मास्टरिंग द आर्ट ऑफ़ डेटा स्टोरीटेलिंग: ए गाइड फ़ॉर डेटा साइंटिस्ट्स - केडनगेट्स

द्वारा फोटो इसहाक स्मिथ on Unsplash
 

यदि आप एक डेटा वैज्ञानिक बनने की सोच रहे हैं, या पहले से ही एक डेटा वैज्ञानिक हैं - तो आपने आवश्यक कौशल के बारे में पढ़ा होगा या जाना होगा। आपको एक प्रोग्रामिंग भाषा, गणितीय आंकड़ों की समझ, डेटा विज़ुअलाइज़ेशन बनाने की क्षमता और बहुत कुछ की आवश्यकता होगी। 

यदि आप डेटा विज्ञान पेशेवर बनने की सोच रहे हैं और कुछ मार्गदर्शन की आवश्यकता है, तो इस लेख पर एक नज़र डालें: पाँच चरणों में डेटा विज्ञान पेशेवर बनें.

हालाँकि आपका अधिकांश समय डेटा तैयारी चरण के दौरान डेटा को खोजने और साफ़ करने में व्यतीत होगा - डेटा विज्ञान के लिए अन्य महत्वपूर्ण तत्व भी हैं। 

एक बार जब आपको अपनी बहुमूल्य अंतर्दृष्टि मिल जाए, चाहे वह रुझान हो, पैटर्न हो, या विज़ुअलाइज़ेशन में डाला गया हो - तो आपको इन्हें समझाने में सक्षम होने की आवश्यकता होगी। एक डेटा पेशेवर के रूप में, गैर-तकनीकी लोगों के लिए तकनीकी भाषा समझना मुश्किल हो सकता है। 

यदि आप एक तकनीकी व्यक्ति हैं, तो गैर-तकनीकी लोगों तक अपनी बात पहुंचाना चुनौतीपूर्ण हो सकता है। न केवल आपका सामना गैर-तकनीकी लोगों से होगा, बल्कि आप किसी ऐसे व्यक्ति से भी निपट सकते हैं जो विज़ुअलाइज़ेशन, या प्रोजेक्ट रन-थ्रू के माध्यम से स्पष्टीकरण पसंद करता है। 

इसलिए, एक बार जब आपको अपने निष्कर्ष मिल जाएंगे, तो आपको विभिन्न प्रकार के लोगों की सेवा करने की आवश्यकता होगी - और यह कैसे करना है इसमें महारत हासिल करना मुश्किल हो सकता है, लेकिन इसे हासिल किया जा सकता है। 

आएँ शुरू करें…

एक डेटा वैज्ञानिक के रूप में, मैं समझता हूं कि बहुत से हितधारक या प्रबंधक तकनीकी पृष्ठभूमि से नहीं आएंगे। इसलिए, आपकी रोजमर्रा की टीम में उपयोग की जाने वाली कुछ शब्दावली उनके लिए विदेशी होंगी। उदाहरण के लिए, F1 स्कोर या क्रॉस-वैलिडेशन। 

इस बारे में सोचें कि एक शिक्षक किसी छात्र को किसी विषय को कैसे समझाता है, और जब आप अपने दर्शकों को समझा रहे हों तो इसे अपने दिमाग में सबसे पहले रखें। अपनी डेटा विज्ञान शब्दावली का ऐसी भाषा में अनुवाद करें जिसे हर कोई समझ सके। यदि किसी विशिष्ट डेटा विज्ञान शब्द को प्रतिस्थापित करने का कोई तरीका नहीं है, तो इसका अर्थ समझाने में कोई बुराई नहीं है। तकनीकी शब्दों पर अपने दर्शकों का ध्यान खोकर आप अधिक नुकसान करेंगे। 

अलग-अलग लोग अलग-अलग तरीकों से सीखते हैं। कुछ लोग पाठ्यपुस्तक को एक बार पढ़ सकते हैं और प्राप्त कर सकते हैं। कुछ को इसे रंग कोडित करने की आवश्यकता है। कुछ को विज़ुअलाइज़ेशन की आवश्यकता होती है. अपने निष्कर्ष प्रस्तुत करते समय, अपने आप को सीमित न रखें और अपने आप को एक ऐसी स्थिति में न डालें जहाँ आपको 1000 प्रश्नों के उत्तर देने हों। विज़ुअलाइज़ेशन आपके प्रश्नों का उत्तर दे सकता है. 

