By Comte Taylor, responsable des données chez Count.
Photo par Austin Neil on Unsplash.
Méfiez-vous des pirates
L’une des expériences les plus universellement démoralisantes est de voir les résultats de votre travail acharné passer inaperçus, méconnus et inutilisés. Dans le monde des données, c’est quelque chose que nous vivons trop souvent. Prenons la situation hypothétique suivante :
- Jim soumet une demande à l'équipe de données pour une analyse approfondie en vue d'une présentation client la semaine suivante.
- Jim et vous passez toute la semaine à travailler sur l'analyse, en travaillant en étroite collaboration pour vous assurer qu'il dispose des bons visuels et qu'il se sent en confiance pour présenter les résultats.
- Le jour de la présentation arrive, et pas un mot de Jim. C'est étrange.
- Lorsque vous le retrouvez enfin, il vous dit qu’il « n’a finalement pas utilisé les graphiques ». "Ils les auraient simplement confondus", ajoute-t-il sur un ton conciliant.
- Vous êtes en colère. Une semaine entière perdue. Une autre décision a été prise sans données pour la sauvegarder. Pourquoi a-t-il demandé en premier lieu ?
J'aime appeler ces demandeurs pirates parce qu'ils me volent mon temps. Malheureusement, il y aura toujours des pirates, mais il existe des moyens d’apprendre à les éviter ou au moins à faire face à leur existence. Voici une liste de conseils pour vous assurer que votre analyse obtient le crédit qu'elle mérite, rassemblés à partir de ma propre expérience, de recherches universitaires et des meilleures pratiques de l'industrie.
1. Abandonnez les formulaires de demande de données
Nous devons être des consultants et non des salariés.
La plupart des équipes de données disposent d'un portail de demandes qu'elles utilisent pour trier et attribuer les demandes de données provenant de l'entreprise. Ces portails sont conçus pour faciliter la collaboration entre les équipes métier et données ; les utilisateurs professionnels saisissent exactement ce qu'ils veulent, et l'équipe chargée des données fait en sorte que cela se réalise.
Malheureusement, comme nous l’a vu Jim, ce n’est pas si simple. De nombreux utilisateurs professionnels se tournent vers l'équipe chargée des données avec un graphique déjà en tête, y compris ce que les chiffres figurant sur ce graphique devraient afficher.
À ce stade, nous sommes déjà condamnés. Si les données ne correspondent pas à l’histoire souhaitée par le demandeur ou sont un peu nuancées, il n’utilisera jamais cette analyse. Nous devons connaître le problème qu’ils tentent de résoudre.
En tant que professionnels des données, nous connaissons les données et les méthodes statistiques mieux que quiconque et pouvons vous conseiller sur la meilleure approche d'utilisation des données pour répondre à la question posée. Le contexte commercial, en partenariat avec notre expertise en matière de données, peut se combiner pour créer une analyse bien plus percutante que ce que nous pourrions produire individuellement.
En bref, nous devons être des consultants et non des salariés.
2. Les chiffres ne marchent jamais seuls
Un graphique à lui seul ne peut pas tout transmettre, et ce genre de réflexion inhibe notre capacité à influencer l'entreprise par notre travail.
Nous sommes souvent censés envoyer un seul graphique ou tableau de bord sous forme de demande complétée. Il est presque impossible à l’utilisateur professionnel de les interpréter sans une explication 1:1.
On nous a dit que les données peuvent parler d’elles-mêmes, qu’un graphique bien conçu peut communiquer à lui seul toutes ses nuances. Ce n’est tout simplement pas vrai. Un graphique à lui seul ne peut pas tout transmettre, et ce genre de réflexion inhibe notre capacité à influencer l'entreprise par notre travail.
Vous ne pouvez pas vous fier uniquement aux graphiques pour transmettre des informations. Utilisez du texte pour expliquer votre travail. Source: Le meilleur joueur à ne jamais remporter de titre by compte.co.
Lorsque je partage une analyse, j'essaie de toujours inclure les informations suivantes :
- période de temps des données
- date d'analyse
- auteur
- TL;DR : résumé du contexte et des informations
- explication de la façon de lire le graphique
- comment vous avez fait l'analyse (pas le code, mais l'explication du profane)
- limites et prochaines étapes
Ces informations contextuelles peuvent sembler un casse-tête, mais elles font une énorme différence. Nous ne nous sommes pas contentés d'envoyer un graphique qui, isolément, peut contenir le sous-texte inutile « comprend-le ». Nous leur avons envoyé une analyse avec tout ce dont ils ont besoin pour transformer ce graphique en aperçu, un petit geste qui ne suffit pas. passer inaperçu.
