By Taylor greve, datachef på Count.
Foto: Austin Neil on Unsplash.
Akta dig för pirater
En av de mest universellt demoraliserande upplevelserna är att se resultatet av ditt hårda arbete bli osedda, ouppskattade och oanvända. I datavärlden är det något vi upplever alltför ofta. Ta följande hypotetiska situation:
- Jim skickar in en begäran till datateamet om en djupgående analys för en kundpresentation nästa vecka.
- Du och Jim tillbringar hela veckan med att arbeta med analysen och arbetar nära för att se till att han har rätt bilder och känner sig säker på att presentera resultaten.
- Dagen för presentationen kommer, och inte ett ord från Jim. Det är konstigt.
- När du äntligen spårar honom säger han till dig att han "inte slutade använda listorna trots allt." "De skulle bara ha förvirrat dem," tillägger han i en försonande ton.
- Du ryker. En hel vecka bortkastad. Ett annat beslut togs utan data för att säkerhetskopiera det. Varför frågade han ens från första början?
Jag gillar att kalla dessa förfrågan pirater eftersom de stjäl min tid. Tyvärr kommer det alltid att finnas pirater, men det finns sätt vi kan lära oss att undvika dem eller åtminstone klara av deras existens. Här är en lista med tips för att se till att din analys får den kredit den förtjänar, sammanställd utifrån min egen erfarenhet, akademisk forskning och branschpraxis.
1. Ta bort formulären för dataförfrågningar
Vi ska vara konsulter, inte hyrda händer.
De flesta datateam har en förfrågningsportal som de använder för att triage och tilldela dataförfrågningar som kommer från företaget. Dessa portaler är utformade för att göra det lättare för affärs- och datateamen att arbeta tillsammans; affärsanvändare skriver exakt vad de vill ha, och datateamet får det att hända.
Tyvärr, som vi såg från Jim, är det inte så enkelt. Många företagsanvändare kommer till datateamet med ett diagram i åtanke, inklusive vad siffrorna på det diagrammet ska visa.
Vid det här laget är vi redan dömda. Om data inte stämmer överens med berättelsen som begäranden vill ha eller är lite nyanserad, kommer de aldrig att använda den här analysen. Vi måste känna till problemet de försöker lösa.
Som dataproffs känner vi data och statistiska metoder bättre än någon annan och kan ge råd om det bästa sättet att använda data för att svara på frågan. Affärskontexten i partnerskap med vår dataexpertis kan kombineras för att skapa analyser som är mycket mer effektfulla än vad vi skulle kunna producera individuellt.
Kort sagt, vi ska vara konsulter, inte hyrda händer.
2. Nummer Gå aldrig ensam
Enbart ett diagram kan omöjligt förmedla allt, och den typen av tänkande hämmar vår förmåga att påverka verksamheten med vårt arbete.
Ofta förväntas vi skicka över ett enda diagram eller instrumentpanel som en komplett förfrågan. Dessa är nästan omöjliga för företagsanvändaren att tolka utan en 1:1 förklaring.
Vi har fått höra att data kan tala för sig själv, att ett välgjordt diagram kan kommunicera alla dess nyanser på egen hand. Detta är helt enkelt inte sant. Enbart ett diagram kan omöjligt förmedla allt, och den typen av tänkande hämmar vår förmåga att påverka verksamheten med vårt arbete.
Du kan inte lita på diagram för att förmedla insikter enbart. Använd text för att förklara ditt arbete. Källa: Den bästa spelaren som aldrig vinner en titel by count.co.
När jag delar en analys försöker jag alltid inkludera följande information:
- tidsperiod för data
- analysdatum
- Författaren
- TL;DR: sammanfattning av sammanhang och insikter
- förklaring av hur man läser diagrammet
- hur du gjorde analysen (inte koden, utan lekmannens förklaring)
- begränsningar och nästa steg
Denna kontextuella information kan verka som en huvudvärk, men det gör en enorm skillnad. Vi har inte bara skickat ett diagram, som isolerat kan bära den ohjälpsamma undertexten "få reda på det." Vi har skickat dem en analys med allt de behöver för att förvandla det diagrammet till insikt, en liten gest som inte gör det. gå obemärkt förbi.
