Maîtriser l'art de la narration de données : un guide pour les scientifiques des données - KDnuggets

Republié par Platon

Suiveurs: 0

Maîtriser l'art de la narration de données : un guide pour les scientifiques des données
Photo par Isaac Smith on Unsplash

Si vous envisagez de devenir un scientifique des données ou si vous êtes déjà un scientifique des données, vous aurez lu ou connaîtrez les compétences requises. Vous aurez besoin d'un langage de programmation, d'une compréhension des statistiques mathématiques, de la capacité de créer des visualisations de données, etc.

Si vous envisagez de devenir un professionnel de la science des données et avez besoin de conseils, consultez cet article : Devenez un professionnel de la science des données en cinq étapes.

Bien que la majorité de votre temps soit consacrée à la phase de préparation des données à essayer de trouver et de nettoyer des données, la science des données comporte d'autres éléments importants.

Une fois que vous avez trouvé vos informations précieuses, s'il s'agit de tendances, de modèles ou de visualisations, vous devrez être en mesure de les expliquer. En tant que professionnel des données, il peut être difficile pour les personnes non techniques de comprendre le langage technique.

Si vous êtes une personne technique, il peut être difficile de transmettre votre message à des personnes non techniques. Non seulement vous rencontrerez des personnes non techniques, mais vous aurez peut-être affaire à quelqu'un qui préfère les explications par le biais de visualisations ou d'exécutions de projets.

Par conséquent, une fois que vous avez vos conclusions, vous devrez vous adresser à une variété de personnes - et maîtriser la façon de le faire peut être difficile, mais cela peut être réalisé.

Commençons…

En tant que data scientist moi-même, je comprends que beaucoup de parties prenantes ou de managers ne viennent pas d'une formation technique. Par conséquent, une partie de la terminologie utilisée dans votre équipe de tous les jours leur sera étrangère. Par exemple, score F1 ou validation croisée.

Pensez à la façon dont un enseignant explique un sujet à un élève et gardez cela à l'esprit lorsque vous expliquez à votre public. Traduisez votre terminologie de science des données dans une langue que tout le monde peut comprendre. S'il n'y a aucun moyen de remplacer un terme spécifique de la science des données, il n'y a pas de mal à expliquer ce que cela signifie. Vous ferez plus de mal en perdant l'attention de votre auditoire sur les mots techniques.

Différentes personnes apprennent de différentes manières. Certains peuvent lire un manuel une fois et l'obtenir. Certains ont besoin qu'il soit codé par couleur. Certains ont besoin de visualisations. Lors de la présentation de vos conclusions, ne vous limitez pas et mettez-vous dans une ornière où vous devez répondre à 1000 questions. Les visualisations peuvent répondre à vos questions.

Les visualisations de données permettront à votre public d'avoir une compréhension visuelle des étapes que vous avez suivies et de vos conclusions. Pendant que vous parlez en arrière-plan des visualisations, leurs yeux apprennent et donnent un sens à ce que vous dites.

À la fin de votre présentation, assurez-vous d'avoir une page récapitulative de tous vos points importants et des visualisations de données que votre public pourra voir. Pendant ce temps, vous devez être ouvert aux questions dans lesquelles votre public peut consulter en permanence le tableau récapitulatif pour poser de nouvelles questions.

Votre auditoire pose des questions n'est pas une mauvaise chose, cela montre qu'il a écouté, qu'il est intéressé et qu'il veut apprendre et comprendre davantage.

Les points ci-dessus sont des éléments de votre narration qui la rendront efficace. Cependant, une structure est ce qui fera de votre narration de données un succès.

La narration en trois actes est un modèle populaire utilisé dans la fiction narrative qui divise une histoire en trois parties :

installation

But: énoncez dans les termes les plus clairs le problème que vous essayez de résoudre.

Cela comprend une introduction à votre projet, indiquant le but du projet, ce que vous essayez de résoudre, etc. Pendant la configuration, du point de vue de la science des données, vous approfondirez le problème ou la question pour donner un contexte à le but du projet. Le but de votre projet correspondra à votre Point 1.