Rompre avec l’habitude d’envoyer des graphiques eux-mêmes leur donne une chance d’être compris et, finalement, utilisés.
3. Faites-en une expérience
Pour vraiment donner un sens à votre analyse, vos utilisateurs devront la pousser et la pousser… Aidons-les à y parvenir.
Entourer votre graphique de contexte et d'explications garantit que le lecteur a tout ce dont il a besoin pour apprendre quelque chose de notre analyse. Mais on apprend mieux par les expériences[1].
Donc, pour vraiment donner un sens à votre analyse, vos utilisateurs devront la pousser et la pousser. Le modèle d’apprentissage de Kolb suggère qu’ils devront expérimenter notre analyse et prendre le temps de réfléchir à ses implications dans le monde réel avant de pouvoir la comprendre correctement. Aidons-les à y arriver.
Modèle d'apprentissage expérientiel (ELM) de David Kolb [1] Source de l'image : auteur.
Cela implique au minimum la mise en place d’éléments interactifs pour votre analyse. Ajoutez des filtres et des paramètres qui permettent à l'utilisateur de commencer à interroger les données. Et si vous aviez le double de budget ? La moitié ?
Ce flux de questions-réponses permet à l'utilisateur de faire confiance à l'analyse et de comprendre son lien avec son problème, ce qui lui donne finalement la confiance nécessaire pour utiliser cette analyse dans la salle de conférence. Ce manque de confiance est la principale raison pour laquelle votre graphique ne figure pas dans ce diaporama, alors soyez prudent ici.
4. Préparez-le pour la présentation
Créez des visuels attrayants et informatifs qui n’intimideront pas les spectateurs sans sacrifier la complexité de votre analyse.
Malheureusement, nous ne pouvons pas nous attendre à ce que quelqu’un prenne le temps d’apprendre de l’analyse d’une présentation comme notre partenaire commercial l’a fait (espérons-le) jusqu’à présent. Cela signifie que nous devons maintenant créer un tableau récapitulatif pouvant refléter les points clés de notre analyse, mais de manière beaucoup moins détaillée.
Idéalement, cela constitue la dernière étape de votre analyse, une fois que vous vous êtes mis d'accord sur les informations clés et sur la meilleure façon de les regrouper dans une décision plus large ou un problème à résoudre. Vous pouvez ensuite utiliser les meilleures pratiques de visualisation de données [2] pour créer des visuels attrayants et informatifs qui n'intimideront pas les spectateurs sans sacrifier la complexité de votre analyse.
5. Vive l’analyse
Assurez-vous que votre analyse va au-delà de cette seule demande de données et peut être utilisée encore et encore.
Une partie de ce processus qui est gravement négligée est la question de transformer cette analyse en connaissances évolutives. Comment vous assurer que la question commerciale à laquelle vous venez de répondre est partagée non seulement avec Jim ou son équipe, mais avec l'ensemble de l'entreprise ? Et pas seulement cette semaine, mais qu'il puisse être utilisé dans 6 mois lorsque la même question reviendra. La réponse n’est sans équivoque pas un tableau de bord mais quelque chose de plus nuancé.
L'approche d'AirBnB [3] a consisté à mettre en œuvre un flux de connaissances qui prend le type d'analyse détaillée que nous venons de décrire et le publie pour que l'ensemble de l'entreprise puisse le trouver. Le résultat est une collection de rapports facilement compréhensibles par tous les utilisateurs, mais qui ont toujours accès au code brut et aux notes que les analystes peuvent utiliser comme point de départ pour leurs travaux futurs. Les attributs clés sont documentés et donnent à chacun confiance dans ce qu’il voit (quand il a été publié, les limites, etc.). Et ils ont rendu cette base de données de connaissances facilement analysable afin que les utilisateurs puissent trouver rapidement l'analyse liée à leurs questions avant de soumettre leur demande à l'équipe chargée des données.
