By Taylor gróf, a Count adatosztályának vezetője.
Fotó Austin Neill on Unsplash.
Óvakodj a kalózoktól
Az egyik leguniverzálisan demoralizáló élmény az, ha látod, hogy kemény munkád eredményei láthatatlanok, értékelhetetlenek és fel nem használtak. Az adatok világában ezt túl gyakran tapasztaljuk. Vegyük a következő hipotetikus helyzetet:
- Jim kérelmet nyújt be az adatcsapatnak, hogy mélyreható elemzést végezzenek egy ügyfélbemutatóhoz a következő héten.
- Te és Jim az egész hetet az elemzéssel töltik, szorosan együttműködve annak érdekében, hogy megbizonyosodjon arról, hogy a megfelelő képanyaggal rendelkezik, és magabiztosan mutatja be az eredményeket.
- Elérkezik a bemutató napja, és Jimtől egy szó sem. Ez fura.
- Amikor végül a nyomára bukkan, azt mondja, „végül sem használta a diagramokat”. „Csak összezavarták volna őket” – teszi hozzá békítő hangon.
- Füstölgődsz. Egy egész hét elpazarolt. Újabb döntés született adatok nélkül, hogy biztonsági másolatot készítsenek róla. Miért kérdezte egyáltalán?
Szeretem hívni ezeket a kérőket kalózok mert elrabolják az időmet. Sajnos mindig lesznek kalózok, de van mód arra, hogy megtanuljuk elkerülni őket, vagy legalább megbirkózni a létezésükkel. Íme a saját tapasztalataim, tudományos kutatásaim és iparági bevált gyakorlataim alapján összeállított tippek listája, amelyek segítségével megbizonyosodhat arról, hogy elemzése megkapja a megérdemelt hitelt.
1. Törölje az adatigénylési űrlapokat
Tanácsadóknak kell lennünk, nem bérmunkásoknak.
A legtöbb adatcsapat rendelkezik lekérési portállal, amelyet a vállalkozástól származó adatkérések osztályozására és hozzárendelésére használ. Ezeket a portálokat úgy alakították ki, hogy megkönnyítsék az üzleti és adatcsoportok együttműködését; Az üzleti felhasználók pontosan azt írják be, amit akarnak, és az adatcsapat egyszerűen megvalósítja azt.
Sajnos, ahogy Jimtől láttuk, ez nem ilyen egyszerű. Sok üzleti felhasználó úgy érkezik az adatcsapathoz, hogy már szem előtt tartja a diagramot, beleértve azt is, hogy a diagramon szereplő számoknak mit kell mutatniuk.
Ezen a ponton már el vagyunk ítélve. Ha az adatok nem egyeznek a kérelmező által kívánt történettel, vagy kissé árnyaltak, akkor soha nem fogja használni ezt az elemzést. Tudnunk kell a problémát, amit megpróbálnak megoldani.
Adatokkal foglalkozó szakemberként mindenkinél jobban ismerjük az adatokat és a statisztikai módszereket, és tanácsot tudunk adni az adatok felhasználásának legjobb módjáról a felmerülő kérdés megválaszolására. Az üzleti kontextus az adatszakértelemünkkel együttműködve sokkal hatásosabb elemzést hozhat létre, mint amit külön-külön készíthetnénk.
Röviden: tanácsadóknak kell lennünk, nem bérmunkásoknak.
2. A számok soha nem járnak egyedül
Egy diagram önmagában nem tud mindent átadni, és ez a fajta gondolkodás gátolja azt, hogy munkánkkal befolyásoljuk az üzletet.
Gyakran egyetlen diagramot vagy irányítópultot kell elküldenünk kitöltött kérésként. Ezeket az üzleti felhasználó szinte lehetetlen értelmezni 1:1 arányú magyarázat nélkül.
Azt mondták nekünk, hogy az adatok magukért beszélhetnek, hogy egy jól megszerkesztett diagram önmagában is képes közölni minden árnyalatát. Ez egyszerűen nem igaz. Egy diagram önmagában nem tud mindent átadni, és ez a fajta gondolkodás gátolja azt, hogy munkánkkal befolyásoljuk az üzletet.
Nem hagyatkozhat pusztán a diagramokra, hogy betekintést közvetítsen. Használjon szöveget munkája magyarázatához. Forrás: A legjobb játékos, aki soha nem nyer címet by count.co.
Bármilyen elemzés megosztása során igyekszem mindig a következő információkat feltüntetni:
- az adatok időszaka
- az elemzés dátuma
- szerző
- TL;DR: a kontextus és a betekintések összefoglalása
- magyarázatot a diagram olvasásához
- hogyan csináltad az elemzést (nem a kód, hanem a laikus magyarázata)
- korlátozások és a következő lépések
Ez a kontextuális információ fejfájásnak tűnhet, de óriási különbséget jelent. Nem csak egy diagramot küldtünk el, amely elszigetelten hordozhatja a „találd ki” haszontalan alszöveget. Elküldtünk nekik egy elemzést, amely mindent tartalmaz ahhoz, hogy a diagram betekintést nyerjen, ez egy apró gesztus, amely nem marad észrevétlen.