Att bryta vanan att skicka ut diagram på egen hand ger dem en chans att bli förstådda och i slutändan användas.
3. Gör det till en upplevelse
För att verkligen förstå din analys måste dina användare peta och driva den... Låt oss hjälpa dem att komma dit.
Att omge ditt diagram med sammanhang och förklaring säkerställer att läsaren har allt de behöver lära sig något från vår analys. Men vi lär oss bäst genom erfarenheter[1].
Så för att verkligen förstå din analys måste dina användare peta och driva den. Kolbs inlärningsmodell tyder på att de måste experimentera med vår analys och ta sig tid att reflektera över dess verkliga implikationer innan de kan förstå den ordentligt. Låt oss hjälpa dem att komma dit.
David Kolbs Experiential Learning Model (ELM) [1] Bildkälla: författare.
Detta innebär åtminstone att du ställer in interaktiva element för din analys. Lägg till filter och parametrar som låter användaren börja förhöra data. Tänk om du hade dubbel budget? Hälften?
Detta fråge-svar-flöde låter användaren lita på analysen och förstå hur den relaterar till deras problem, vilket i slutändan ger dem självförtroendet att använda den analysen i styrelserummet. Den här bristen på självförtroende är den främsta anledningen till att ditt diagram inte kommer in i det där bildspelet, så var försiktig här.
4. Gör den redo för presentation
Skapa engagerande och informativ bild som inte skrämmer tittarna utan att offra komplexiteten i din analys.
Tyvärr kan vi inte förvänta oss att någon tar sig tid att lära av analysen i en presentation på det sätt som vår affärspartner (förhoppningsvis) har gjort fram till denna punkt. Det betyder att vi nu måste skapa ett sammanfattande diagram som kan återspegla nyckelpunkterna i vår analys men i mycket mindre detalj.
Helst görs detta som det sista steget i din analys, när du väl kommit överens om de viktigaste insikterna och hur man bäst kan sammansätta dem till ett större beslut eller problem att lösa. Sedan kan du använda bästa praxis för datavisualisering [2] för att skapa engagerande och informativa bilder som inte skrämmer tittarna utan att offra komplexiteten i din analys.
5. Länge leve analysen
Se till att din analys lever längre än denna enda dataförfrågan och kan användas om och om igen.
En del av denna process som är allvarligt försummad är frågan om att omvandla denna analys till skalbar kunskap. Hur ser du till att affärsfrågan du just har besvarat delas inte bara med Jim eller Jims team utan med det bredare företaget? Och inte bara denna vecka, utan att den kan användas om 6 månader när samma fråga kommer upp igen. Svaret är otvetydigt inte en instrumentpanel utan något mer nyanserat.
AirBnB:s tillvägagångssätt [3] har varit att implementera ett kunskapsflöde som tar den typ av detaljerad analys som vi just har beskrivit och publicerar den för hela företaget att hitta. Resultatet är en samling rapporter som är lätta att förstå för alla användare men som ändå har tillgång till råkoden och anteckningar för analytiker att använda som utgångspunkt för framtida arbete. De viktigaste egenskaperna är dokumenterade som ger alla förtroende för vad de ser (när det publicerades, begränsningarna, etc.). Och de har gjort denna databas med kunskap lätt att analysera så att människor snabbt kan hitta analysen relaterade till deras frågor innan de har skickat in sin begäran till datateamet.
Nu kan du se till att din analys lever bortom denna enda dataförfrågan och kan användas om och om igen.