Vous pouvez désormais vous assurer que votre analyse va au-delà de cette seule demande de données et qu’elle peut être utilisée encore et encore.
DIY. Temps
L’avantage de ce type de méthode de travail est qu’il est facile à tester. La prochaine fois qu’une demande viendra de l’un de vos utilisateurs professionnels les plus conviviaux (évitez les pirates), je vous suggère d’essayer cette méthode. Au lieu de matérialiser la grille qu’ils ont demandée, demandez à les rencontrer pour mieux comprendre ce qu’ils espèrent faire de cette grille. Quelles décisions éclaire-t-il ? Quel est le public ?
Et pendant que vous travaillez ensemble dans cette analyse, je vous suggère d'utiliser un cahier de données pour documenter les métadonnées requises et expliquer votre travail à votre partenaire commercial. Cela vous donne la flexibilité de contextualiser votre analyse en fonction du code et des visuels, de sorte que vous n'essayez pas de pirater un document Google quelque part.
Une fois que vous êtes tous les deux satisfaits de l’analyse et des résultats, travaillez ensemble sur le tableau final et voyez à quel point il est différent de la demande initiale. Je suis prêt à parier qu’ils sont complètement différents.
Exemple de carnet de notes Count. Source: Qui est le GOAT du Tennis ?
Confier cette analyse à des connaissances partagées nécessite un peu plus de prévoyance. Il n’y a pas beaucoup d’endroits naturels où aller ces cahiers ; Github n'est pas assez convivial pour les non-développeurs, et des options comme DropBox ou Google Docs ne sont pas assez techniques pour inclure le code requis.
Si vous m'obligiez à recommander un outil, je devrais dire que vous avez, mais divulgation complète, j'ai aidé à le construire. Count est un carnet de données qui vise à faire de ce type de façon de travailler la norme. Vous pouvez créer des rapports analytiques de haute qualité remplis de contexte, d'explications et de visuels personnalisés, le tout dans un seul document, donnant à votre travail la plate-forme dont il a besoin pour survivre à la demande de données transitoires et devenir des connaissances dont toute l'entreprise peut bénéficier.
Si vous avez essayé l’une de ces méthodes, j’aimerais savoir comment cela s’est passé dans les commentaires !
Bibliographie
[1] Kolb, D.A. Apprentissage expérientiel : l'expérience comme source d'apprentissage et de développement. New Jersey : Prentice-Hall ; 1984.
[2] Mahoney, Michael. L'art et la science de la visualisation de données. Vers la science des données ; 2019.
[3] Sharma, C. et Overgooer, janv. Faire évoluer les connaissances sur Airbnb. AirbnbEng; 2016.
ORIGINALE. Republié avec permission.
Connexe:
Source : https://www.kdnuggets.com/2021/04/make-analysis-used.html
- accès
- Visée
- selon une analyse de l’Université de Princeton
- L'art
- public
- LES MEILLEURS
- les meilleures pratiques
- Bit
- construire
- la performance des entreprises
- Appelez-nous
- les soins
- Charts
- code
- Société
- confiance
- crédit
- tableau de bord
- données
- science des données
- Base de données
- journée
- détail
- DID
- Dropbox
- etc
- Expériences
- expérience
- filtres
- finalement
- Prénom
- Flexibilité
- flux
- prévoyance
- plein
- avenir
- GitHub
- Don
- entaille
- front
- ici
- Comment
- How To
- HTTPS
- majeur
- image
- Y compris
- industrie
- influencer
- d'information
- idées.
- Interactif
- seul
- IT
- ACTIVITES
- spécialisées
- APPRENTISSAGE
- apprentissage
- Liste
- Location
- love
- Match
- moyenne
- modèle
- mois
- New Jersey
- ordinateurs portables
- numéros
- Options
- les partenaires
- Partenariat
- Personnes
- plateforme
- joueur
- Portail
- ,une équipe de professionnels qualifiés
- raw
- Reader
- Rapports
- un article
- Résultats
- Sciences
- sens
- mise
- commun
- Shorts
- étapes
- petit
- So
- RÉSOUDRE
- passer
- Commencer
- soumis
- Technique
- raconte
- tennis
- tester
- La Source
- En pensant
- fiable
- conseils
- suivre
- triage
- La confiance
- utilisateurs
- semaine
- WHO
- manier
- gagner
- Activités principales
- world