By تیلور کنت، رئیس داده در Count.
عکس آستین نیل on می Unsplash.
مراقب دزدان دریایی باشید
یکی از جهانی ترین تجارب تضعیف کننده روحیه این است که ببینید نتایج کار سخت شما دیده نشده، قدردانی نشده و استفاده نشده است. در دنیای داده، این چیزی است که ما اغلب تجربه می کنیم. وضعیت فرضی زیر را در نظر بگیرید:
- جیم درخواستی را برای تجزیه و تحلیل عمیق برای ارائه مشتری در هفته بعد به تیم داده ارسال می کند.
- شما و جیم تمام هفته را بر روی تجزیه و تحلیل کار میکنید و از نزدیک با هم کار میکنید تا مطمئن شوید که او تصاویر بصری مناسبی دارد و در ارائه یافتهها احساس اطمینان میکند.
- روز ارائه فرا می رسد و حرفی از جیم نمی شود. این عجیب است.
- وقتی بالاخره او را ردیابی کردید، او به شما میگوید که «در نهایت از نمودار استفاده نکرده است». او با لحنی آشتی جویانه اضافه می کند: «آنها فقط آنها را گیج می کردند.
- شما دود می کنید. یک هفته تمام تلف شد تصمیم دیگری برای پشتیبان گیری از آن بدون داده گرفته شد. اصلا چرا از اول پرسید؟
من دوست دارم با این درخواست کنندگان تماس بگیرم دزدان دریایی چون وقتم را می دزدند متأسفانه، دزدان دریایی همیشه وجود خواهند داشت، اما راه هایی وجود دارد که می توانیم یاد بگیریم از آنها دوری کنیم یا حداقل با وجود آنها کنار بیاییم. در اینجا لیستی از نکات برای اطمینان از اینکه تجزیه و تحلیل شما اعتباری را که شایسته آن است دریافت می کند، وجود دارد که از تجربیات خودم، تحقیقات آکادمیک و بهترین شیوه های صنعت جمع آوری شده است.
1. فرم های درخواست داده را حذف کنید
ما باید مشاور باشیم نه دست اجیر.
اکثر تیم های داده یک پورتال درخواست دارند که از آن برای تریاژ و تخصیص درخواست های داده ای که از کسب و کار می آیند استفاده می کنند. این پورتال ها به گونه ای طراحی شده اند که کار با یکدیگر را برای تیم های تجاری و داده آسان تر کنند. کاربران تجاری دقیقاً آنچه را که میخواهند تایپ میکنند و تیم داده آن را محقق میکند.
متأسفانه، همانطور که از جیم دیدیم، به این سادگی نیست. بسیاری از کاربران تجاری با نموداری از قبل در ذهن به تیم داده می آیند، از جمله اینکه اعداد روی آن نمودار باید چه چیزی را نشان دهند.
در این مرحله، ما در حال حاضر محکوم به فنا هستیم. اگر داده ها با داستانی که درخواست کننده می خواهد مطابقت نداشته باشد یا کمی متفاوت باشد، آنها هرگز از این تحلیل استفاده نخواهند کرد. ما باید بدانیم مشکلی که آنها سعی در حل آن دارند.
ما بهعنوان متخصص داده، دادهها و روشهای آماری را بهتر از هر کسی میدانیم و میتوانیم در مورد بهترین رویکرد برای استفاده از دادهها برای پاسخ به سؤال در دست توصیه کنیم. زمینه کسبوکار در مشارکت با تخصص دادههای ما میتواند برای ایجاد تجزیه و تحلیل بسیار تأثیرگذارتر از آنچه ما میتوانیم به صورت جداگانه تولید کنیم، ترکیب شوند.
خلاصه اینکه ما باید مشاور باشیم نه دست اجیر.
2. اعداد هرگز تنها راه نمی روند
یک نمودار به تنهایی نمی تواند همه چیز را منتقل کند، و این نوع تفکر مانع از توانایی ما برای تأثیرگذاری بر تجارت با کارمان می شود.
