samling af rapporter, der er let forståelige for alle brugere, men som stadig har adgang til råkoden og noter, som analytikere kan bruge som udgangspunkt for fremtidigt arbejde. Nøgleegenskaberne er dokumenteret, som giver alle tillid til det, de ser (hvornår det blev offentliggjort, begrænsningerne osv.). Og de har gjort denne database med viden let parserbar, så folk hurtigt kan finde analysen relateret til deres spørgsmål, før de har sendt deres anmodning til datateamet.
Nu kan du sikre dig, at din analyse lever længere end denne enkelte dataanmodning og kan bruges igen og igen.
DIY tid
Fordelen ved denne måde at arbejde på er, at den er nem at teste. Næste gang en anmodning kommer igennem fra en af dine mere venlige forretningsbrugere (undgå pirater), foreslår jeg, at du prøver denne metode. I stedet for at materialisere det skema, de bad om, bede om at mødes med dem for bedre at forstå, hvad de håber at gøre med dette skema. Hvilke beslutninger informerer den? Hvem er publikum?
Og mens I arbejder sammen i denne analyse, foreslår jeg, at du bruger en datanotesbog til at dokumentere de nødvendige metadata og forklare dit arbejde til din forretningspartner. Dette giver dig fleksibiliteten til at kontekstualisere din analyse in-line med kode og visuals, så du ikke forsøger at hacke et Google-dokument sammen et eller andet sted.
Når du begge er tilfredse med analysen og resultaterne, så arbejd på det endelige diagram sammen og se, hvor anderledes det ser ud i forhold til den oprindelige anmodning. Jeg er villig til at vædde på, at de er helt forskellige.
Eksempel på Count notesbog. Kilde: Hvem er tennisgeden?
At forpligte denne analyse til delt viden kræver lidt mere omtanke. Der er ikke mange naturlige steder for disse notesbøger at gå; Github er ikke brugervenlig nok for ikke-udviklere, og muligheder som DropBox eller Google Docs er ikke tekniske nok til at inkludere den kode, der kræves.
Hvis du tvang mig til at anbefale et værktøj, må jeg sige Tælle, men fuld afsløring, jeg hjalp med at bygge det. Count er en data-notesbog, der har til formål at gøre denne måde at arbejde på til normen. Du kan oprette analytiske rapporter af høj kvalitet, der er fulde af kontekst, forklaringer, tilpassede billeder, alt sammen i ét dokument, der giver dit arbejde den platform, det skal bruge for at overleve den forbigående dataanmodning og blive viden, som hele virksomheden kan drage fordel af.
Hvis du har prøvet nogen af disse metoder, vil jeg meget gerne høre, hvordan det gik i kommentarerne!
Referencer
[1] Kolb, DA Erfaringsbaseret læring: Erfaring som kilde til læring og udvikling. New Jersey: Prentice-Hall; 1984.
[2] Mahoney, Michael. Kunsten og videnskaben om datavisualisering. Mod Data Science; 2019.
[3] Sharma, C. & Overgooer, Jan. Skalering af viden hos Airbnb. AirbnbEng; 2016.
Original. Genopslået med tilladelse.
Relateret:
Kilde: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- adgang
- sigter
- analyse
- Kunst
- publikum
- BEDSTE
- bedste praksis
- Bit
- bygge
- virksomhed
- ringe
- hvilken
- Diagrammer
- kode
- selskab
- tillid
- kredit
- instrumentbræt
- data
- datalogi
- Database
- dag
- detail
- DID
- Dropbox
- etc.
- Oplevelser
- eksperiment
- Filtre
- Endelig
- Fornavn
- Fleksibilitet
- flow
- omtanke
- fuld
- fremtiden
- GitHub
- Give
- hack
- hoved
- link.
- Hvordan
- How To
- HTTPS
- kæmpe
- billede
- Herunder
- industrien
- indflydelse
- oplysninger
- indsigt
- interaktiv
- isolation
- IT
- Nøgle
- viden
- LÆR
- læring
- Liste
- Lang
- kærlighed
- Match
- medium
- model
- måned
- New Jersey
- notesbøger
- numre
- Indstillinger
- partner
- Partnerskab
- Mennesker
- perron
- spiller
- Portal
- professionelle partnere
- Raw
- Læser
- Rapporter
- forskning
- Resultater
- Videnskab
- forstand
- indstilling
- delt
- Kort
- Simpelt
- lille
- So
- SOLVE
- tilbringe
- starte
- indsendt
- Teknisk
- fortæller
- tennis
- prøve
- The Source
- Tænker
- tid
- tips
- spor
- triage
- Stol
- brugere
- uge
- WHO
- Sving
- vinde
- Arbejde
- world