By Hrabia Taylora, szef działu danych w firmie Count.
Photo by Austina Neilla on Unsplash.
Uważaj na piratów
Jednym z najbardziej demoralizujących doświadczeń jest obserwowanie, jak wyniki twojej ciężkiej pracy pozostają niezauważone, niedocenione i niewykorzystane. W świecie danych jest to coś, czego doświadczamy zbyt często. Weźmy następującą hipotetyczną sytuację:
- Jim przesyła do zespołu ds. danych prośbę o dogłębną analizę do prezentacji dla klienta w następnym tygodniu.
- Ty i Jim spędzacie cały tydzień pracując nad analizą, ściśle współpracując, aby upewnić się, że ma odpowiednie wizualizacje i czuje się pewnie, prezentując wyniki.
- Nadchodzi dzień prezentacji i ani słowa od Jima. To dziwne.
- Kiedy w końcu go wyśledzisz, mówi ci, że „w końcu nie używał wykresów”. „Po prostu by ich zdezorientowali” — dodaje pojednawczym tonem.
- dymisz. Cały tydzień stracony. Kolejna decyzja została podjęta bez danych, które mogłyby ją poprzeć. Dlaczego w ogóle o to zapytał?
Lubię dzwonić do tych wnioskodawców piraci bo kradną mój czas. Niestety piraci zawsze będą, ale istnieją sposoby, dzięki którym możemy nauczyć się ich unikać lub przynajmniej radzić sobie z ich istnieniem. Oto lista wskazówek, dzięki którym Twoja analiza zyska uznanie, na jakie zasługuje, zebrana na podstawie mojego własnego doświadczenia, badań akademickich i najlepszych praktyk branżowych.
1. Porzuć formularze żądania danych
Musimy być konsultantami, a nie najemnikami.
Większość zespołów danych ma portal żądań, którego używają do segregowania i przypisywania żądań danych pochodzących z firmy. Portale te zaprojektowano z myślą o ułatwieniu współpracy zespołów biznesowych i danych; użytkownicy biznesowi wpisują dokładnie to, czego chcą, a zespół ds. danych po prostu to realizuje.
Niestety, jak widzieliśmy od Jima, nie jest to takie proste. Wielu użytkowników biznesowych przychodzi do zespołu ds. danych z myślą o wykresie, w tym o tym, co powinny przedstawiać liczby na tym wykresie.
W tym momencie jesteśmy już skazani na porażkę. Jeśli dane nie pasują do historii, której chce żądający, lub są nieco zniuansowane, nigdy nie użyją tej analizy. Musimy poznać problem, który próbują rozwiązać.
Jako specjaliści od danych znamy dane i metody statystyczne lepiej niż ktokolwiek inny i możemy doradzić najlepsze podejście do wykorzystania danych w celu udzielenia odpowiedzi na zadane pytanie. Kontekst biznesowy w połączeniu z naszą wiedzą specjalistyczną w zakresie danych może łączyć się w celu tworzenia analiz o znacznie większym wpływie niż te, które moglibyśmy opracować indywidualnie.
Krótko mówiąc, musimy być konsultantami, a nie najemnikami.
2. Liczby nigdy nie chodzą samotnie
Sam wykres nie jest w stanie przekazać wszystkiego, a takie myślenie hamuje naszą zdolność wpływania na biznes naszą pracą.
Często oczekuje się od nas przesłania pojedynczego wykresu lub pulpitu nawigacyjnego jako wypełnionego żądania. Są one prawie niemożliwe do zinterpretowania przez użytkownika biznesowego bez wyjaśnienia 1:1.
Powiedziano nam, że dane mogą mówić same za siebie, że dobrze sporządzony wykres może sam przekazać wszystkie swoje niuanse. To po prostu nieprawda. Sam wykres nie jest w stanie przekazać wszystkiego, a takie myślenie hamuje naszą zdolność wpływania na biznes naszą pracą.
Nie można polegać wyłącznie na wykresach, które przekazują informacje. Wykorzystaj tekst, aby wyjaśnić swoją pracę. Źródło: Najlepszy gracz, który nigdy nie zdobył tytułu by hrabia.co.
Udostępniając jakąkolwiek analizę, staram się zawsze zawrzeć następujące informacje:
- okres danych
- data analizy
- autor
- TL;DR: podsumowanie kontekstu i spostrzeżeń
- wyjaśnienie, jak czytać wykres
- jak wykonałeś analizę (nie kod, ale wyjaśnienie laika)
- ograniczenia i dalsze kroki
Te informacje kontekstowe mogą wydawać się bólem głowy, ale robią ogromną różnicę. Nie wysłaliśmy tylko wykresu, który osobno może zawierać nieprzydatny podtekst „rozgryź to”. Wysłaliśmy im analizę zawierającą wszystko, czego potrzebują, aby przekształcić ten wykres we wgląd, mały gest, który nie pozostaje niezauważony.