اغلب از ما انتظار می رود که یک نمودار یا داشبورد را به عنوان یک درخواست تکمیل شده ارسال کنیم. تفسیر آنها بدون توضیح 1:1 برای کاربر تجاری تقریبا غیرممکن است.
به ما گفته شده است که دادهها میتوانند خودشان صحبت کنند، که یک نمودار خوب میتواند تمام تفاوتهای ظریف خود را به خودی خود بیان کند. این به سادگی درست نیست. یک نمودار به تنهایی نمی تواند همه چیز را منتقل کند، و این نوع تفکر مانع از توانایی ما برای تأثیرگذاری بر تجارت با کارمان می شود.
برای انتقال بینش به تنهایی نمی توانید به نمودارها تکیه کنید. از متن برای توضیح کار خود استفاده کنید. منبع: بهترین بازیکنی که هرگز عنوانی را کسب نکرده است by count.co.
هنگام به اشتراک گذاشتن هر تحلیلی، سعی می کنم همیشه اطلاعات زیر را لحاظ کنم:
- دوره زمانی داده ها
- تاریخ تجزیه و تحلیل
- نویسنده
- TL;DR: خلاصه ای از زمینه و بینش
- توضیح نحوه خواندن نمودار
- چگونه تجزیه و تحلیل را انجام دادید (نه کد، بلکه توضیح غیرمستقیم)
- محدودیت ها و مراحل بعدی
این اطلاعات متنی ممکن است مانند یک سردرد به نظر برسد، اما تفاوت زیادی ایجاد می کند. ما فقط نموداری را ارسال نکردهایم، که بهصورت مجزا، میتواند زیرمتن غیرمفید را به همراه داشته باشد. ما برای آنها تجزیه و تحلیلی با هر آنچه که برای تبدیل آن نمودار به بینش نیاز دارند ارسال کرده ایم، یک حرکت کوچک که مورد توجه قرار نمی گیرد.
ترک عادت ارسال نمودارها به تنهایی به آنها فرصتی می دهد تا درک شوند و در نهایت مورد استفاده قرار گیرند.
3. آن را به یک تجربه تبدیل کنید
برای اینکه واقعاً تحلیل خود را درک کنید، کاربران شما باید آن را به هم بزنند و آن را تحریک کنند... بیایید به آنها کمک کنیم تا به آنجا برسند.
احاطه کردن نمودار شما با زمینه و توضیح این اطمینان را می دهد که خواننده همه چیزهایی را که باید بیاموزد دارد چیزی از تحلیل ما اما ما بهترین را از طریق تجربیات می آموزیم[1].
بنابراین برای اینکه تحلیل شما واقعاً منطقی باشد، کاربران شما باید آن را بررسی کنند و آن را تحریک کنند. مدل یادگیری Kolb نشان میدهد که آنها باید تجزیه و تحلیل ما را آزمایش کنند و قبل از اینکه بتوانند آن را به درستی درک کنند، برای تأمل در مفاهیم دنیای واقعی آن وقت بگذارند. بیایید به آنها کمک کنیم تا به آنجا برسند.
مدل یادگیری تجربی دیوید کولب (ELM) [1] منبع تصویر: نویسنده.
حداقل، این شامل تنظیم عناصر تعاملی برای تجزیه و تحلیل شما است. فیلترها و پارامترهایی را اضافه کنید که به کاربر امکان می دهد شروع به بازجویی از داده ها کند. اگر دوبرابر بودجه داشتید چه؟ نصفش؟
این جریان پرسش-پاسخ به کاربر اجازه میدهد به تحلیل اعتماد کند و بفهمد که چگونه با مشکل خود ارتباط دارد و در نهایت به آنها اعتماد به نفس میدهد تا آن تحلیل را در اتاق هیئت مدیره انجام دهند. این عدم اعتماد به نفس دلیل شماره یک است که نمودار شما به آن عرشه اسلاید راه پیدا نمی کند، بنابراین در اینجا مراقب باشید.
