By 테일러 카운트, Count의 데이터 책임자.
해적을 조심하세요
가장 일반적으로 사기를 꺾는 경험 중 하나는 노력의 결과가 보이지 않고, 감사하지 않고, 사용되지 않는 것을 보는 것입니다. 데이터의 세계에서 그것은 우리가 너무 자주 경험하는 것입니다. 다음 가상 상황을 가정해 보겠습니다.
- Jim은 다음 주 고객 프레젠테이션을 위해 심층 분석을 위해 데이터 팀에 요청을 제출합니다.
- 귀하와 Jim은 분석 작업에 일주일 내내 시간을 할애하여 그가 올바른 시각 자료를 가지고 결과를 자신 있게 발표할 수 있도록 밀접하게 작업합니다.
- 프레젠테이션 날이 다가오고 Jim은 한마디도하지 않습니다. 그거 이상 하네.
- 마침내 그를 추적했을 때 그는 "결국 차트를 사용하지 않았다"고 말합니다. "그들은 그들을 혼란스럽게 했을 것입니다." 그가 화해하는 어조로 덧붙였습니다.
- 당신은 화를 내고 있습니다. 일주일 내내 낭비했습니다. 백업할 데이터가 없는 또 다른 결정이 내려졌습니다. 그는 왜 처음부터 물었습니까?
이 요청자에게 전화를 걸고 싶습니다. 해적 그들이 내 시간을 훔치기 때문입니다. 불행하게도 해적은 항상 존재하지만 해적을 피하거나 적어도 해적의 존재에 대처하는 방법을 배울 수 있는 방법이 있습니다. 다음은 내 경험, 학술 연구 및 업계 모범 사례를 바탕으로 수집한 귀하의 분석이 합당한 평가를 받을 수 있도록 하는 팁 목록입니다.
1. 데이터 요청 양식 버리기
우리는 고용된 일꾼이 아니라 컨설턴트여야 합니다.
대부분의 데이터 팀에는 비즈니스에서 오는 데이터 요청을 심사하고 할당하는 데 사용하는 요청 포털이 있습니다. 이러한 포털은 비즈니스 팀과 데이터 팀이 보다 쉽게 협력할 수 있도록 설계되었습니다. 비즈니스 사용자가 원하는 내용을 정확히 입력하면 데이터 팀이 바로 수행합니다.
불행하게도 Jim에게서 본 것처럼 그렇게 간단하지 않습니다. 많은 비즈니스 사용자가 해당 차트의 숫자가 표시해야 하는 내용을 포함하여 이미 염두에 두고 있는 차트를 가지고 데이터 팀에 옵니다.
이 시점에서 우리는 이미 망했습니다. 데이터가 요청자가 원하는 스토리와 일치하지 않거나 약간 미묘하다면 이 분석을 사용하지 않습니다. 우리는 그들이 해결하려는 문제를 알아야 합니다.
데이터 전문가로서 우리는 데이터와 통계적 방법을 누구보다 잘 알고 있으며 당면한 질문에 답하기 위해 데이터를 사용하는 최선의 접근 방식에 대해 조언할 수 있습니다. 우리의 데이터 전문 지식과 파트너십을 맺은 비즈니스 컨텍스트를 결합하여 개별적으로 생성할 수 있는 것보다 훨씬 더 영향력 있는 분석을 생성할 수 있습니다.
요컨대, 우리는 고용된 일꾼이 아니라 컨설턴트여야 합니다.
2. 숫자는 절대 혼자 걷지 않는다
차트만으로는 모든 것을 전달할 수 없으며, 그런 종류의 생각은 우리의 작업으로 비즈니스에 영향을 미치는 능력을 방해합니다.
종종 우리는 완료된 요청으로 단일 차트 또는 대시보드를 통해 보낼 것으로 예상됩니다. 비즈니스 사용자가 1:1 설명 없이 해석하는 것은 거의 불가능합니다.
우리는 데이터가 그 자체로 말할 수 있고 잘 만들어진 차트가 그 자체로 모든 뉘앙스를 전달할 수 있다는 말을 들었습니다. 이것은 사실이 아닙니다. 차트만으로는 모든 것을 전달할 수 없으며, 그런 종류의 생각은 우리의 작업으로 비즈니스에 영향을 미치는 능력을 방해합니다.
통찰력을 전달하기 위해 차트에만 의존할 수는 없습니다. 작업을 설명하기 위해 텍스트를 사용하십시오. 원천: 타이틀을 얻지 못한 최고의 선수 by count.co.
분석을 공유할 때 항상 다음 정보를 포함하려고 합니다.
