By Contagem de Taylor, Chefe de Dados da Count.
Foto por Austin Neill on Unsplash.
Cuidado com os piratas
Uma das experiências mais universalmente desmoralizantes é ver os resultados do seu trabalho árduo passarem despercebidos, desvalorizados e não utilizados. No mundo dos dados, isso é algo que vivenciamos com muita frequência. Considere a seguinte situação hipotética:
- Jim envia uma solicitação à equipe de dados para uma análise aprofundada para uma apresentação ao cliente na semana seguinte.
- Você e Jim passam a semana inteira trabalhando na análise, trabalhando em conjunto para garantir que ele tenha os recursos visuais corretos e se sinta confiante ao apresentar as descobertas.
- Chega o dia da apresentação e nem uma palavra de Jim. Isso é estranho.
- Quando você finalmente o localiza, ele diz que “afinal, não usou os gráficos”. “Eles simplesmente os teriam confundido”, acrescenta em tom conciliatório.
- Você está furioso. Uma semana inteira desperdiçada. Outra decisão foi tomada sem dados para apoiá-la. Por que ele perguntou em primeiro lugar?
Eu gosto de ligar para esses solicitantes piratas porque eles roubam meu tempo. Infelizmente, sempre existirão piratas, mas existem maneiras de aprendermos a evitá-los ou pelo menos lidar com sua existência. Aqui está uma lista de dicas para garantir que sua análise receba o crédito que merece, elaborada a partir de minha própria experiência, pesquisa acadêmica e práticas recomendadas do setor.
1. Abandone os formulários de solicitação de dados
Devemos ser consultores e não contratados.
A maioria das equipes de dados tem um portal de solicitação que usa para fazer a triagem e atribuir solicitações de dados provenientes da empresa. Esses portais são projetados para facilitar o trabalho conjunto das equipes de negócios e de dados; os usuários corporativos digitam exatamente o que desejam e a equipe de dados simplesmente faz acontecer.
Infelizmente, como vimos em Jim, não é tão simples. Muitos usuários corporativos chegam à equipe de dados com um gráfico já em mente, incluindo o que os números desse gráfico devem mostrar.
Neste ponto, já estamos condenados. Se os dados não corresponderem à história que o solicitante deseja ou forem um pouco matizados, eles nunca usarão essa análise. Precisamos saber o problema que eles estão tentando resolver.
Como profissionais de dados, conhecemos os dados e os métodos estatísticos melhor do que ninguém e podemos aconselhar sobre a melhor abordagem de utilização dos dados para responder à questão em questão. O contexto de negócios em parceria com nossa experiência em dados pode se combinar para criar análises muito mais impactantes do que poderíamos produzir individualmente.
Em suma, devemos ser consultores e não contratados.
2. Os números nunca andam sozinhos
Um gráfico por si só não pode transmitir tudo, e esse tipo de pensamento inibe a nossa capacidade de influenciar o negócio com o nosso trabalho.
Freqüentemente, esperamos enviar um único gráfico ou painel como uma solicitação concluída. Eles são quase impossíveis de serem interpretados pelo usuário empresarial sem uma explicação 1:1.
Disseram-nos que os dados podem falar por si, que um gráfico bem elaborado pode comunicar todas as suas nuances por si só. Isto simplesmente não é verdade. Um gráfico por si só não pode transmitir tudo, e esse tipo de pensamento inibe a nossa capacidade de influenciar o negócio com o nosso trabalho.
Você não pode confiar apenas em gráficos para transmitir insights. Use texto para explicar seu trabalho. Fonte: O melhor jogador que nunca ganhou um título by contagem.co.
Ao compartilhar qualquer análise, procuro sempre incluir as seguintes informações:
- período de dados
- data de análise
- autor
- TL;DR: resumo do contexto e insights
- explicação de como ler o gráfico
- como você fez a análise (não o código, mas a explicação do leigo)
- limitações e próximos passos
Essas informações contextuais podem parecer uma dor de cabeça, mas fazem uma enorme diferença. Não enviamos apenas um gráfico que, isoladamente, pode conter o subtexto inútil “descobrir”. Enviamos a eles uma análise com tudo o que precisam para transformar aquele gráfico em insight, um pequeno gesto que não passa despercebido.