A diagramok önmagukban történő küldésének megszakítása lehetőséget ad számukra, hogy megértsék, és végül felhasználják őket.
3. Tedd élménnyé
Ahhoz, hogy valóban értelmet adjon elemzésének, a felhasználóknak ki kell bökniük és elő kell állítaniuk… Segítsünk nekik eljutni oda.
Ha a diagramot kontextussal és magyarázattal veszi körül, az olvasó mindennel rendelkezik, amire szüksége van a tanuláshoz valamit az elemzésünkből. De a legjobban a tapasztalatokon keresztül tanulunk[1].
Tehát ahhoz, hogy valóban értelmet nyerjen az elemzése, a felhasználóknak ki kell bökniük és elő kell állítaniuk azt. Kolb tanulási modellje azt sugallja, hogy kísérletezniük kell az elemzésünkkel, és időt kell szánniuk annak valós vonatkozásaira, mielőtt megfelelően megértenék. Segítsünk nekik eljutni oda.
David Kolb tapasztalati tanulási modellje (ELM) [1] A kép forrása: szerző.
Ehhez legalább interaktív elemeket kell beállítani az elemzéshez. Adjon hozzá szűrőket és paramétereket, amelyek lehetővé teszik a felhasználó számára az adatok lekérdezését. Mi lenne, ha duplája lenne a költségvetés? A felét?
Ez a kérdés-válasz folyamat lehetővé teszi a felhasználó számára, hogy megbízzon az elemzésben, és megértse, hogy az hogyan kapcsolódik a problémájához, ami végső soron önbizalmat ad az elemzéshez a tanácsteremben. Ez az önbizalomhiány az első számú oka annak, hogy a diagramja nem kerül be a diapakliba, ezért vigyázzon.
4. Készítse elő a bemutatót
Hozzon létre vonzó és informatív látványelemeket, amelyek nem riasztják el a nézőket anélkül, hogy feláldoznák az elemzés összetettségét.
Sajnos nem várhatjuk el, hogy valaki időt szánjon arra, hogy egy előadásban tanuljon az elemzésből, ahogyan azt üzleti partnerünk (remélhetőleg) tette eddig. Ez azt jelenti, hogy most összefoglaló diagramot kell készítenünk, amely tükrözi elemzésünk kulcsfontosságú pontjait, de sokkal kevésbé részletesen.
Ideális esetben ezt az elemzés utolsó lépéseként kell megtenni, miután megállapodtak a kulcsfontosságú meglátásokban, és abban, hogyan lehet azokat a legjobban összefoglalni egy nagyobb döntés vagy megoldandó probléma formájában. Ezután felhasználhatja az adatvizualizáció bevált gyakorlatát [2], hogy vonzó és informatív látványelemeket készítsen, amelyek nem riasztják el a nézőket anélkül, hogy feláldoznák az elemzés összetettségét.
5. Éljen az elemzés
Győződjön meg arról, hogy elemzése túlmutat ezen az egyetlen adatkérésen, és újra és újra felhasználható.
Ennek a folyamatnak az egyik erősen elhanyagolt része az a kérdés, hogy ezt az elemzést skálázható tudássá alakítsuk. Hogyan biztosíthatja, hogy az imént megválaszolt üzleti kérdést ne csak Jimmel vagy Jim csapatával, hanem a szélesebb társasággal is megosszák? És nem csak ezen a héten, hanem hogy 6 hónap múlva is használható legyen, amikor újra előkerül ugyanaz a kérdés. A válasz egyértelműen nem egy műszerfal, hanem valami árnyaltabb.
Az AirBnB megközelítése [3] egy Tudásfolyam bevezetése volt, amely az imént felvázolt típusú részletes elemzést veszi, és közzéteszi, hogy az egész vállalat megtalálja. Az eredmény egy olyan jelentésgyűjtemény, amely minden felhasználó számára könnyen érthető, de továbbra is hozzáfér a nyers kódhoz és megjegyzésekhez, amelyeket az elemzők használhatnak kiindulópontként a jövőbeni munkához. A kulcsfontosságú attribútumok dokumentálva vannak, így mindenki magabiztossá teheti, amit lát (a közzététel időpontja, a korlátozások stb.). Ezt a tudásadatbázist pedig könnyen elemezhetővé tették, így az emberek gyorsan megtalálhatják a kérdéseikhez kapcsolódó elemzést, mielőtt benyújtanák kérésüket az adatcsoporthoz.
