By Conte Taylor, Responsabile Dati presso Count.
Foto di AustinNeil on Unsplash.
Attenzione ai pirati
Una delle esperienze più universalmente demoralizzanti è vedere i risultati del tuo duro lavoro passare inosservati, non apprezzati e inutilizzati. Nel mondo dei dati, questo è qualcosa che sperimentiamo troppo spesso. Prendiamo la seguente situazione ipotetica:
- Jim invia una richiesta al team dati per un'analisi approfondita per una presentazione al cliente la settimana successiva.
- Tu e Jim passate tutta la settimana a lavorare sull'analisi, lavorando a stretto contatto per assicurarvi che abbia le immagini giuste e si senta sicuro nel presentare i risultati.
- Arriva il giorno della presentazione e non una parola da Jim. È strano.
- Quando finalmente lo rintracci, ti dice che "dopotutto non ha usato le classifiche". “Li avrebbero semplicemente confusi”, aggiunge in tono conciliante.
- Sei furioso. Una settimana intera sprecata. Un'altra decisione è stata presa senza che vi fossero dati a sostegno. Perché lo ha chiesto in primo luogo?
Mi piace chiamare questi richiedenti pirati perché mi rubano tempo. Sfortunatamente, i pirati ci saranno sempre, ma ci sono modi in cui possiamo imparare a evitarli o almeno ad affrontare la loro esistenza. Ecco un elenco di suggerimenti per assicurarti che la tua analisi ottenga il credito che merita, raccolto in base alla mia esperienza, alla ricerca accademica e alle migliori pratiche del settore.
1. Elimina i moduli di richiesta dati
Dobbiamo essere consulenti, non mercenari.
La maggior parte dei team dati dispone di un portale di richiesta che utilizza per valutare e assegnare le richieste di dati provenienti dall'azienda. Questi portali sono progettati per facilitare la collaborazione tra i team aziendali e quelli che si occupano di dati; gli utenti aziendali digitano esattamente ciò che desiderano e il team dati lo realizza.
Sfortunatamente, come abbiamo visto da Jim, non è così semplice. Molti utenti aziendali si rivolgono al team dati con un grafico già in mente, incluso ciò che dovrebbero mostrare i numeri su quel grafico.
A questo punto siamo già condannati. Se i dati non corrispondono alla storia che il richiedente desidera o sono un po’ sfumati, non utilizzeranno mai questa analisi. Dobbiamo conoscere il problema che stanno cercando di risolvere.
In qualità di professionisti dei dati, conosciamo i dati e i metodi statistici meglio di chiunque altro e possiamo consigliare l'approccio migliore all'utilizzo dei dati per rispondere alla domanda in questione. Il contesto aziendale, in collaborazione con la nostra esperienza in materia di dati, può combinarsi per creare analisi molto più efficaci di quelle che potremmo produrre individualmente.
Insomma, dobbiamo essere consulenti, non mercenari.
2. I numeri non camminano mai da soli
Un grafico da solo non può trasmettere tutto e questo tipo di pensiero inibisce la nostra capacità di influenzare l’azienda con il nostro lavoro.
Spesso ci viene richiesto di inviare un singolo grafico o dashboard come richiesta completata. Questi sono quasi impossibili da interpretare per l'utente aziendale senza una spiegazione 1:1.
Ci è stato detto che i dati possono parlare da soli, che un grafico ben realizzato può comunicare da solo tutte le sue sfumature. Questo semplicemente non è vero. Un grafico da solo non può trasmettere tutto e questo tipo di pensiero inibisce la nostra capacità di influenzare l’azienda con il nostro lavoro.
Non puoi fare affidamento solo sui grafici per trasmettere informazioni. Utilizza il testo per spiegare il tuo lavoro. Fonte: Il miglior giocatore che non ha mai vinto un titolo by count.co.
Quando condivido qualsiasi analisi, cerco di includere sempre le seguenti informazioni:
- periodo di tempo dei dati
- data dell'analisi
- autore
- TL;DR: sintesi del contesto e approfondimenti
- spiegazione su come leggere il grafico
- come hai eseguito l'analisi (non il codice, ma la spiegazione del profano)
- Limitazioni e prossimi passi
Queste informazioni contestuali possono sembrare un mal di testa, ma fanno un'enorme differenza. Non abbiamo semplicemente inviato un grafico che, da solo, può contenere l'inutile sottotesto "capirlo". Abbiamo inviato loro un'analisi con tutto ciò di cui hanno bisogno per trasformare quel grafico in una visione, un piccolo gesto che non Andare inosservato.