Romper o hábito de enviar gráficos por conta própria dá a eles a chance de serem compreendidos e, em última análise, usados.
3. Faça disso uma experiência
Para realmente dar sentido à sua análise, seus usuários precisarão cutucá-la e cutucá-la... Vamos ajudá-los a chegar lá.
Cercar seu gráfico com contexto e explicação garante que o leitor tenha tudo o que precisa aprender algo da nossa análise. Mas aprendemos melhor através de experiências[1].
Portanto, para realmente entender sua análise, seus usuários precisarão cutucá-la e cutucá-la. O modelo de aprendizagem de Kolb sugere que eles precisarão experimentar nossa análise e reservar um tempo para refletir sobre suas implicações no mundo real antes que possam entendê-la adequadamente. Vamos ajudá-los a chegar lá.
Modelo de aprendizagem experiencial (ELM) de David Kolb [1] Fonte da imagem: autor.
No mínimo, isso envolve a configuração de elementos interativos para sua análise. Adicione filtros e parâmetros que permitem ao usuário começar a interrogar os dados. E se você tivesse o dobro do orçamento? Metade disso?
Esse fluxo de perguntas e respostas permite que o usuário confie na análise e entenda como ela se relaciona com seu problema, dando-lhe, em última análise, a confiança necessária para exercer essa análise na sala de reuniões. Essa falta de confiança é o principal motivo pelo qual seu gráfico não aparece na apresentação de slides, então tome cuidado aqui.
4. Prepare a apresentação
Crie recursos visuais envolventes e informativos que não intimidarão os espectadores sem sacrificar a complexidade da sua análise.
Infelizmente, não podemos esperar que alguém dedique tempo para aprender com a análise de uma apresentação da mesma forma que nosso parceiro de negócios (espero) fez até agora. Isso significa que agora precisamos criar um gráfico resumido que possa refletir os pontos-chave da nossa análise, mas com muito menos detalhes.
Idealmente, isso é feito como a última etapa de sua análise, uma vez que você tenha acordado sobre os principais insights e a melhor forma de combiná-los em uma decisão ou problema maior a ser resolvido. Em seguida, você pode usar as práticas recomendadas de visualização de dados [2] para criar recursos visuais envolventes e informativos que não intimidarão os espectadores sem sacrificar a complexidade de sua análise.
5. Viva a análise
Certifique-se de que sua análise vá além dessa única solicitação de dados e possa ser usada continuamente.
Uma parte deste processo que é severamente negligenciada é a questão de transformar esta análise em conhecimento escalável. Como garantir que a pergunta comercial que você acabou de responder seja compartilhada não apenas com Jim ou com a equipe de Jim, mas com toda a empresa? E não só esta semana, mas que poderá ser usado daqui a 6 meses, quando a mesma dúvida surgir novamente. A resposta inequivocamente não é um painel, mas algo com mais nuances.
Abordagem do AirBnB [3] foi implementar um Knowledge Feed que pegue o tipo de análise detalhada que acabamos de descrever e a publique para que toda a empresa possa encontrar. O resultado é uma coleção de relatórios que são facilmente compreendidos por todos os usuários, mas ainda têm acesso ao código bruto e às notas para os analistas usarem como ponto de partida para trabalhos futuros. Estão documentados os principais atributos que dão a todos confiança no que estão vendo (quando foi publicado, as limitações, etc.). E eles tornaram esse banco de dados de conhecimento facilmente analisável para que as pessoas possam encontrar rapidamente a análise relacionada às suas perguntas antes de enviarem a solicitação à equipe de dados.
Agora você pode ter certeza de que sua análise vai além dessa única solicitação de dados e pode ser usada repetidamente.
