By 泰勒·康特, Count 数据主管.
谨防海盗
最普遍的士气低落的经历之一就是看到你辛勤工作的成果被忽视、不被赏识、不被利用。 在数据世界中,这是我们经常经历的事情。 假设以下情况:
- 吉姆向数据团队提交请求,要求对下周的客户演示进行深入分析。
- 您和吉姆花了整整一周的时间进行分析,密切合作,以确保他拥有正确的视觉效果并自信地展示研究结果。
- 演讲的日子到了,吉姆却一言不发。 这很奇怪。
- 当你最终找到他时,他告诉你他“最终并没有使用图表。” “他们只会让他们感到困惑,”他用安抚的语气补充道。
- 你很生气。 整整一个星期都浪费了。 另一项决定是在没有数据支持的情况下做出的。 他一开始为什么要问?
我喜欢给这些请求者打电话 海盗 因为他们偷走了我的时间。 不幸的是,海盗总是存在,但我们可以学习一些方法来避免他们或至少应对他们的存在。 以下是根据我自己的经验、学术研究和行业最佳实践汇总的一系列技巧,可确保您的分析获得应有的信誉。
1.放弃数据请求表
我们必须是顾问,而不是雇工。
大多数数据团队都有一个请求门户,用于分类和分配来自业务的数据请求。 这些门户旨在让业务和数据团队更轻松地协同工作; 业务用户准确地输入他们想要的内容,数据团队就会让它发生。
不幸的是,正如我们从吉姆那里看到的,事情并没有那么简单。 许多业务用户来到数据团队时心里已经有了一张图表,包括该图表上的数字应显示的内容。
到了这一步,我们就已经注定了。 如果数据与请求者想要的故事不匹配或者有点细微差别,那么他们永远不会使用此分析。 我们需要知道他们试图解决的问题。
作为数据专业人员,我们比任何人都更了解数据和统计方法,并且可以就使用数据回答手头问题的最佳方法提供建议。 业务环境与我们的数据专业知识相结合,可以创建比我们单独生成的分析更有影响力的分析。
简而言之,我们必须成为顾问,而不是雇工。
2. 数字永远不会独行
仅凭一张图表不可能传达一切,而这种思维会抑制我们通过工作影响业务的能力。
通常我们希望将单个图表或仪表板作为完整的请求发送。 如果没有 1:1 的解释,业务用户几乎不可能理解这些内容。
我们被告知,数据可以说明一切,精心制作的图表可以自行传达其所有细微差别。 这是不正确的。 仅凭一张图表不可能传达一切,而这种思维会抑制我们通过工作影响业务的能力。
您不能仅依靠图表来传达见解。 利用文字来解释你的工作。 来源: 从未赢得过冠军的最佳球员 by 计数公司.
在分享任何分析时,我尝试始终包含以下信息:
- 数据时间段
- 分析日期
- 作者
- TL;DR:背景和见解摘要
- 解释如何阅读图表
- 你是如何分析的(不是代码,而是外行人的解释)
- 限制和后续步骤
这些上下文信息可能看起来令人头疼,但它会产生巨大的差异。 我们不只是发送了一张图表,单独来看,它可能带有无用的潜台词“搞清楚”。 我们已经向他们发送了一份分析报告,其中包含将图表转化为见解所需的一切,这是一个不会被忽视的小举动。
打破自行发送图表的习惯,可以让图表有机会被理解并最终被使用。
3. 让它成为一种体验
为了真正理解您的分析,您的用户需要戳戳并刺探它……让我们帮助他们实现这一目标。
在图表周围添加上下文和解释,确保读者了解他们需要学习的一切 来自我们的分析。 但我们通过经验学习效果最好[1]。
因此,为了真正理解你的分析,你的用户需要戳戳它。 科尔布的学习模型表明,他们需要尝试我们的分析,并花时间反思其现实世界的影响,然后才能正确理解它。 让我们帮助他们到达那里。
David Kolb 的体验式学习模型(ELM)[1] 图片来源:作者。
至少,这涉及为您的分析设置交互元素。 添加过滤器和参数,让用户开始询问数据。 如果你的预算翻倍怎么办? 一半?
