By เทย์เลอร์ เคานต์,หัวหน้าฝ่ายข้อมูลที่นับ.
ภาพถ่ายโดย ออสติน นีล on Unsplash.
ระวังโจรสลัด
หนึ่งในประสบการณ์ที่ทำให้ขวัญเสียมากที่สุดคือการเห็นผลของการทำงานหนักของคุณไปโดยไม่มีใครเห็น ไม่เห็นค่า และไม่ได้ใช้ ในโลกของข้อมูล นั่นคือสิ่งที่เราพบเจอบ่อยเกินไป ใช้สถานการณ์สมมุติต่อไปนี้:
- จิมส่งคำขอไปยังทีมข้อมูลเพื่อทำการวิเคราะห์เชิงลึกสำหรับการนำเสนอลูกค้าในสัปดาห์ต่อมา
- คุณและจิมใช้เวลาตลอดทั้งสัปดาห์ในการวิเคราะห์ ทำงานอย่างใกล้ชิดเพื่อให้แน่ใจว่าเขามีภาพที่ถูกต้องและรู้สึกมั่นใจในการนำเสนอผลการวิจัย
- วันนำเสนอมาถึง และไม่มีคำพูดใดๆ จากจิม มันแปลก
- เมื่อคุณติดตามเขาในที่สุด เขาบอกคุณว่าเขา "ไม่ได้ใช้แผนภูมิเลย" “พวกเขาแค่จะทำให้พวกเขาสับสน” เขากล่าวเสริมด้วยน้ำเสียงประนีประนอม
- คุณกำลังเป็นควัน เสียเวลาไปทั้งสัปดาห์ มีการตัดสินใจอีกครั้งโดยไม่มีข้อมูลสำรอง ทำไมเขาถึงถามในตอนแรก?
ฉันชอบเรียกผู้ร้องขอเหล่านี้ โจรสลัด เพราะพวกเขาขโมยเวลาของฉันไป น่าเสียดายที่จะต้องมีโจรสลัดอยู่เสมอ แต่ก็มีวิธีที่เราสามารถเรียนรู้ที่จะหลีกเลี่ยงพวกมันหรืออย่างน้อยก็รับมือกับการมีอยู่ของพวกมัน นี่คือรายการเคล็ดลับเพื่อให้แน่ใจว่าการวิเคราะห์ของคุณได้รับเครดิตที่สมควรได้รับ ซึ่งรวบรวมจากประสบการณ์ของฉันเอง การวิจัยเชิงวิชาการ และแนวปฏิบัติที่ดีที่สุดในอุตสาหกรรม
1. ทิ้งแบบฟอร์มขอข้อมูล
เราต้องเป็นที่ปรึกษา ไม่ใช่มือจ้าง
ทีมข้อมูลส่วนใหญ่มีพอร์ทัลคำขอที่พวกเขาใช้ในการคัดแยกและกำหนดคำขอข้อมูลที่มาจากธุรกิจ พอร์ทัลเหล่านี้ได้รับการออกแบบมาเพื่อให้ธุรกิจและทีมข้อมูลทำงานร่วมกันได้ง่ายขึ้น ผู้ใช้ทางธุรกิจพิมพ์สิ่งที่พวกเขาต้องการ และทีมข้อมูลก็ทำให้มันเกิดขึ้น
น่าเสียดายที่เราเห็นจาก Jim มันไม่ง่ายอย่างนั้น ผู้ใช้ทางธุรกิจจำนวนมากมาที่ทีมข้อมูลโดยคำนึงถึงแผนภูมิอยู่แล้ว รวมถึงสิ่งที่ควรแสดงเป็นตัวเลขในแผนภูมินั้น
ณ จุดนี้เราถึงวาระแล้ว หากข้อมูลไม่ตรงกับเรื่องราวที่ผู้ร้องขอต้องการหรือมีรายละเอียดเพียงเล็กน้อย พวกเขาจะไม่ใช้การวิเคราะห์นี้ เราจำเป็นต้องทราบปัญหาที่พวกเขากำลังพยายามแก้ไข
ในฐานะผู้เชี่ยวชาญด้านข้อมูล เรารู้จักข้อมูลและวิธีการทางสถิติดีกว่าใครๆ และสามารถให้คำแนะนำเกี่ยวกับแนวทางที่ดีที่สุดในการใช้ข้อมูลเพื่อตอบคำถามที่มีอยู่ บริบททางธุรกิจร่วมกับความเชี่ยวชาญด้านข้อมูลของเราสามารถรวมกันเพื่อสร้างการวิเคราะห์ที่มีผลกระทบมากกว่าที่เราสามารถสร้างทีละรายการ
สรุปเราต้องเป็นที่ปรึกษา ไม่ใช่มือจ้าง
2. ตัวเลขไม่เคยเดินเดียวดาย