4. آن را آماده ارائه کنید
تصاویری جذاب و آموزنده ایجاد کنید که بینندگان را بترساند بدون اینکه پیچیدگی تجزیه و تحلیل شما را به خطر بیندازد.
متأسفانه، ما نمیتوانیم انتظار داشته باشیم که کسی وقت بگذارد و از تجزیه و تحلیل در یک ارائه، روشی را که شریک تجاری ما (امیدوارم) تا این مرحله انجام داده است، بیاموزد. این بدان معناست که اکنون باید یک نمودار خلاصه ایجاد کنیم که بتواند نکات کلیدی تحلیل ما را منعکس کند اما با جزئیات بسیار کمتر.
در حالت ایده آل، این به عنوان آخرین مرحله از تجزیه و تحلیل شما انجام می شود، زمانی که در مورد بینش های کلیدی و بهترین روش ترکیب آنها در یک تصمیم یا مشکل بزرگتر برای حل توافق کردید. سپس می توانید از بهترین روش تجسم داده ها [2] برای ایجاد تصاویری جذاب و آموزنده استفاده کنید که بدون به خطر انداختن پیچیدگی تحلیل شما، بینندگان را بترساند.
5. زنده باد تحلیل
اطمینان حاصل کنید که تجزیه و تحلیل شما فراتر از این درخواست داده واحد است و می تواند بارها و بارها مورد استفاده قرار گیرد.
یکی از بخشهای این فرآیند که به شدت نادیده گرفته شده است، مسئله تبدیل این تحلیل به دانش مقیاسپذیر است. چگونه مطمئن می شوید که سؤال تجاری که به تازگی به آن پاسخ داده اید نه تنها با تیم جیم یا جیم بلکه با شرکت گسترده تر به اشتراک گذاشته شده است؟ و نه فقط در این هفته، بلکه می توان آن را تا 6 ماه دیگر که دوباره همان سوال مطرح شد، استفاده کرد. پاسخ به صراحت یک داشبورد نیست، بلکه چیزی جزئی تر است.
رویکرد AirBnB [3] برای پیادهسازی یک فید دانشی بوده است که از نوع تجزیه و تحلیل دقیق ما استفاده میکند و آن را برای یافتن کل شرکت منتشر میکند. نتیجه مجموعهای از گزارشها است که به راحتی توسط همه کاربران قابل درک است، اما همچنان به کد خام و یادداشتهایی دسترسی دارند تا تحلیلگران از آنها به عنوان نقطه شروع برای کارهای آینده استفاده کنند. ویژگیهای کلیدی مستند شدهاند که به همه نسبت به آنچه که میبینند (زمانی که منتشر شد، محدودیتها و غیره) اطمینان میدهد. و آنها این پایگاه داده دانش را به راحتی قابل تجزیه ساخته اند تا افراد بتوانند به سرعت تجزیه و تحلیل مربوط به سوالات خود را قبل از ارسال درخواست خود به تیم داده پیدا کنند.
اکنون می توانید مطمئن شوید که تجزیه و تحلیل شما فراتر از این درخواست داده است و می تواند بارها و بارها مورد استفاده قرار گیرد.
زمان DIY
مزیت این نوع کار آزمایش آسان آن است. دفعه بعد که درخواستی از طرف یکی از کاربران تجاری دوستانه شما ارسال شد (از دزدان دریایی اجتناب کنید)، پیشنهاد می کنم این روش را امتحان کنید. بهجای تحقق نموداری که درخواست کردهاند، بخواهید با آنها ملاقات کنید تا بهتر بفهمید که امیدوارند با این نمودار چه کاری انجام دهند. چه تصمیماتی را اطلاع رسانی می کند؟ مخاطب کیست؟
و همانطور که در این تحلیل با هم کار می کنید، پیشنهاد می کنم از یک دفترچه داده برای مستندسازی ابرداده های مورد نیاز و توضیح کار خود برای شریک تجاری خود استفاده کنید. این به شما انعطافپذیری میدهد تا تحلیل خود را در راستای کد و تصاویر بصری تنظیم کنید، بنابراین سعی نمیکنید یک Google Doc را در جایی هک کنید.