D.I.Y. Tid
Fördelen med den här typen av arbetssätt är att det är lätt att testa. Nästa gång en förfrågan kommer från en av dina mer vänliga företagsanvändare (undvik pirater), föreslår jag att du provar den här metoden. Istället för att materialisera diagrammet de begärde, be att få träffa dem för att bättre förstå vad de hoppas kunna göra med det här diagrammet. Vilka beslut informerar den? Vem är publiken?
Och när ni arbetar tillsammans i den här analysen, föreslår jag att du använder en dataanteckningsbok för att dokumentera nödvändiga metadata och förklara ditt arbete för din affärspartner. Detta ger dig flexibiliteten att kontextualisera din analys i linje med kod och grafik, så att du inte försöker hacka ihop ett Google-dokument någonstans.
När ni båda är nöjda med analysen och resultaten, arbeta sedan på det slutliga diagrammet tillsammans och se hur annorlunda det ser ut jämfört med den ursprungliga begäran. Jag är villig att slå vad om att de är helt olika.
Exempel på Count-anteckningsbok. Källa: Vem är tennisgeten?
Att göra denna analys till delad kunskap kräver lite mer eftertanke. Det finns inte många naturliga platser för dessa anteckningsböcker att gå till; Github är inte tillräckligt användarvänlig för icke-utvecklare, och alternativ som DropBox eller Google Docs är inte tillräckligt tekniska för att inkludera koden som krävs.
Om du tvingade mig att rekommendera ett verktyg måste jag säga Att Räkna, men full avslöjande, jag hjälpte till att bygga den. Count är en data-anteckningsbok som syftar till att göra den här typen av arbetssätt till normen. Du kan skapa högkvalitativa analytiska rapporter som är fulla av sammanhang, förklaringar, skräddarsydda bilder, allt i ett dokument som ger ditt arbete den plattform det behöver för att överleva den övergående dataförfrågan och bli kunskap som hela företaget kan dra nytta av.
Om du har provat någon av dessa metoder skulle jag gärna höra hur det gick i kommentarerna!
Referensprojekt
[1] Kolb, D.A. Erfarenhetsinlärning: Erfarenhet som källa till lärande och utveckling. New Jersey: Prentice-Hall; 1984.
[2] Mahoney, Michael. Konsten och vetenskapen om datavisualisering. Mot datavetenskap; 2019.
[3] Sharma, C. & Overgooer, Jan. Skala kunskap på Airbnb. AirbnbEng; 2016.
Ursprungliga. Skickas om med tillstånd.
Relaterat:
Källa: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- tillgång
- sikta
- analys
- Konst
- publik
- BÄST
- bästa praxis
- Bit
- SLUTRESULTAT
- företag
- Ring
- vilken
- Diagram
- koda
- företag
- förtroende
- kredit
- instrumentbräda
- datum
- datavetenskap
- Databas
- dag
- detalj
- DID
- dropbox
- etc
- Erfarenheter
- experimentera
- filter
- Slutligen
- Förnamn
- Flexibilitet
- flöda
- förtänksamhet
- full
- framtida
- GitHub
- Ge
- hacka
- huvud
- här.
- Hur ser din drömresa ut
- How To
- HTTPS
- stor
- bild
- Inklusive
- industrin
- påverka
- informationen
- insikter
- interaktiva
- isolering
- IT
- Nyckel
- kunskap
- LÄRA SIG
- inlärning
- Lista
- Lång
- älskar
- Match
- Medium
- modell
- månader
- New Jersey
- bärbara datorer
- nummer
- Tillbehör
- partnern
- Partnerskap
- Personer
- plattform
- Spelaren
- Portal
- yrkesmän/kvinnor
- Raw
- Läsare
- Rapport
- forskning
- Resultat
- Vetenskap
- känsla
- inställning
- delas
- Kort
- Enkelt
- Small
- So
- LÖSA
- spendera
- starta
- lämnats
- Teknisk
- berättar
- tennis
- testa
- källan
- Tänkande
- tid
- Tips
- spår
- triage
- Litar
- användare
- vecka
- VEM
- svinga
- vinna
- Arbete
- världen