แผนภูมิเพียงอย่างเดียวไม่สามารถถ่ายทอดทุกสิ่งได้ และการคิดแบบนั้นขัดขวางความสามารถของเราในการโน้มน้าวธุรกิจด้วยงานของเรา
บ่อยครั้งที่เราคาดหวังให้ส่งแผนภูมิหรือแดชบอร์ดเดียวเป็นคำขอที่เสร็จสมบูรณ์ สิ่งเหล่านี้แทบจะเป็นไปไม่ได้เลยที่ผู้ใช้ทางธุรกิจจะตีความโดยไม่มีคำอธิบายแบบ 1:1
เราทราบมาว่าข้อมูลสามารถพูดแทนตัวมันเองได้ว่าแผนภูมิที่สร้างขึ้นมาอย่างดีสามารถสื่อสารถึงความแตกต่างทั้งหมดได้ด้วยตัวมันเอง นี้เป็นเพียงไม่เป็นความจริง. แผนภูมิเพียงอย่างเดียวไม่สามารถถ่ายทอดทุกอย่างได้ และการคิดแบบนั้นขัดขวางความสามารถของเราในการโน้มน้าวธุรกิจด้วยงานของเรา
คุณไม่สามารถพึ่งพาแผนภูมิเพื่อถ่ายทอดข้อมูลเชิงลึกเพียงอย่างเดียว ใช้ข้อความเพื่ออธิบายงานของคุณ แหล่งที่มา: ผู้เล่นที่ดีที่สุดที่ไม่เคยชนะตำแหน่ง by นับ.co.
เมื่อแบ่งปันการวิเคราะห์ใดๆ ฉันพยายามรวมข้อมูลต่อไปนี้ไว้เสมอ:
- ช่วงเวลาของข้อมูล
- วันที่วิเคราะห์
- ผู้เขียน
- TL; DR: สรุปบริบทและข้อมูลเชิงลึก
- คำอธิบายวิธีอ่านแผนภูมิ
- คุณทำการวิเคราะห์อย่างไร (ไม่ใช่รหัส แต่เป็นคำอธิบายของคนธรรมดา)
- ข้อ จำกัด และขั้นตอนต่อไป
ข้อมูลเชิงบริบทนี้อาจดูเหมือนปวดหัว แต่สร้างความแตกต่างอย่างมาก เราไม่ได้เพียงแค่ส่งแผนภูมิ ซึ่งแยกออกมาต่างหาก อาจมีข้อความย่อยที่ไม่เป็นประโยชน์ 'คิดออก' เราได้ส่งบทวิเคราะห์พร้อมทุกสิ่งที่จำเป็นเพื่อเปลี่ยนแผนภูมิให้เป็นข้อมูลเชิงลึก ท่าทางเล็กๆ น้อยๆ ที่ไม่มีใครสังเกตเห็น
การทำลายนิสัยการส่งแผนภูมิด้วยตัวเองทำให้มีโอกาสที่จะเข้าใจและนำไปใช้ในที่สุด
3. ทำให้เป็นประสบการณ์
เพื่อให้การวิเคราะห์ของคุณสมเหตุสมผล ผู้ใช้ของคุณจะต้องกระตุ้นและทดสอบ... มาช่วยพวกเขาไปถึงจุดนั้นกันเถอะ
ล้อมรอบแผนภูมิของคุณด้วยบริบทและคำอธิบายเพื่อให้แน่ใจว่าผู้อ่านมีทุกสิ่งที่จำเป็นในการเรียนรู้ บางอย่างจากการวิเคราะห์ของเรา แต่เราเรียนรู้ได้ดีที่สุดผ่านประสบการณ์[1]
ดังนั้นเพื่อให้เข้าใจการวิเคราะห์ของคุณอย่างแท้จริง ผู้ใช้ของคุณจะต้องกระตุ้นและทดสอบมัน โมเดลการเรียนรู้ของ Kolb แนะนำว่าพวกเขาจำเป็นต้องทดลองกับการวิเคราะห์ของเรา และใช้เวลาในการไตร่ตรองผลกระทบในโลกแห่งความเป็นจริง ก่อนที่พวกเขาจะสามารถเข้าใจได้อย่างถูกต้อง มาช่วยพวกเขาไปที่นั่นกันเถอะ
รูปแบบการเรียนรู้จากประสบการณ์ของ David Kolb (ELM) [1] แหล่งที่มาของรูปภาพ: ผู้แต่ง
อย่างน้อยที่สุด การดำเนินการนี้เกี่ยวข้องกับการตั้งค่าองค์ประกอบเชิงโต้ตอบสำหรับการวิเคราะห์ของคุณ เพิ่มตัวกรองและพารามิเตอร์ที่ช่วยให้ผู้ใช้เริ่มซักถามข้อมูล จะทำอย่างไรถ้าคุณมีงบประมาณเพิ่มขึ้นเป็นสองเท่า ครึ่งนึง?