Interrompere l'abitudine di inviare i grafici da soli dà loro la possibilità di essere compresi e, in definitiva, utilizzati.
3. Rendila un'esperienza
Per dare davvero un senso alla tua analisi, i tuoi utenti dovranno toccarla e stimolarla... Aiutiamoli ad arrivarci.
Circondare il tuo grafico con contesto e spiegazione garantisce che il lettore abbia tutto ciò di cui ha bisogno per imparare qualcosa dalla nostra analisi. Ma impariamo meglio attraverso le esperienze[1].
Quindi, per dare davvero un senso alla tua analisi, i tuoi utenti dovranno toccarla e stimolarla. Il modello di apprendimento di Kolb suggerisce che dovranno sperimentare la nostra analisi e prendersi il tempo per riflettere sulle sue implicazioni nel mondo reale prima di poterla comprendere adeguatamente. Aiutiamoli ad arrivarci.
Modello di apprendimento esperienziale (ELM) di David Kolb [1] Fonte immagine: autore.
Come minimo, ciò comporta la creazione di elementi interattivi per la tua analisi. Aggiungi filtri e parametri che consentono all'utente di iniziare a interrogare i dati. E se avessi il doppio del budget? La metà?
Questo flusso di domande-risposte consente all'utente di fidarsi dell'analisi e di comprendere come si collega al proprio problema, dandogli in definitiva la sicurezza necessaria per esercitare tale analisi nella sala del consiglio. Questa mancanza di fiducia è la ragione principale per cui il tuo grafico non viene inserito nelle diapositive, quindi fai attenzione.
4. Prepara la presentazione
Crea immagini accattivanti e informative che non intimidiscano gli spettatori senza sacrificare la complessità della tua analisi.
Sfortunatamente, non possiamo aspettarci che qualcuno si prenda il tempo per imparare dall’analisi in una presentazione come ha fatto (si spera) il nostro partner commerciale fino a questo punto. Ciò significa che ora dobbiamo creare un grafico riassuntivo che possa riflettere i punti chiave della nostra analisi ma in modo molto meno dettagliato.
Idealmente, questo viene fatto come ultimo passaggio dell'analisi, una volta concordati gli insight chiave e il modo migliore per comporli in una decisione più ampia o in un problema da risolvere. Quindi puoi utilizzare le migliori pratiche di visualizzazione dei dati [2] per creare immagini accattivanti e informative che non intimidiscano gli spettatori senza sacrificare la complessità della tua analisi.
5. Lunga vita all'analisi
Assicurati che la tua analisi sopravviva a questa singola richiesta di dati e possa essere utilizzata più e più volte.
Una parte di questo processo che è gravemente trascurata è la questione di trasformare questa analisi in conoscenza scalabile. Come puoi assicurarti che la domanda aziendale a cui hai appena risposto sia condivisa non solo con Jim o il team di Jim ma con l'azienda in generale? E non solo questa settimana, ma che potrà essere utilizzato tra 6 mesi quando si ripresenterà la stessa domanda. La risposta non è inequivocabilmente una dashboard ma qualcosa di più sfumato.
L’approccio di AirBnB [3] è stato quello di implementare un Knowledge Feed che prenda il tipo di analisi dettagliata che abbiamo appena delineato e lo pubblichi affinché l'intera azienda possa trovarlo. Il risultato è una raccolta di report facilmente comprensibili da tutti gli utenti ma che hanno comunque accesso al codice grezzo e alle note che gli analisti possono utilizzare come punto di partenza per il lavoro futuro. Vengono documentati gli attributi chiave che danno a tutti la fiducia in ciò che vedono (quando è stato pubblicato, le limitazioni, ecc.). E hanno reso questo database di conoscenze facilmente analizzabile in modo che le persone possano trovare rapidamente l'analisi relativa alle loro domande prima di inviare la richiesta al team dati.