Zerwanie z nawykiem samodzielnego wysyłania wykresów daje im szansę na zrozumienie, a ostatecznie na wykorzystanie.
3. Zrób z tego doświadczenie
Aby naprawdę zrozumieć sens Twojej analizy, Twoi użytkownicy będą musieli ją szturchać i szturchać… Pomóżmy im się tam dostać.
Otoczenie wykresu kontekstem i wyjaśnieniem gwarantuje, że czytelnik ma wszystko, czego potrzebuje, aby się dowiedzieć coś z naszej analizy. Ale najlepiej uczymy się poprzez doświadczenia[1].
Aby więc Twoja analiza naprawdę miała sens, Twoi użytkownicy będą musieli ją szturchać i szturchać. Model uczenia Kolba sugeruje, że będą musieli poeksperymentować z naszą analizą i poświęcić trochę czasu na zastanowienie się nad jej implikacjami w świecie rzeczywistym, zanim będą mogli ją właściwie zrozumieć. Pomóżmy im się tam dostać.
Model uczenia się przez doświadczenie (ELM) Davida Kolba [1] Źródło obrazu: autor.
Wymaga to co najmniej skonfigurowania interaktywnych elementów do analizy. Dodaj filtry i parametry, które pozwolą użytkownikowi rozpocząć przeglądanie danych. A gdyby tak podwoić budżet? Połowa?
Ten przepływ pytań i odpowiedzi pozwala użytkownikowi zaufać analizie i zrozumieć, w jaki sposób odnosi się ona do ich problemu, ostatecznie dając mu pewność, że może posługiwać się tą analizą w sali konferencyjnej. Ten brak pewności siebie jest głównym powodem, dla którego Twój wykres nie trafia do tego zestawu slajdów, więc uważaj tutaj.
4. Przygotuj go do prezentacji
Twórz atrakcyjne i pouczające wizualizacje, które nie będą onieśmielać widzów, bez poświęcania złożoności analizy.
Niestety, nie możemy oczekiwać, że ktoś poświęci czas na naukę z analizy w prezentacji, tak jak nasz partner biznesowy zrobił to (miejmy nadzieję) do tej pory. Oznacza to, że musimy teraz utworzyć wykres podsumowujący, który może odzwierciedlać kluczowe punkty naszej analizy, ale w znacznie mniejszej ilości szczegółów.
W idealnym przypadku jest to ostatni krok analizy, po uzgodnieniu kluczowych spostrzeżeń i tego, jak najlepiej połączyć je w większą decyzję lub problem do rozwiązania. Następnie możesz skorzystać z najlepszych praktyk wizualizacji danych [2], aby stworzyć angażujące i pouczające wizualizacje, które nie będą onieśmielać widzów bez poświęcania złożoności analizy.
5. Niech żyje analiza
Upewnij się, że Twoja analiza wykracza poza to pojedyncze żądanie danych i może być używana wielokrotnie.
Jedną z części tego procesu, która jest poważnie zaniedbywana, jest kwestia przekształcenia tej analizy w skalowalną wiedzę. Jak upewnić się, że pytanie biznesowe, na które właśnie odpowiedziałeś, jest udostępniane nie tylko Jimowi lub zespołowi Jima, ale także całej firmie? I to nie tylko w tym tygodniu, ale że można go użyć za 6 miesięcy, kiedy ponownie pojawi się to samo pytanie. Odpowiedź nie jest jednoznacznie kokpitem, ale czymś bardziej dopracowanym.
podejście AirBnB [3] polegało na wdrożeniu kanału informacyjnego, który pobiera szczegółowe analizy, które właśnie opisaliśmy, i publikuje je, aby cała firma mogła je znaleźć. Rezultatem jest zbiór raportów, które są łatwe do zrozumienia dla wszystkich użytkowników, ale nadal mają dostęp do surowego kodu i notatek, które analitycy mogą wykorzystać jako punkt wyjścia do przyszłej pracy. Kluczowe atrybuty są udokumentowane, co daje wszystkim pewność co do tego, co widzą (kiedy zostało to opublikowane, ograniczenia itp.). Sprawili, że ta baza wiedzy jest łatwa do przeanalizowania, dzięki czemu ludzie mogą szybko znaleźć analizę związaną z ich pytaniami, zanim prześlą prośbę do zespołu danych.