- 데이터 기간
- 분석 날짜
- 저자
- TL;DR: 컨텍스트 및 인사이트 요약
- 차트 읽는 방법 설명
- 분석 방법(코드가 아니라 평신도의 설명)
- 제한 사항 및 다음 단계
이 컨텍스트 정보는 골칫거리처럼 보일 수 있지만 큰 차이를 만듭니다. 우리는 단순히 차트를 보낸 것이 아닙니다. 고립된 상태에서 '알아내다'라는 의미 없는 하위 텍스트를 포함할 수 있습니다. 우리는 차트를 통찰력으로 바꾸는 데 필요한 모든 것과 함께 분석 자료를 보냈습니다.
스스로 차트를 보내는 습관을 버리면 차트를 이해하고 궁극적으로 사용할 수 있는 기회가 생깁니다.
3. 경험으로 만들기
분석을 실제로 이해하려면 사용자가 찔러보고 찔러야 합니다. 사용자가 도달할 수 있도록 도와줍시다.
컨텍스트와 설명으로 차트를 둘러싸면 독자가 학습에 필요한 모든 것을 얻을 수 있습니다. 우리의 분석에서 뭔가. 그러나 우리는 경험[1]을 통해 가장 잘 배웁니다.
따라서 분석을 실제로 이해하려면 사용자가 찌르고 자극해야 합니다. Kolb의 학습 모델은 그들이 분석을 제대로 이해하기 전에 분석을 실험하고 실제 영향을 반영하는 데 시간을 할애해야 한다고 제안합니다. 그들이 거기에 도착하도록 도와줍시다.
David Kolb의 경험적 학습 모델(ELM) [1] 이미지 출처: 저자.
최소한 여기에는 분석을 위한 대화형 요소 설정이 포함됩니다. 사용자가 데이터 조사를 시작할 수 있도록 하는 필터 및 매개 변수를 추가합니다. 예산이 XNUMX배가 된다면? 절반?
이 질문-답변 흐름을 통해 사용자는 분석을 신뢰하고 문제와 어떻게 관련되는지 이해할 수 있으므로 궁극적으로 회의실에서 해당 분석을 사용할 수 있다는 확신을 갖게 됩니다. 이러한 자신감 부족은 차트가 해당 슬라이드 데크에 포함되지 않는 가장 큰 이유이므로 여기에서 주의하십시오.
4. 프레젠테이션 준비
분석의 복잡성을 희생하지 않고 시청자를 위협하지 않는 흥미롭고 유익한 시각적 개체를 만듭니다.
불행하게도 우리는 비즈니스 파트너가 지금까지 (희망적으로) 수행한 방식으로 누군가가 시간을 내어 프레젠테이션의 분석을 통해 배울 것이라고 기대할 수 없습니다. 즉, 이제 분석의 핵심 사항을 반영할 수 있지만 훨씬 덜 세부적인 요약 차트를 만들어야 합니다.
이상적으로는 핵심 통찰력과 해결해야 할 더 큰 결정이나 문제로 가장 잘 구성하는 방법에 동의한 후 분석의 마지막 단계로 수행됩니다. 그런 다음 데이터 시각화 모범 사례[2]를 활용하여 분석의 복잡성을 희생하지 않고 시청자를 위협하지 않는 흥미롭고 유익한 시각적 개체를 만들 수 있습니다.
5. 긴 수명 분석
분석이 이 단일 데이터 요청을 넘어 지속되고 계속해서 사용될 수 있는지 확인하십시오.
심각하게 무시되는 이 프로세스의 한 부분은 이 분석을 확장 가능한 지식으로 전환하는 문제입니다. 방금 답변한 비즈니스 질문이 Jim 또는 Jim의 팀뿐만 아니라 더 넓은 회사와 공유되도록 하려면 어떻게 해야 합니까? 그리고 이번 주 뿐만 아니라 6개월 뒤에 같은 질문이 다시 올라오면 사용할 수 있다는 것. 대답은 분명히 대시보드가 아니라 좀 더 미묘한 것입니다.
에어비앤비의 접근 방식 [3]은 방금 설명한 세부 분석 유형을 가져와 회사 전체가 찾을 수 있도록 게시하는 지식 피드를 구현했습니다. 그 결과 모든 사용자가 쉽게 이해할 수 있지만 분석가가 향후 작업의 시작점으로 사용할 원시 코드 및 메모에 계속 액세스할 수 있는 보고서 모음이 생성됩니다. 모든 사람이 보고 있는 내용(게시된 시기, 제한 사항 등)에 대한 확신을 주는 주요 속성이 문서화되어 있습니다. 그리고 그들은 이 지식 데이터베이스를 쉽게 구문 분석할 수 있도록 하여 사람들이 데이터 팀에 요청을 제출하기 전에 질문과 관련된 분석을 빠르게 찾을 수 있습니다.