โฟลว์คำถาม-คำตอบนี้ช่วยให้ผู้ใช้เชื่อถือการวิเคราะห์และเข้าใจว่าเกี่ยวข้องกับปัญหาของตนอย่างไร ทำให้ผู้ใช้มั่นใจที่จะใช้การวิเคราะห์นั้นในห้องประชุมได้ในที่สุด การขาดความมั่นใจนี้เป็นเหตุผลอันดับหนึ่งที่แผนภูมิของคุณไม่รวมอยู่ในสไลด์เด็ค ดังนั้นโปรดระวังตรงนี้
4. เตรียมการนำเสนอให้พร้อม
สร้างภาพที่น่าสนใจและให้ข้อมูลซึ่งจะไม่ข่มขู่ผู้ชมโดยไม่ลดความซับซ้อนของการวิเคราะห์ของคุณ
น่าเสียดายที่เราไม่สามารถคาดหวังให้ใครใช้เวลาในการเรียนรู้จากการวิเคราะห์ในการนำเสนอในแบบที่พันธมิตรทางธุรกิจของเราได้ทำ (หวังว่าจะ) ทำจนถึงจุดนี้ ซึ่งหมายความว่าตอนนี้เราต้องสร้างแผนภูมิสรุปที่สามารถสะท้อนประเด็นสำคัญของการวิเคราะห์ของเราแต่มีรายละเอียดน้อยกว่ามาก
เป็นการดีที่การดำเนินการนี้เป็นขั้นตอนสุดท้ายของการวิเคราะห์ของคุณ เมื่อคุณตกลงเกี่ยวกับข้อมูลเชิงลึกที่สำคัญและวิธีที่ดีที่สุดที่จะรวมเข้าด้วยกันเป็นการตัดสินใจที่ใหญ่ขึ้นหรือปัญหาที่ต้องแก้ไข จากนั้นคุณสามารถใช้แนวทางปฏิบัติที่ดีที่สุดในการแสดงข้อมูล [2] เพื่อสร้างภาพที่น่าสนใจและให้ข้อมูลซึ่งจะไม่สร้างความหวาดกลัวให้กับผู้ชมโดยไม่สูญเสียความซับซ้อนของการวิเคราะห์ของคุณ
5. ลองวิเคราะห์ดู
ตรวจสอบให้แน่ใจว่าการวิเคราะห์ของคุณอยู่นอกเหนือจากคำขอข้อมูลเดียวนี้ และสามารถนำมาใช้ซ้ำแล้วซ้ำอีก
ส่วนหนึ่งของกระบวนการนี้ที่ถูกละเลยอย่างมากคือคำถามของการเปลี่ยนการวิเคราะห์นี้เป็นความรู้ที่ปรับขนาดได้ คุณจะแน่ใจได้อย่างไรว่าคำถามทางธุรกิจที่คุณเพิ่งตอบนั้นไม่ได้แชร์เฉพาะกับจิมหรือทีมของจิม แต่กับบริษัทที่กว้างขึ้น และไม่ใช่แค่สัปดาห์นี้ แต่จะใช้ได้ใน 6 เดือนเมื่อคำถามเดิมเกิดขึ้นอีกครั้ง คำตอบนั้นไม่ใช่แดชบอร์ดอย่างชัดเจน แต่เป็นสิ่งที่เหมาะสมยิ่งขึ้น
