By conde de taylor, Jefe de Datos en Count.
Foto por austin neil on Unsplash.
Cuidado con los piratas
Una de las experiencias más universalmente desmoralizantes es ver que los resultados de su arduo trabajo pasan desapercibidos, no apreciados y no utilizados. En el mundo de los datos, esto es algo que experimentamos con demasiada frecuencia. Considere la siguiente situación hipotética:
- Jim envía una solicitud al equipo de datos para un análisis profundo para una presentación al cliente la semana siguiente.
- Usted y Jim pasan toda la semana trabajando en el análisis, trabajando estrechamente para asegurarse de que tenga las imágenes adecuadas y se sienta seguro al presentar los hallazgos.
- Llega el día de la presentación y ni una palabra de Jim. Eso es extraño.
- Cuando finalmente lo localizas, te dice que "después de todo, no terminó usando los gráficos". “Simplemente los habrían confundido”, añade en tono conciliador.
- Estás furioso. Toda una semana desperdiciada. Se tomó otra decisión sin datos que la respaldaran. ¿Por qué preguntó en primer lugar?
Me gusta llamar a estos solicitantes piratas porque me roban el tiempo. Desafortunadamente, siempre habrá piratas, pero hay formas de aprender a evitarlos o al menos afrontar su existencia. Aquí hay una lista de consejos para asegurarse de que su análisis obtenga el crédito que merece, recopilados a partir de mi propia experiencia, investigaciones académicas y las mejores prácticas de la industria.
1. Deshágase de los formularios de solicitud de datos
Debemos ser consultores, no trabajadores contratados.
La mayoría de los equipos de datos tienen un portal de solicitudes que utilizan para clasificar y asignar solicitudes de datos que provienen de la empresa. Estos portales están diseñados para facilitar el trabajo conjunto de los equipos de datos y de negocios; Los usuarios empresariales escriben exactamente lo que quieren y el equipo de datos simplemente lo hace realidad.
Desafortunadamente, como vimos con Jim, no es tan simple. Muchos usuarios empresariales acuden al equipo de datos con un gráfico en mente, incluido lo que deberían mostrar los números en ese gráfico.
A estas alturas ya estamos condenados. Si los datos no coinciden con la historia que el solicitante desea o tienen algunos matices, nunca utilizarán este análisis. Necesitamos saber el problema que están tratando de resolver.
Como profesionales de datos, conocemos los datos y los métodos estadísticos mejor que nadie y podemos asesorar sobre el mejor enfoque para utilizar los datos para responder la pregunta en cuestión. El contexto empresarial en asociación con nuestra experiencia en datos se puede combinar para crear análisis mucho más impactantes que los que podríamos producir individualmente.
En resumen, debemos ser consultores, no trabajadores contratados.
2. Los números nunca caminan solos
Un gráfico por sí solo no puede transmitirlo todo, y ese tipo de pensamiento inhibe nuestra capacidad de influir en el negocio con nuestro trabajo.
A menudo se espera que enviemos un único gráfico o panel como solicitud completa. Estos son casi imposibles de interpretar para el usuario empresarial sin una explicación personalizada.
Nos han dicho que los datos pueden hablar por sí solos, que un gráfico bien elaborado puede comunicar todos sus matices por sí solo. Esto simplemente no es cierto. Un gráfico por sí solo no puede transmitirlo todo, y ese tipo de pensamiento inhibe nuestra capacidad de influir en el negocio con nuestro trabajo.
No se puede confiar únicamente en los gráficos para transmitir información. Utilice texto para explicar su trabajo. Fuente: El mejor jugador que nunca ganó un título by contar.co.
Al compartir cualquier análisis, trato de incluir siempre la siguiente información:
- período de tiempo de los datos
- fecha de análisis
- autor
- TL;DR: resumen del contexto y las ideas
- explicación de cómo leer el gráfico
- cómo hiciste el análisis (no el código, sino la explicación del profano)
- limitaciones y próximos pasos
Esta información contextual puede parecer un dolor de cabeza, pero marca una gran diferencia. No nos limitamos a enviar un gráfico que, de forma aislada, puede contener el subtexto inútil "descúbrelo". Les hemos enviado un análisis con todo lo que necesitan para convertir ese gráfico en insight, un pequeño gesto que no pasa desapercibido.