이제 분석이 이 단일 데이터 요청 이상으로 유지되고 계속해서 사용될 수 있는지 확인할 수 있습니다.
DIY 시간
이러한 종류의 작업 방식의 이점은 테스트하기 쉽다는 것입니다. 다음 번에 좀 더 친숙한 비즈니스 사용자(해적 방지)로부터 요청이 오면 이 방법을 시도해 볼 것을 제안합니다. 그들이 요청한 차트를 구체화하는 대신, 그들이 이 차트로 무엇을 하고자 하는지 더 잘 이해하기 위해 그들과 만나자고 요청하십시오. 어떤 결정을 알리고 있습니까? 청중은 누구입니까?
그리고 이 분석에서 함께 작업할 때 데이터 노트북을 사용하여 필요한 메타데이터를 문서화하고 작업을 비즈니스 파트너에게 설명하는 것이 좋습니다. 이렇게 하면 코드 및 시각 자료와 함께 분석을 맥락화할 수 있는 유연성이 제공되므로 어딘가에서 Google 문서를 함께 해킹하려고 하지 않아도 됩니다.
분석과 결과에 모두 만족하면 최종 차트에서 함께 작업하고 원래 요청과 얼마나 다른지 확인하십시오. 나는 그들이 완전히 다르다고 장담합니다.
카운트 노트북의 예. 원천: 테니스 염소는 누구입니까?
이 분석을 공유 지식에 맡기려면 좀 더 사전에 생각해야 합니다. 이러한 노트북을 사용할 수 있는 자연스러운 장소가 많지 않습니다. Github는 개발자가 아닌 사용자에게 충분히 사용자 친화적이지 않으며 DropBox 또는 Google Docs와 같은 옵션은 필요한 코드를 포함할 만큼 충분히 기술적이지 않습니다.
당신이 나에게 도구를 추천하라고 강요한다면, 카운트,하지만 전체 공개, 나는 그것을 구축하는 데 도움이되었습니다. Count는 이러한 종류의 작업 방식을 표준으로 만드는 것을 목표로 하는 데이터 노트북입니다. 컨텍스트, 설명, 맞춤형 시각 자료가 모두 포함된 고품질 분석 보고서를 하나의 문서로 생성하여 작업이 일시적인 데이터 요청보다 오래 지속되고 회사 전체가 활용할 수 있는 지식이 되는 데 필요한 플랫폼을 제공할 수 있습니다.
이러한 방법 중 하나를 시도해 본 적이 있다면 의견에 어떻게 진행되었는지 듣고 싶습니다!
참고자료
[1] 콜브, DA 경험적 학습: 학습 및 개발의 원천으로서의 경험. 뉴저지: Prentice-Hall; 1984.
[2] 마호니, 마이클. 데이터 시각화의 예술과 과학. 데이터 과학을 향하여; 2019.
[3] Sharma, C. & Overgooer, XNUMX월. Airbnb의 확장 지식. 에어비앤비영어; 2016.
실물. 허가를 받아 다시 게시했습니다.
관련 :
출처: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- ACCESS
- 조준
- 분석
- 미술
- 청중
- BEST
- 모범 사례
- 비트
- 빌드
- 사업
- 전화
- 한
- 차트
- 암호
- 회사
- 자신
- 신용
- 계기반
- 데이터
- 데이터 과학
- 데이터베이스
- 일
- 세부 묘사
- DID
- 드롭 박스
- 등
- 체험
- 실험
- 필터
- 최종적으로
- 먼저,
- 유연성
- 흐름
- 예견된
- 가득 찬
- 미래
- GitHub의
- 기부
- 구글
- 마구 자르기
- 머리
- 여기에서 지금 확인해 보세요.
- 방법
- How To
- HTTPS
- 거대한
- 영상
- 포함
- 산업
- 영향
- 정보
- 통찰력
- 대화형
- 격리
- IT
- 키
- 지식
- 배우다
- 배우기
- 링크드인
- 명부
- 긴
- 애정
- 경기
- 매질
- 모델
- 개월
- 뉴저지
- 노트북
- 숫자
- 옵션
- 파트너
- 파트너스
- 사람들
- 플랫폼
- 플레이어
- 포털
- 전문가
- 살갗이 벗어 진
- 리더
- 보고서
- 연구
- 결과
- 과학
- 감각
- 설정
- 공유
- 짧은
- 단순, 간단, 편리
- 작은
- So
- 풀다
- 지출
- 스타트
- 제출
- 테크니컬
- 말하다
- 테니스
- test
- 소스
- 사고력
- 시간
- 도움말
- 선로
- 선별기
- 믿어
- 사용자
- 주
- 누구
- 휘두르다
- 승리
- 작업
- 세계