Most megbizonyosodhat arról, hogy elemzése túlmutat ezen az egyetlen adatkérésen, és újra és újra felhasználható.
DIY idő
Ennek a fajta munkamódszernek az az előnye, hogy könnyű tesztelni. Ha legközelebb egy barátságosabb üzleti felhasználótól érkezik kérés (kerülje a kalózokat), azt javaslom, próbálja ki ezt a módszert. Ahelyett, hogy megvalósítaná az általuk kért diagramot, kérjen találkozót velük, hogy jobban megértse, mit remélnek ezzel a diagrammal. Milyen döntésekről tájékoztat? Ki a közönség?
És miközben együtt dolgozik ebben az elemzésben, azt javaslom, hogy használjon adatfüzetet a szükséges metaadatok dokumentálásához, és magyarázza el munkáját üzleti partnerének. Ez rugalmasságot biztosít az elemzés kontextusba helyezéséhez a kóddal és a látványelemekkel, így nem próbál meg összetörni egy Google-dokumentumot valahol.
Ha mindketten elégedettek az elemzéssel és a megállapításokkal, dolgozzanak együtt a végső diagramon, és nézzék meg, hogy az mennyire különbözik az eredeti kéréstől. Lefogadom, hogy teljesen mások.
Példa a Count notebookra. Forrás: Ki az a Teniszkecske?
Ennek az elemzésnek a megosztott tudásra fektetése egy kicsit több előrelátást igényel. Nem sok természetes hely van ezeknek a notebookoknak; A Github nem elég felhasználóbarát a nem fejlesztők számára, és az olyan lehetőségek, mint a DropBox vagy a Google Docs, nem eléggé technikaiak ahhoz, hogy belefoglalják a szükséges kódot.
Ha kényszerítene, hogy ajánljak egy eszközt, el kell mondanom Gróf, de teljes nyilvánosságra hozatal, segítettem megépíteni. A Count egy adatfüzet, amelynek célja, hogy ezt a fajta munkamódszert normává tegye. Kiváló minőségű analitikai jelentéseket készíthet, amelyek tele vannak kontextussal, magyarázatokkal, testreszabott látványelemekkel, mindezt egy dokumentumban, így biztosítva munkájának azt a platformot, amelyre szüksége van ahhoz, hogy túlélje az átmeneti adatigénylést, és olyan tudássá váljon, amelyből az egész vállalat profitálhat.
Ha kipróbáltad a fenti módszerek valamelyikét, szívesen hallanám kommentben, hogyan sikerült!
Referenciák
[1] Kolb, DA Tapasztalati tanulás: A tapasztalat, mint a tanulás és fejlődés forrása. New Jersey: Prentice-Hall; 1984.
[2] Mahoney, Michael. Az adatvizualizáció művészete és tudománya. Az adattudomány felé; 2019.
[3] Sharma, C. & Overgooer, jan. A tudás bővítése az Airbnb-nél. AirbnbEng; 2016.
eredeti. Engedéllyel újra közzétéve.
Kapcsolódó:
Forrás: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- hozzáférés
- Célzás
- elemzés
- Művészet
- közönség
- BEST
- legjobb gyakorlatok
- Bit
- épít
- üzleti
- hívás
- ami
- táblázatok
- kód
- vállalat
- bizalom
- hitel
- műszerfal
- dátum
- adat-tudomány
- adatbázis
- nap
- részlet
- DID
- dropbox
- stb.
- Tapasztalatok
- kísérlet
- Szűrők
- Végül
- vezetéknév
- Rugalmasság
- áramlási
- előrelátás
- Tele
- jövő
- GitHub
- Giving
- csapkod
- fej
- itt
- Hogyan
- How To
- HTTPS
- hatalmas
- kép
- Beleértve
- ipar
- befolyás
- információ
- meglátások
- interaktív
- szigetelés
- IT
- Kulcs
- tudás
- TANUL
- tanulás
- Lista
- Hosszú
- szerelem
- Mérkőzés
- közepes
- modell
- hónap
- New Jersey
- laptopok
- számok
- Opciók
- partner
- Létrehozása
- Emberek (People)
- emelvény
- játékos
- Portál
- tehetséges alkalmazottal
- Nyers
- Olvasó
- Jelentések
- kutatás
- Eredmények
- Tudomány
- értelemben
- beállítás
- megosztott
- rövid
- Egyszerű
- kicsi
- So
- SOLVE
- költ
- kezdet
- benyújtott
- Műszaki
- megmondja
- tenisz
- teszt
- The Source
- Gondolkodás
- idő
- tippek
- vágány
- egészségügyi osztályozás
- Bízzon
- Felhasználók
- hét
- WHO
- forgat
- nyer
- Munka
- világ