แนวทางของ AirBnB [3] ได้นำ Knowledge Feed มาใช้ซึ่งใช้ประเภทการวิเคราะห์โดยละเอียดที่เราเพิ่งร่างโครงร่างและเผยแพร่เพื่อให้ทั้งบริษัทค้นพบ ผลลัพธ์คือชุดของรายงานที่ผู้ใช้ทุกคนเข้าใจได้ง่าย แต่ยังสามารถเข้าถึงรหัสดิบและบันทึกสำหรับนักวิเคราะห์เพื่อใช้เป็นจุดเริ่มต้นสำหรับงานในอนาคต แอตทริบิวต์หลักได้รับการจัดทำเป็นเอกสารเพื่อให้ทุกคนมั่นใจในสิ่งที่พวกเขาเห็น (เมื่อเผยแพร่ ข้อจำกัด ฯลฯ) และพวกเขาได้ทำให้ฐานข้อมูลความรู้นี้สามารถแยกวิเคราะห์ได้ง่าย ดังนั้นผู้คนจึงสามารถค้นหาการวิเคราะห์ที่เกี่ยวข้องกับคำถามของพวกเขาได้อย่างรวดเร็ว ก่อนที่พวกเขาจะส่งคำขอไปยังทีมข้อมูล
ตอนนี้คุณสามารถตรวจสอบให้แน่ใจว่าการวิเคราะห์ของคุณอยู่นอกเหนือคำขอข้อมูลเดียวนี้ และสามารถนำมาใช้ซ้ำแล้วซ้ำอีก
เวลา DIY
ข้อดีของวิธีการทำงานแบบนี้คือง่ายต่อการทดสอบ ครั้งต่อไปที่มีคำขอผ่านผู้ใช้ทางธุรกิจที่เป็นมิตร (หลีกเลี่ยงการละเมิดลิขสิทธิ์) ฉันขอแนะนำให้ลองใช้วิธีนี้ แทนที่จะทำให้แผนภูมิเป็นจริงตามที่ขอ ให้ขอพบพวกเขาเพื่อทำความเข้าใจสิ่งที่พวกเขาหวังจะทำกับแผนภูมินี้ มันแจ้งการตัดสินใจอะไร? ใครคือผู้ชม?
และในขณะที่คุณทำงานร่วมกันในการวิเคราะห์นี้ ฉันขอแนะนำให้ใช้สมุดบันทึกข้อมูลเพื่อจัดทำเอกสารข้อมูลเมตาที่จำเป็นและอธิบายงานของคุณกับคู่ค้าทางธุรกิจของคุณ ซึ่งช่วยให้คุณมีความยืดหยุ่นในบริบทการวิเคราะห์ของคุณโดยสอดคล้องกับโค้ดและภาพ คุณจึงไม่ต้องพยายามแฮก Google เอกสารจากที่ใดที่หนึ่ง
เมื่อคุณทั้งคู่พอใจกับการวิเคราะห์และการค้นพบแล้ว ให้ทำงานในแผนภูมิสุดท้ายร่วมกัน และดูว่ามันแตกต่างจากคำขอดั้งเดิมอย่างไร ฉันยินดีที่จะเดิมพันว่าพวกเขาแตกต่างกันอย่างสิ้นเชิง
ตัวอย่างสมุดบันทึกการนับ แหล่งที่มา: GOAT เทนนิสคือใคร?