这种问答流程让用户信任分析并了解其与他们的问题的关系,最终让他们有信心在董事会中运用该分析。 这种缺乏信心是你的图表没有进入幻灯片的首要原因,所以这里要小心。
4. 准备好演示
创建引人入胜且内容丰富的视觉效果,既不会吓到观众,又不会牺牲分析的复杂性。
不幸的是,我们不能指望有人花时间从演示文稿中的分析中学习,就像我们的业务合作伙伴(希望)到目前为止所做的那样。 这意味着我们现在需要创建一个摘要图表,它可以反映我们分析的要点,但细节要少得多。
理想情况下,一旦您就关键见解以及如何最好地将它们组合成更大的决策或要解决的问题达成一致,这将作为分析的最后一步完成。 然后,您可以利用数据可视化最佳实践 [2] 来创建引人入胜且信息丰富的视觉效果,这些视觉效果不会吓倒观众,而不会牺牲分析的复杂性。
5. 分析万岁
确保您的分析超出了这个单一数据请求的范围,并且可以一次又一次地使用。
这一过程中被严重忽视的一部分是将这种分析转化为可扩展的知识的问题。 您如何确保您刚刚回答的业务问题不仅与吉姆或吉姆的团队共享,而且与更广泛的公司共享? 而且不只是本周,而是可以在 6 个月后再次出现同样的问题时使用。 答案显然不是仪表板,而是更微妙的东西。
爱彼迎的做法 [3] 一直致力于实现一个知识源,该知识源采用我们刚刚概述的详细分析类型并将其发布以供整个公司查找。 结果是所有用户都可以轻松理解的报告集合,但仍然可以访问原始代码和注释,供分析师用作未来工作的起点。 记录了关键属性,让每个人都对他们所看到的内容(发布时间、限制等)充满信心。 他们使这个知识数据库易于解析,以便人们在向数据团队提交请求之前可以快速找到与其问题相关的分析。
现在,您可以确保您的分析超出了这个单一数据请求的范围,并且可以一次又一次地使用。
DIY时间
这种工作方式的好处是易于测试。 下次当您的更友好的业务用户(避免盗版)收到请求时,我建议尝试此方法。 不要具体化他们要求的图表,而是要求与他们会面,以更好地了解他们希望用这张图表做什么。 它通知什么决定? 观众是谁?
当您一起进行此分析时,我建议使用数据笔记本来记录所需的元数据并向业务合作伙伴解释您的工作。 这使您可以灵活地将分析与代码和视觉效果结合起来,这样您就不会试图在某个地方拼凑 Google 文档。
一旦你们都对分析和结果感到满意,就可以一起制作最终的图表,看看它与最初的请求有多么不同。 我敢打赌他们完全不同。
计数笔记本的示例。 来源: 谁是网球山羊?
将这种分析应用于共享知识需要更多的深思熟虑。 这些笔记本没有太多自然的地方可以存放; 对于非开发人员来说,Github 不够用户友好,而且 DropBox 或 Google Docs 等选项的技术含量不够高,无法包含所需的代码。
如果你强迫我推荐一个工具,我不得不说 计数,但全面披露,我确实帮助构建了它。 Count 是一款数据笔记本,旨在使这种工作方式成为常态。 您可以创建高质量的分析报告,将上下文、解释和自定义视觉效果全部集中在一个文档中,为您的工作提供所需的平台,使其能够超越瞬态数据请求,并成为整个公司都可以从中受益的知识。
如果您尝试过这些方法中的任何一种,我很想在评论中听到它的效果!
参考资料
[1] 科尔布,DA 体验式学习:经验作为学习和发展的源泉。 新泽西州:普伦蒂斯霍尔; 1984年。
[2] 迈克尔·马奥尼。 数据可视化的艺术与科学。 迈向数据科学; 2019.
[3] Sharma, C. & Overgooer, Jan. 扩展 Airbnb 的知识. 爱彼迎工程; 2016年。
原版。 经许可重新发布。
相关新闻:
资料来源:https://www.kdnuggets.com/2021/04/make-analysis-used.html