Romper el hábito de enviar gráficos por sí solos les brinda la oportunidad de ser comprendidos y, en última instancia, utilizados.
3. Conviértelo en una experiencia
Para que su análisis realmente tenga sentido, sus usuarios necesitarán indagar y presionar... Ayudémoslos a lograrlo.
Rodear su gráfico con contexto y explicación garantiza que el lector tenga todo lo que necesita para aprender. algo de nuestro análisis. Pero aprendemos mejor a través de las experiencias[1].
Entonces, para que su análisis realmente tenga sentido, sus usuarios deberán presionarlo y presionarlo. El modelo de aprendizaje de Kolb sugiere que necesitarán experimentar con nuestro análisis y tomarse el tiempo para reflexionar sobre sus implicaciones en el mundo real antes de poder comprenderlo adecuadamente. Ayudémosles a llegar allí.
Modelo de aprendizaje experiencial (ELM) de David Kolb [1] Fuente de la imagen: autor.
Como mínimo, esto implica configurar elementos interactivos para su análisis. Agregue filtros y parámetros que permitan al usuario comenzar a interrogar los datos. ¿Y si tuvieras el doble de presupuesto? ¿La mitad?
Este flujo de preguntas y respuestas permite al usuario confiar en el análisis y comprender cómo se relaciona con su problema, lo que en última instancia le brinda la confianza para ejercer ese análisis en la sala de juntas. Esta falta de confianza es la razón número uno por la que su gráfico no aparece en esa presentación de diapositivas, así que tenga cuidado.
4. Prepárelo para la presentación
Cree imágenes atractivas e informativas que no intimiden a los espectadores sin sacrificar la complejidad de su análisis.
Lamentablemente, no podemos esperar que alguien se tome el tiempo de aprender del análisis en una presentación como lo ha hecho (con suerte) nuestro socio comercial hasta este momento. Esto significa que ahora necesitamos crear un cuadro resumen que pueda reflejar los puntos clave de nuestro análisis, pero con mucho menos detalle.
Idealmente, esto se hace como último paso de su análisis, una vez que haya acordado las ideas clave y la mejor manera de componerlas en una decisión o problema más amplio a resolver. Luego, podrá utilizar las mejores prácticas de visualización de datos [2] para crear imágenes atractivas e informativas que no intimiden a los espectadores sin sacrificar la complejidad de su análisis.
5. Larga vida al análisis
Asegúrese de que su análisis vaya más allá de esta única solicitud de datos y pueda utilizarse una y otra vez.
Una parte de este proceso que se descuida gravemente es la cuestión de convertir este análisis en conocimiento escalable. ¿Cómo se asegura de que la pregunta empresarial que acaba de responder se comparta no sólo con Jim o el equipo de Jim sino con toda la empresa? Y no sólo esta semana, sino que se podrá utilizar dentro de 6 meses cuando vuelva a surgir la misma duda. La respuesta, inequívocamente, no es un tablero, sino algo más matizado.
El enfoque de AirBnB [3] ha sido implementar una fuente de conocimiento que toma el tipo de análisis detallado que acabamos de describir y lo publica para que lo encuentre toda la empresa. El resultado es una colección de informes que todos los usuarios entienden fácilmente, pero que aún tienen acceso al código sin formato y a notas para que los analistas los utilicen como punto de partida para trabajos futuros. Los atributos clave están documentados para que todos tengan confianza en lo que están viendo (cuándo se publicó, las limitaciones, etc.). Y han hecho que esta base de datos de conocimiento sea fácilmente analizable para que las personas puedan encontrar rápidamente el análisis relacionado con sus preguntas antes de enviar su solicitud al equipo de datos.
Ahora puede asegurarse de que su análisis vaya más allá de esta única solicitud de datos y pueda utilizarse una y otra vez.