การวิเคราะห์นี้เพื่อแบ่งปันความรู้ต้องใช้ความคิดที่รอบคอบมากขึ้นอีกเล็กน้อย โน้ตบุ๊กเหล่านี้มีสถานที่ตามธรรมชาติไม่มากนัก Github ไม่เป็นมิตรกับผู้ใช้เพียงพอสำหรับผู้ที่ไม่ใช่นักพัฒนา และตัวเลือกต่างๆ เช่น DropBox หรือ Google Docs นั้นไม่มีข้อมูลทางเทคนิคเพียงพอที่จะใส่รหัสที่จำเป็น
ถ้าคุณบังคับให้ฉันแนะนำเครื่องมือ ฉันต้องพูด นับแต่การเปิดเผยอย่างเต็มรูปแบบฉันได้ช่วยสร้างมันขึ้นมา Count เป็นสมุดบันทึกข้อมูลที่มีเป้าหมายเพื่อทำให้วิธีการทำงานแบบนี้กลายเป็นบรรทัดฐาน คุณสามารถสร้างรายงานเชิงวิเคราะห์คุณภาพสูงที่เต็มไปด้วยบริบท คำอธิบาย และภาพที่ปรับแต่งได้ ทั้งหมดในเอกสารฉบับเดียว ทำให้งานของคุณเป็นแพลตฟอร์มที่จำเป็นสำหรับการดำเนินการขอข้อมูลชั่วคราวและกลายเป็นความรู้ที่ทั้งบริษัทจะได้รับประโยชน์
หากคุณได้ลองใช้วิธีเหล่านี้แล้ว ฉันชอบที่จะได้ยินว่ามันเป็นอย่างไรในความคิดเห็น!
อ้างอิง
[1] คอล์บ ดีเอ การเรียนรู้จากประสบการณ์: ประสบการณ์เป็นแหล่งการเรียนรู้และการพัฒนา. นิวเจอร์ซีย์: ศิษย์-ห้องโถง; 1984.
[2] มาโฮนีย์, ไมเคิล. ศิลปะและวิทยาศาสตร์ของการแสดงข้อมูล. สู่วิทยาศาสตร์ข้อมูล 2019.
[3] Sharma, C. & Overgooer, ม.ค. การเพิ่มพูนความรู้ที่ Airbnb. Airbnb; 2016.
Original. โพสต์ใหม่โดยได้รับอนุญาต
ที่เกี่ยวข้อง
ที่มา: https://www.kdnuggets.com/2021/04/make-analysis-used.html
- เข้า
- การเล็ง
- การวิเคราะห์
- ศิลปะ
- ผู้ฟัง
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- บิต
- สร้าง
- ธุรกิจ
- โทรศัพท์
- ซึ่ง
- ชาร์ต
- รหัส
- บริษัท
- ความมั่นใจ
- เครดิต
- หน้าปัด
- ข้อมูล
- วิทยาศาสตร์ข้อมูล
- ฐานข้อมูล
- วัน
- รายละเอียด
- DID
- Dropbox
- ฯลฯ
- ประสบการณ์
- การทดลอง
- ฟิลเตอร์
- ในที่สุด
- ชื่อจริง
- ความยืดหยุ่น
- ไหล
- ความคิดล่วงหน้า
- เต็ม
- อนาคต
- GitHub
- ให้
- สับ
- หัว
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTTPS
- ใหญ่
- ภาพ
- รวมทั้ง
- อุตสาหกรรม
- มีอิทธิพล
- ข้อมูล
- ข้อมูลเชิงลึก
- การโต้ตอบ
- ความเหงา
- IT
- คีย์
- ความรู้
- เรียนรู้
- การเรียนรู้
- รายการ
- นาน
- ความรัก
- การจับคู่
- กลาง
- แบบ
- เดือน
- รัฐนิวเจอร์ซีย์
- โน๊ตบุ๊ค
- ตัวเลข
- Options
- หุ้นส่วน
- พาร์ทเนอร์
- คน
- เวที
- ผู้เล่น
- พอร์ทัล
- มืออาชีพ
- ดิบ
- ผู้อ่าน
- รายงาน
- การวิจัย
- ผลสอบ
- วิทยาศาสตร์
- ความรู้สึก
- การตั้งค่า
- ที่ใช้ร่วมกัน
- สั้น
- ง่าย
- เล็ก
- So
- แก้
- ใช้จ่าย
- เริ่มต้น
- ส่ง
- วิชาการ
- บอก
- เทนนิส
- ทดสอบ
- ที่มา
- คิด
- เวลา
- เคล็ดลับ
- ลู่
- triage
- วางใจ
- ผู้ใช้
- สัปดาห์
- WHO
- ควง
- ชนะ
- งาน
- โลก