डेटा विज़ुअलाइज़ेशन आपके दर्शकों को आपके द्वारा उठाए गए कदमों और आपके निष्कर्षों की दृश्य समझ प्राप्त करने की अनुमति देगा। जब आप पृष्ठभूमि में विज़ुअलाइज़ेशन के बारे में बात कर रहे होते हैं, तो उनकी आंखें सीख रही होती हैं और आप जो कह रहे हैं उसका अर्थ समझ रही होती हैं। 

अपनी प्रस्तुति के अंत में, अपने दर्शकों के देखने के लिए अपने सभी महत्वपूर्ण बिंदुओं और डेटा विज़ुअलाइज़ेशन का एक सारांश पृष्ठ रखना सुनिश्चित करें। इस समय के दौरान, आपको उन प्रश्नों के लिए खुला रहना चाहिए जिसमें आपके श्रोता नए प्रश्न पूछने के लिए लगातार सारांश बोर्ड को देख सकें। 

आपके दर्शकों द्वारा प्रश्न पूछना कोई बुरी बात नहीं है, इससे पता चलता है कि वे सुन रहे हैं, उनकी रुचि है, और वे और अधिक सीखना और समझना चाहते हैं। 

उपरोक्त बिंदु आपकी कहानी कहने के तत्व हैं जो इसे प्रभावी बनाएंगे। हालाँकि, एक संरचना वह है जो आपके डेटा स्टोरीटेलिंग को सफल बनाएगी। 

तीन-अभिनय कहानी कहने का एक लोकप्रिय मॉडल है जिसका उपयोग कथा साहित्य में किया जाता है जो एक कहानी को तीन भागों में विभाजित करता है:

व्यवस्था

उद्देश्य: जिस समस्या को आप हल करने का प्रयास कर रहे हैं उसे स्पष्ट शब्दों में बताएं।

इसमें आपके प्रोजेक्ट का परिचय, प्रोजेक्ट का उद्देश्य बताना, आप क्या हल करने का प्रयास कर रहे हैं आदि शामिल हैं। सेटअप के दौरान, डेटा विज्ञान के नजरिए से आप समस्या या मुद्दे को संदर्भ देने के लिए और अधिक गहराई में जाएंगे। परियोजना का उद्देश्य. आपके प्रोजेक्ट का उद्देश्य आपके बिंदु 1 के बराबर होगा। 

आमना-सामना

उद्देश्य: अपने दर्शकों को समझाएं कि इस समस्या को हल करना क्यों महत्वपूर्ण है और समस्या को हल करने के लिए आप किन विभिन्न रास्तों पर चले। 

टकराव वाले हिस्से के दौरान, आप मौजूदा कार्य के बारे में बोलना जारी रख सकते हैं और कंपनी को सबसे पहले इस समस्या का सामना क्यों करना पड़ रहा है। आप अपने दर्शकों की रुचि और जिज्ञासा बनाए रखना चाहते हैं, इसलिए कंपनी जिन समस्याओं का सामना कर रही है उन पर बोलना हमेशा हितधारकों को आकर्षित करेगा। 

अपने पाठक को चरण-दर-चरण बताएं कि हाथ में दिए गए कार्य को पूरा करने के लिए आप किन विभिन्न रास्तों से गुजरे और प्रत्येक के लिए आपका परिणाम क्या रहा। डेटा विज्ञान परियोजना के दौरान आपके द्वारा उठाए गए विभिन्न कदम विभिन्न बिंदुओं को प्रतिबिंबित करेंगे, जैसे बिंदु 2, बिंदु 3,…

अपने दर्शकों को आपके द्वारा सामना की गई असफलताओं और बाधाओं का संदर्भ देने से और आपके समाधान पर पहुंचने पर आपके और दर्शकों के बीच विश्वास और समझ बनाने में मदद मिलेगी। 

संकल्प

उद्देश्य: समस्या को हल करने के लिए आप जो समाधान पेश कर सकते हैं उसे समझाएं और सुनिश्चित करें कि दर्शक संतुष्ट हों। 

 

यहीं पर दर्शक चिंतित होने से राहत की ओर बढ़ता है। आपके संकल्प में यह बताया जाना चाहिए कि यह आपकी पिछली विफलताओं और बाधाओं पर कैसे काबू पाता है। इस अनुभाग को प्रश्नों के लिए खोलें, क्योंकि आपके दर्शक आपके डेटा अंतर्दृष्टि पर पूरा भरोसा करना चाहेंगे और विश्वास करेंगे कि यह आगे बढ़ने का सही तरीका है। 

एक बार जब श्रोता सहज हो जाएं, तो आप कार्य को सफल बनाने के लिए आवश्यक कार्यों को पूरा करना और उन पर बोलना शुरू कर सकते हैं। 