Tiempo de bricolaje
La ventaja de este tipo de forma de trabajar es que es fácil de probar. La próxima vez que reciba una solicitud de uno de sus usuarios comerciales más amigables (evite los piratas), le sugiero que pruebe este método. En lugar de materializar el cuadro que solicitaron, pida reunirse con ellos para comprender mejor qué esperan hacer con este cuadro. ¿Qué decisiones está informando? ¿Quién es la audiencia?
Y mientras trabajan juntos en este análisis, les sugiero utilizar un cuaderno de datos para documentar los metadatos requeridos y explicar su trabajo a su socio comercial. Esto le brinda la flexibilidad de contextualizar su análisis en línea con código y elementos visuales, de modo que no esté intentando piratear un documento de Google en alguna parte.
Una vez que ambos estén satisfechos con el análisis y los hallazgos, trabajen juntos en el gráfico final y vean qué tan diferente se ve de la solicitud original. Estoy dispuesto a apostar que son completamente diferentes.
Ejemplo de cuaderno de Conteo. Fuente: ¿Quién es la CABRA del tenis?
Dedicar este análisis al conocimiento compartido requiere un poco más de previsión. No hay muchos lugares naturales a los que puedan ir estos cuadernos; Github no es lo suficientemente fácil de usar para quienes no son desarrolladores y opciones como DropBox o Google Docs no son lo suficientemente técnicas como para incluir el código necesario.
Si me obligaras a recomendar una herramienta, tendría que decir Contar, pero para ser revelador, ayudé a construirlo. Count es un cuaderno de datos que tiene como objetivo hacer de este tipo de forma de trabajar la norma. Puede crear informes analíticos de alta calidad llenos de contexto, explicaciones y elementos visuales personalizados, todo en un solo documento, brindando a su trabajo la plataforma que necesita para sobrevivir a la solicitud de datos transitoria y convertirse en conocimiento del que toda la empresa puede beneficiarse.
Si ha probado alguno de estos métodos, ¡me encantaría saber cómo le fue en los comentarios!
Referencias
[1] Kolb, DA Aprendizaje experiencial: la experiencia como fuente de aprendizaje y desarrollo. Nueva Jersey: Prentice-Hall; 1984.
[2] Mahoney, Michael. El arte y la ciencia de la visualización de datos. Hacia la ciencia de datos; 2019.
[3] Sharma, C. y Overgooer, enero. Ampliando el conocimiento en Airbnb. AirbnbEsp; 2016.
Original. Publicado de nuevo con permiso.
Relacionado:
Fuente: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- de la máquina
- Con el objetivo
- análisis
- Arte
- las ventas
- MEJOR
- y las mejores prácticas
- Poco
- build
- llamar al
- servicios sociales
- Gráficas
- código
- compañía
- confianza
- crédito
- página de información de sus operaciones
- datos
- Ciencia de los datos
- Base de datos
- día
- detalle
- HIZO
- Dropbox
- etc.
- Experiencias
- experimento
- filtros
- Finalmente
- Nombre
- Flexibilidad
- de tus señales
- previsión
- ser completados
- futuras
- GitHub
- Diezmos y Ofrendas
- corte
- cabeza
- esta página
- Cómo
- Como Hacer
- HTTPS
- enorme
- imagen
- Incluye
- energético
- influir
- información
- Insights
- interactivo
- solo
- IT
- Clave
- especialistas
- APRENDE:
- aprendizaje
- Etiqueta LinkedIn
- Lista
- Largo
- amar
- Match
- mediano
- modelo
- meses
- New Jersey
- ordenadores portátiles
- números
- Opciones
- Socio
- Consorcio
- Personas
- plataforma
- jugador
- Portal
- profesionales
- Crudo
- Testimoniales
- Informes
- la investigación
- Resultados
- Ciencia:
- sentido
- pólipo
- compartido
- En Corto
- sencillos
- chica
- So
- RESOLVER
- pasar
- comienzo
- Subido
- Técnico
- decirles
- tenis
- test
- La Fuente
- Ideas
- equipo
- recomendaciones
- seguir
- triaje
- Confía en
- usuarios
- semana
- QUIENES
- empuñar
- ganar
- Actividades:
- mundo