Affrontement

But: expliquez à votre auditoire pourquoi il est important de résoudre ce problème et les différentes voies que vous avez suivies pour résoudre le problème.

Pendant la partie confrontation, vous pouvez continuer à parler de la tâche à accomplir et des raisons pour lesquelles l'entreprise était confrontée à ce problème en premier lieu. Vous voulez garder votre public intéressé et intrigué, donc parler des problèmes auxquels l'entreprise est confrontée rendra toujours les parties prenantes accrochées.

Expliquez à votre lecteur étape par étape les différents chemins que vous avez suivis et votre résultat pour chacun, afin de mener à bien la tâche à accomplir. Les différentes étapes que vous avez franchies au cours du projet de science des données refléteront différents points, par exemple le point 2, le point 3,…

Donner à votre public le contexte des échecs et des obstacles que vous avez rencontrés et pourquoi, aidera à renforcer la confiance et la compréhension entre vous et le public une fois que vous aurez trouvé une solution.

Résolution

But: Expliquez la solution que vous pouvez proposer pour résoudre le problème et assurez-vous que le public est satisfait.

C'est là que le public passe de l'inquiétude au soulagement. Votre résolution doit indiquer comment elle surmonte vos échecs et obstacles précédents. Ouvrez cette section pour les questions, car votre public voudra avoir une confiance totale dans vos informations sur les données et pensera que c'est la bonne voie à suivre.

Une fois que le public est à l'aise, vous pouvez commencer à conclure et à parler des actions qui doivent être entreprises pour que la tâche soit un succès.

Une autre structure très efficace est le principe pyramidal. Il s'agit d'un outil de communication efficace utilisé pour communiquer clairement des problèmes complexes aux cadres occupés. Le but est que les idées écrites forment toujours une pyramide sous une seule pensée.

Alors laissez-moi vous expliquer un peu plus. Lorsque vous traitez avec des cadres occupés qui souhaitent en savoir plus sur vos données, mais qui manquent de temps ou qui souhaitent connaître les solutions, le principe de la pyramide est la voie à suivre.

Il se décompose en 3 parties :

Ta Réponse

Dans ce cas, votre réponse sera la solution à la tâche à accomplir. C'est le point principal que vous voulez que votre public retienne. C'est le message clé et vous voulez que l'accent soit mis sur ce point principal - la solution.

Arguments à l'appui

Une fois que vous avez énoncé la solution, votre prochaine étape consiste à convaincre votre auditoire que c'est la voie à suivre. Pour ce faire, vous devrez les emmener à travers un parcours d'arguments à l'appui, avec une perspicacité de haut niveau. Au cours de cette partie, votre public peut avoir quelques questions en tête.

Faits/données à l'appui

Au cours de cette partie, toutes les questions possibles que votre public pourrait avoir trouveront une réponse ici. Chacun de vos arguments à l'appui doit être étayé par des données et des faits pour garantir à votre public que vous avez fait vos devoirs et que votre réponse/solution initiale n'est pas sortie de nulle part.

Utiliser les compétences d'utilisation d'un langage non technique et de visualisations dans l'une ou l'autre structure : la narration en trois actes ou le principe de la pyramide vous permettra de maîtriser l'art de la narration de données.

Votre choix sur la structure que vous choisissez dépend de votre degré de connaissance de votre public. Vous pouvez toujours essayer et vous tromper les deux structures pour voir laquelle est la plus efficace. Un bon moyen de mesurer l'efficacité de la structure pour votre public est de noter quelle structure a posé le moins de questions. Moins votre public se pose de questions, plus votre storytelling a eu du succès.

Nisha Arya est Data Scientist, rédacteur technique indépendant et Community Manager chez KDnuggets. Elle est particulièrement intéressée à fournir des conseils de carrière en science des données ou des tutoriels et des connaissances théoriques sur la science des données. Elle souhaite également explorer les différentes façons dont l'intelligence artificielle est/peut bénéficier à la longévité de la vie humaine. Une apprenante passionnée, cherchant à élargir ses connaissances techniques et ses compétences en écriture, tout en aidant à guider les autres.