एक और संरचना जो बहुत प्रभावी है वह है पिरामिड सिद्धांत। यह एक प्रभावी संचार उपकरण है जिसका उपयोग व्यस्त अधिकारियों को जटिल मुद्दों को स्पष्ट रूप से बताने के लिए किया जाता है। उद्देश्य यह है कि लिखित रूप में विचार हमेशा एक ही विचार के तहत एक पिरामिड का निर्माण करें।

तो चलिए मैं इसे थोड़ा और समझाता हूं। व्यस्त अधिकारियों के साथ काम करते समय जो आपके डेटा अंतर्दृष्टि के बारे में जानना चाहते हैं, लेकिन उनके पास समय की कमी है या समाधान जानने के लिए उत्सुक हैं - पिरामिड सिद्धांत ही रास्ता है। 

इसे 3 भागों में बांटा गया है:

आपका उत्तर

इस मामले में, आपका उत्तर मौजूदा कार्य का समाधान होगा। यह मुख्य बिंदु है जिसे आप अपने दर्शकों तक ले जाना चाहते हैं। यह मुख्य संदेश है और आप चाहते हैं कि ध्यान इस मुख्य बिंदु - समाधान - पर केंद्रित रहे। 

सहायक तर्क

एक बार जब आप समाधान बता देते हैं, तो आपका अगला कदम अपने दर्शकों को यह विश्वास दिलाना होता है कि यही रास्ता है। ऐसा करने के लिए, आपको उन्हें उच्च स्तरीय अंतर्दृष्टि के साथ सहायक तर्कों की यात्रा पर ले जाना होगा। इस भाग के दौरान, आपके दर्शकों के मन में कुछ प्रश्न रह सकते हैं।

सहायक तथ्य/डेटा

इस भाग के दौरान, आपके दर्शकों के सभी संभावित प्रश्नों का उत्तर यहां दिया जाएगा। आपके प्रत्येक समर्थक तर्क को डेटा और तथ्यों द्वारा समर्थित किया जाना चाहिए ताकि आपके दर्शकों को यह सुनिश्चित हो सके कि आपने अपना होमवर्क कर लिया है और आपका प्रारंभिक उत्तर/समाधान हवा में नहीं आया है।

किसी भी संरचना में गैर-तकनीकी भाषा और विज़ुअलाइज़ेशन का उपयोग करने के कौशल का उपयोग करना: तीन-कार्य वाली कहानी या पिरामिड सिद्धांत आपको डेटा कहानी कहने की कला में महारत हासिल करने की अनुमति देगा। 

आप कौन सी संरचना चुनते हैं यह इस बात पर निर्भर करता है कि आप अपने दर्शकों को कितनी अच्छी तरह जानते हैं। आप यह देखने के लिए हमेशा दोनों संरचनाओं का परीक्षण और त्रुटि कर सकते हैं कि कौन सा सबसे प्रभावी है। आपके दर्शकों के लिए संरचना कितनी प्रभावी है, इसे मापने का एक अच्छा तरीका यह ध्यान देना है कि किस संरचना में कम प्रश्न थे। आपके दर्शकों के पास जितने कम प्रश्न होंगे, आपकी कहानी कहने की क्षमता उतनी ही अधिक सफल होगी।
 
 
निशा आर्य KDnuggets में एक डेटा वैज्ञानिक, स्वतंत्र तकनीकी लेखक और सामुदायिक प्रबंधक हैं। वह विशेष रूप से डेटा साइंस करियर सलाह या ट्यूटोरियल और डेटा साइंस के आसपास सिद्धांत आधारित ज्ञान प्रदान करने में रुचि रखती है। वह उन विभिन्न तरीकों का पता लगाना चाहती हैं जिनसे आर्टिफिशियल इंटेलिजेंस मानव जीवन की दीर्घायु को लाभ पहुंचा सकता है। एक उत्सुक शिक्षार्थी, दूसरों का मार्गदर्शन करने में मदद करते हुए, अपने तकनीकी ज्ञान और लेखन कौशल को व्यापक बनाना चाहती है।
 

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• ईवीएम वित्त। विकेंद्रीकृत वित्त के लिए एकीकृत इंटरफ़ेस। यहां पहुंचें।
• क्वांटम मीडिया समूह। आईआर/पीआर प्रवर्धित। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 डेटा इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• स्रोत: https://www.kdnuggets.com/2023/06/mastering-art-data-storytelling-guide-data-scientists.html?utm_source=rss&utm_medium=rss&utm_campaign=mastering-the-art-of-data-storytelling-a-guide-for-data-scientists