Teraz możesz mieć pewność, że Twoja analiza przetrwa dłużej niż jedno żądanie danych i będzie mogła być używana wielokrotnie.
Czas majsterkowania
Zaletą takiego sposobu pracy jest to, że łatwo go przetestować. Następnym razem, gdy pojawi się prośba od jednego z bardziej przyjaznych użytkowników biznesowych (unikaj piratów), sugeruję wypróbowanie tej metody. Zamiast materializować wykres, o który prosili, poproś ich o spotkanie, aby lepiej zrozumieć, co mają nadzieję zrobić z tym wykresem. O jakich decyzjach informuje? Kim jest publiczność?
Podczas wspólnej pracy nad tą analizą sugeruję użycie notatnika danych w celu udokumentowania wymaganych metadanych i wyjaśnienia swojej pracy partnerowi biznesowemu. Daje to elastyczność kontekstualizacji analizy w zgodzie z kodem i elementami wizualnymi, więc nie próbujesz gdzieś zhakować Dokumentu Google.
Gdy oboje jesteście zadowoleni z analizy i ustaleń, pracujcie razem nad ostatecznym wykresem i zobaczcie, jak różni się on od pierwotnego żądania. Jestem gotów się założyć, że są zupełnie inne.
Przykład notatnika Count. Źródło: Kim jest KOZA tenisa?
Powierzenie tej analizy wspólnej wiedzy wymaga nieco więcej przezorności. Nie ma wielu naturalnych miejsc, w których można by umieścić te zeszyty; Github nie jest wystarczająco przyjazny dla użytkownika dla osób niebędących programistami, a opcje takie jak DropBox lub Dokumenty Google nie są wystarczająco techniczne, aby uwzględnić wymagany kod.
Gdybyś zmusił mnie do polecenia narzędzia, musiałbym to powiedzieć Liczyć, ale pełne ujawnienie, pomogłem go zbudować. Count to notatnik danych, którego celem jest uczynienie tego rodzaju pracy normą. Możesz tworzyć wysokiej jakości raporty analityczne, które są pełne kontekstu, wyjaśnień, dostosowanych elementów wizualnych w jednym dokumencie, zapewniając Twojej pracy platformę, której potrzebuje, aby przetrwać przejściowe żądanie danych i stać się wiedzą, z której może skorzystać cała firma.
Jeśli wypróbowałeś którąś z tych metod, chciałbym usłyszeć, jak poszło w komentarzach!
Referencje
[1] Kolb, DA Uczenie się przez doświadczenie: doświadczenie jako źródło uczenia się i rozwoju. New Jersey: Prentice Hall; 1984.
[2] Mahoney, Michał. Sztuka i nauka wizualizacji danych. W kierunku nauki o danych; 2019.
[3] Sharma, C. i Overgooer, styczeń. Skalowanie wiedzy w Airbnb. AirbnbEng; 2016.
Oryginalny. Przesłane za zgodą.
Związane z:
Źródło: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- dostęp
- Cel
- analiza
- Sztuka
- publiczność
- BEST
- Najlepsze praktyki
- Bit
- budować
- biznes
- wezwanie
- który
- Wykresy
- kod
- sukcesy firma
- pewność siebie
- kredyt
- tablica rozdzielcza
- dane
- nauka danych
- Baza danych
- dzień
- detal
- ZROBIŁ
- Dropbox
- itp
- Doświadczenia
- eksperyment
- filtry
- W końcu
- i terminów, a
- Elastyczność
- pływ
- przezorność
- pełny
- przyszłość
- GitHub
- Dający
- siekać
- głowa
- tutaj
- W jaki sposób
- How To
- HTTPS
- olbrzymi
- obraz
- Włącznie z
- przemysł
- wpływ
- Informacja
- spostrzeżenia
- interaktywne
- izolacja
- IT
- Klawisz
- wiedza
- UCZYĆ SIĘ
- nauka
- Lista
- długo
- miłość
- Mecz
- średni
- model
- miesięcy
- New Jersey
- laptopy
- z naszej
- Opcje
- partnerem
- Współpraca
- Ludzie
- Platforma
- gracz
- Portal
- specjalistów
- Surowy
- Czytelnik
- Raporty
- Badania naukowe
- Efekt
- nauka
- rozsądek
- ustawienie
- shared
- Short
- Prosty
- mały
- So
- ROZWIĄZANIA
- wydać
- początek
- składane
- Techniczny
- mówi
- tenis
- test
- Źródło
- Myślący
- czas
- wskazówki
- śledzić
- ocena stanu zdrowia rannych
- Zaufaj
- Użytkownicy
- tydzień
- KIM
- władać
- wygrać
- Praca
- świat