Ora puoi assicurarti che la tua analisi sopravviva a questa singola richiesta di dati e possa essere utilizzata più e più volte.
FAI DA TE. Tempo
Il vantaggio di questo tipo di modo di lavorare è che è facile da testare. La prossima volta che arriva una richiesta da uno dei tuoi utenti aziendali più amichevoli (evita i pirati), suggerisco di provare questo metodo. Invece di materializzare il grafico che hanno richiesto, chiedi di incontrarli per capire meglio cosa sperano di fare con questo grafico. Quali decisioni informa? Chi è il pubblico?
E mentre lavorate insieme in questa analisi, suggerisco di utilizzare un taccuino di dati per documentare i metadati richiesti e spiegare il vostro lavoro al vostro partner commerciale. Ciò ti dà la flessibilità di contestualizzare la tua analisi in linea con il codice e gli elementi visivi, quindi non stai cercando di hackerare un documento Google da qualche parte.
Una volta che siete entrambi soddisfatti dell'analisi e dei risultati, lavorate insieme sul grafico finale e vedete quanto appare diverso rispetto alla richiesta originale. Sono pronto a scommettere che sono completamente diversi.
Esempio di quaderno dei conteggi. Fonte: Chi è il GOAT del tennis?
Affidare questa analisi alla conoscenza condivisa richiede un po’ più di lungimiranza. Non ci sono molti posti naturali dove andare per questi quaderni; Github non è abbastanza facile da usare per i non sviluppatori e opzioni come DropBox o Google Docs non sono abbastanza tecniche per includere il codice richiesto.
Se mi costringessi a consigliare uno strumento, dovrei dirlo Contare, ma per completa trasparenza, ho contribuito a costruirlo. Count è un taccuino di dati che mira a rendere questo tipo di modo di lavorare la norma. Puoi creare report analitici di alta qualità ricchi di contesto, spiegazioni e immagini personalizzate, tutto in un unico documento, dando al tuo lavoro la piattaforma di cui ha bisogno per sopravvivere alla richiesta di dati transitori e diventare conoscenza da cui l'intera azienda può trarre vantaggio.
Se hai provato uno di questi metodi, mi piacerebbe sapere come è andata nei commenti!
Riferimenti
[1] Kolb, D.A. Apprendimento esperienziale: l'esperienza come fonte di apprendimento e sviluppo. New Jersey: Prentice-Hall; 1984.
[2] Mahoney, Michael. L'arte e la scienza della visualizzazione dei dati. Verso la scienza dei dati; 2019.
[3] Sharma, C. e Overgooer, gennaio. Ampliare la conoscenza su Airbnb. AirbnbIng; 2016.
Originale. Ripubblicato con il permesso.
Correlato:
Fonte: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- accesso
- Mirare
- .
- Arte
- pubblico
- MIGLIORE
- best practice
- Po
- costruire
- affari
- chiamata
- che
- Grafici
- codice
- azienda
- fiducia
- credito
- cruscotto
- dati
- scienza dei dati
- Banca Dati
- giorno
- dettaglio
- DID
- dropbox
- eccetera
- Esperienze
- esperimento
- filtri
- Infine
- Nome
- Flessibilità
- flusso
- previdenza
- pieno
- futuro
- GitHub
- Dare
- incidere
- capo
- qui
- Come
- Tutorial
- HTTPS
- Enorme
- Immagine
- Compreso
- industria
- influenza
- informazioni
- intuizioni
- interattivo
- da solo
- IT
- Le
- conoscenze
- IMPARARE
- apprendimento
- Lista
- Lunghi
- amore
- partita
- medie
- modello
- mese
- New Jersey
- computer portatili
- numeri
- Opzioni
- partner
- Partnership
- Persone
- piattaforma
- giocatore
- Portale
- Scelto dai professionisti
- Crudo
- Lettore
- Report
- riparazioni
- Risultati
- Scienze
- senso
- regolazione
- condiviso
- Corti
- Un'espansione
- piccole
- So
- RISOLVERE
- spendere
- inizia a
- presentata
- Consulenza
- dice
- tennis
- test
- L’ORIGINE
- Pensiero
- tempo
- suggerimenti
- pista
- smistamento
- Affidati ad
- utenti
- settimana
- OMS
- brandire
- vincere
- Lavora
- mondo