Hora de fazer você mesmo
A vantagem desse tipo de forma de trabalhar é que é fácil de testar. Na próxima vez que receber uma solicitação de um de seus usuários comerciais mais amigáveis (evite piratas), sugiro tentar este método. Em vez de materializar o gráfico solicitado, peça para se encontrar com eles para entender melhor o que esperam fazer com esse gráfico. Que decisões ele está informando? Quem é o público?
E à medida que vocês trabalham juntos nesta análise, sugiro usar um caderno de dados para documentar os metadados necessários e explicar seu trabalho ao seu parceiro de negócios. Isso lhe dá a flexibilidade de contextualizar sua análise de acordo com o código e os recursos visuais, para que você não tente hackear um Documento Google em algum lugar.
Quando ambos estiverem satisfeitos com a análise e as descobertas, trabalhem juntos no gráfico final e vejam como ele parece diferente do pedido original. Estou disposto a apostar que são totalmente diferentes.
Exemplo de caderno de contagem. Fonte: Quem é o CABRA do Tênis?
Comprometer esta análise com o conhecimento compartilhado requer um pouco mais de reflexão. Não há muitos lugares naturais para esses cadernos; O Github não é amigável o suficiente para não desenvolvedores, e opções como DropBox ou Google Docs não são técnicas o suficiente para incluir o código necessário.
Se você me forçasse a recomendar uma ferramenta, eu diria Contar, mas divulgação completa, eu ajudei a construí-lo. Count é um caderno de dados que tem como objetivo tornar esse tipo de trabalho a norma. Você pode criar relatórios analíticos de alta qualidade cheios de contexto, explicações e recursos visuais personalizados, tudo em um único documento, dando ao seu trabalho a plataforma necessária para sobreviver à solicitação transitória de dados e se tornar um conhecimento do qual toda a empresa pode se beneficiar.
Se você já tentou algum desses métodos, adoraria saber como foi nos comentários!
Referências
[1] Kolb, DA Aprendizagem Experiencial: Experiência como Fonte de Aprendizagem e Desenvolvimento. Nova Jersey: Prentice-Hall; 1984.
[2] Mahoney, Michael. A arte e a ciência da visualização de dados. Rumo à Ciência de Dados; 2019.
[3] Sharma, C. & Overgooer, jan. Ampliando o conhecimento no Airbnb. AirbnbEng; 2016.
Óptimo estado. Original. Republicado com permissão.
Relacionado:
Fonte: https://www.kdnuggets.com/2021/04/make-análise-used.html
- Acesso
- Visando
- análise
- Arte
- público
- MELHOR
- melhores práticas
- Pouco
- construir
- negócio
- chamada
- Cuidado
- charts
- código
- Empresa
- confiança
- crédito
- painel de instrumentos
- dados,
- ciência de dados
- banco de dados
- dia
- detalhe
- DID
- Dropbox
- etc.
- Experiências
- experimentar
- filtros
- Finalmente
- Primeiro nome
- Flexibilidade
- fluxo
- premeditação
- cheio
- futuro
- GitHub
- Dando
- cortar
- cabeça
- SUA PARTICIPAÇÃO FAZ A DIFERENÇA
- Como funciona o dobrador de carta de canal
- Como Negociar
- HTTPS
- enorme
- imagem
- Incluindo
- indústria
- influência
- INFORMAÇÕES
- insights
- interativo
- isolamento
- IT
- Chave
- Conhecimento
- APRENDER
- aprendizagem
- Lista
- longo
- gosta,
- Match
- média
- modelo
- mês
- New Jersey
- laptops
- números
- Opções
- parceiro
- Google Cloud
- Pessoas
- plataforma
- jogador
- Portal
- Cru
- Leitor
- Relatórios
- pesquisa
- Resultados
- Ciência
- sentido
- contexto
- compartilhado
- Baixo
- simples
- pequeno
- So
- RESOLVER
- gastar
- começo
- apresentado
- Dados Técnicos:
- conta
- tênis
- teste
- A fonte
- Pensando
- tempo
- dicas
- pista
- triagem
- Confiança
- usuários
- semana
- QUEM
- manejar
- ganhar
- Atividades:
- mundo