هنگامی که هر دو از تجزیه و تحلیل و یافتهها راضی بودید، سپس روی نمودار نهایی با هم کار کنید و ببینید چقدر با درخواست اصلی متفاوت است. من حاضرم شرط ببندم که آنها کاملاً متفاوت هستند.
نمونه ای از دفترچه شمارش. منبع: بز تنیس کیست؟
التزام این تحلیل به دانش مشترک نیاز به کمی تدبیر بیشتری دارد. مکان های طبیعی زیادی برای رفتن این نوت بوک ها وجود ندارد. Github برای غیر توسعه دهندگان به اندازه کافی کاربرپسند نیست، و گزینه هایی مانند DropBox یا Google Docs به اندازه کافی فنی نیستند که کدهای مورد نیاز را شامل شوند.
اگر مرا مجبور کردید که ابزاری را توصیه کنم، باید بگویم شمردن، اما افشای کامل، من به ساخت آن کمک کردم. شمارش یک دفترچه یادداشت داده است که قصد دارد این نوع روش کار را عادی کند. میتوانید گزارشهای تحلیلی با کیفیت بالا ایجاد کنید که مملو از زمینه، توضیحات، تصاویر سفارشیشده، همه در یک سند است که به کار شما پلتفرمی را میدهد که به آن نیاز دارد تا بیشتر از درخواست دادههای گذرا زنده بماند و تبدیل به دانشی شود که کل شرکت میتواند از آن بهرهمند شود.
اگر شما هر یک از این روش ها را امتحان کرده اید، خوشحال می شوم در نظرات نحوه عملکرد آن را بدانم!
منابع
[1] Kolb، DA یادگیری تجربی: تجربه به عنوان منبع یادگیری و توسعه. نیوجرسی: پرنتیس هال; 1984.
[2] ماهونی، مایکل. هنر و علم تجسم داده ها. به سوی علم داده؛ 2019.
[3] Sharma, C. & Overgooer, Jan. دانش مقیاس در Airbnb. AirbnbEng; 2016.
اصلی. مجدداً با اجازه دوباره ارسال شد.
مرتبط:
منبع: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- دسترسی
- هدف
- تحلیل
- هنر
- حضار
- بهترین
- بهترین شیوه
- بیت
- ساختن
- کسب و کار
- صدا
- اهميت دادن
- نمودار
- رمز
- شرکت
- اعتماد به نفس
- اعتبار
- داشبورد
- داده ها
- علم اطلاعات
- پایگاه داده
- روز
- جزئیات
- DID
- Dropbox به
- و غیره
- تجارب
- تجربه
- فیلترها برای تصفیه آب
- سرانجام
- نام خانوادگی
- انعطاف پذیری
- جریان
- پیش اندیشی
- کامل
- آینده
- GitHub
- دادن
- گوگل
- هک
- سر
- اینجا کلیک نمایید
- چگونه
- چگونه
- HTTPS
- بزرگ
- تصویر
- از جمله
- صنعت
- نفوذ
- اطلاعات
- بینش
- تعاملی
- انزوا
- IT
- کلید
- دانش
- یاد گرفتن
- یادگیری
- لینک
- فهرست
- طولانی
- عشق
- مسابقه
- متوسط
- مدل
- ماه
- نیوجرسی
- نوت بوک
- تعداد
- گزینه
- شریک
- همکاری
- مردم
- سکو
- بازیکن
- پورتال
- حرفه ای
- خام
- خواننده
- گزارش ها
- تحقیق
- نتایج
- علم
- حس
- محیط
- به اشتراک گذاشته شده
- کوتاه
- ساده
- کوچک
- So
- حل
- خرج کردن
- شروع
- ارسال
- فنی
- می گوید
- تنیس
- آزمون
- منبع
- تفکر
- زمان
- نکات
- مسیر
- تریاژ
- اعتماد
- کاربران
- هفته
- WHO
- بدست آوردن
- پیروزی
- مهاجرت کاری
- جهان