De kunst van het vertellen van gegevens beheersen: een gids voor gegevenswetenschappers - KDnuggets

De kunst van het vertellen van gegevens beheersen: een gids voor gegevenswetenschappers - KDnuggets

Bronknooppunt: 2715938

De kunst van het vertellen van gegevens beheersen: een gids voor gegevenswetenschappers
Foto door Isaak Smit on Unsplash
 

Als je overweegt om datawetenschapper te worden, of al datawetenschapper bent, heb je het gelezen of ken je de vereiste vaardigheden. Je hebt een programmeertaal nodig, inzicht in wiskundige statistieken, de mogelijkheid om gegevensvisualisaties te maken en meer. 

Als je een data science-professional wilt worden en wat begeleiding nodig hebt, bekijk dan dit artikel: Word een datawetenschapsprofessional in vijf stappen.

Hoewel het grootste deel van uw tijd tijdens de gegevensvoorbereidingsfase zal worden besteed aan het zoeken naar en opschonen van gegevens, zijn er nog andere belangrijke elementen voor datawetenschap. 

Zodra u uw waardevolle inzichten heeft gevonden, of het nu gaat om trends, patronen of visualisaties, moet u deze kunnen uitleggen. Als dataprofessional kan het voor niet-technische mensen moeilijk zijn om technische taal te begrijpen. 

Als u een technisch persoon bent, kan het een uitdaging zijn om uw boodschap over te brengen aan niet-technische mensen. Je zult niet alleen niet-technische mensen tegenkomen, maar misschien heb je ook te maken met iemand die de voorkeur geeft aan uitleg door middel van visualisaties of het doorlopen van projecten. 

Daarom zul je, als je eenmaal je bevindingen hebt, voor een verscheidenheid aan mensen moeten zorgen - en het kan moeilijk zijn om te leren hoe je dat moet doen, maar het kan worden bereikt. 

Laten we beginnen…

Als datawetenschapper begrijp ik dat veel stakeholders of managers geen technische achtergrond zullen hebben. Daarom zal een deel van de terminologie die in uw dagelijkse team wordt gebruikt, hen vreemd zijn. Bijvoorbeeld F1-score of kruisvalidatie. 

Denk na over hoe een leraar een onderwerp uitlegt aan een student, en houd dat in je achterhoofd wanneer je het aan je publiek uitlegt. Vertaal uw data science-terminologie in een taal die iedereen kan begrijpen. Als je op geen enkele manier een specifieke data science-term kunt vervangen, kan het geen kwaad om uit te leggen wat het betekent. U zult meer kwaad doen door de aandacht van uw publiek te verliezen aan technische woorden. 

Verschillende mensen leren op verschillende manieren. Sommigen kunnen een leerboek één keer lezen en het snappen. Sommigen hebben het nodig om een ​​kleurcode te hebben. Sommigen hebben visualisaties nodig. Beperk jezelf niet bij het presenteren van je bevindingen en plaats jezelf in een sleur waarin je 1000 vragen moet beantwoorden. Visualisaties kunnen vragen voor u beantwoorden. 

Met datavisualisaties krijgt uw publiek een visueel inzicht in de stappen die u heeft gezet en uw bevindingen. Terwijl je op de achtergrond over de visualisaties praat, leren hun ogen en begrijpen ze wat je zegt. 

Zorg ervoor dat u aan het einde van uw presentatie een overzichtspagina hebt met al uw belangrijke punten en gegevensvisualisaties die uw publiek kan zien. Gedurende deze tijd moet u openstaan ​​voor vragen waarbij uw publiek continu naar het samenvattingsbord kan kijken om nieuwe vragen op te roepen. 

Je publiek dat vragen stelt is geen slechte zaak, het laat zien dat ze hebben geluisterd, geïnteresseerd zijn en meer willen leren en begrijpen. 

De bovenstaande punten zijn elementen van uw storytelling die het effectief zullen maken. Een structuur is echter wat uw data storytelling tot een succes zal maken. 

Het vertellen van verhalen in drie bedrijven is een populair model dat wordt gebruikt in verhalende fictie en dat een verhaal in drie delen verdeelt:

Setup

Doel: vermeld in de duidelijkste bewoordingen het probleem dat u probeert op te lossen.

Dit omvat een introductie van uw project, waarin het doel van het project wordt vermeld, wat u probeert op te lossen, enz. Tijdens de opzet gaat u vanuit een datawetenschappelijk perspectief dieper in op het probleem of de kwestie om context te geven aan het doel van het project. Het doel van uw project komt overeen met uw punt 1. 

Confrontatie

Doel: leg aan je publiek uit waarom het belangrijk is om dit probleem op te lossen en welke verschillende wegen je hebt bewandeld om het probleem op te lossen. 

Tijdens het confrontatiegedeelte kun je blijven praten over de taak die voorhanden is en waarom het bedrijf in de eerste plaats met dit probleem werd geconfronteerd. U wilt uw publiek geïnteresseerd en geïntrigeerd houden, daarom zal het spreken over de problemen waarmee het bedrijf wordt geconfronteerd, belanghebbenden altijd verslaafd maken. 

Leg aan uw lezer stap voor stap de verschillende paden uit die u hebt doorlopen en uw resultaat voor elk om de taak te voltooien. De verschillende stappen die je tijdens het data science-project hebt genomen, weerspiegelen verschillende punten, bijvoorbeeld punt 2, punt 3,...

Door uw publiek context te geven over de mislukkingen en obstakels die u tegenkwam en waarom, zal u vertrouwen en begrip tussen u en het publiek opbouwen zodra u tot een oplossing bent gekomen. 

Resolutie

Doel: Leg de oplossing uit die u kunt bieden om het probleem op te lossen en ervoor te zorgen dat het publiek tevreden is. 

 

Hier gaat het publiek van bezorgd naar opgelucht. Uw resolutie moet aangeven hoe het uw eerdere mislukkingen en obstakels overwint. Open dit gedeelte voor vragen, want uw publiek zal volledig vertrouwen willen hebben in uw gegevensinzichten en geloven dat dit de juiste weg is. 

Zodra het publiek op hun gemak is, kunt u beginnen met afronden en spreken over de acties die moeten worden ondernomen om de taak tot een succes te maken. 

Een andere structuur die zeer effectief is, is het piramideprincipe. Dit is een effectief communicatiemiddel dat wordt gebruikt om complexe kwesties helder te communiceren met drukke leidinggevenden. Het doel is dat ideeën op schrift altijd een piramide vormen onder een enkele gedachte.

Dus laat me dit wat meer uitleggen. Als je te maken hebt met drukke leidinggevenden die meer willen weten over je data-inzichten, maar weinig tijd hebben of graag de oplossingen willen weten, is het piramideprincipe de juiste keuze. 

Het valt uiteen in 3 delen:

Uw antwoord

In dit geval is uw antwoord de oplossing voor de betreffende taak. Dit is het belangrijkste punt dat u wilt dat uw publiek meeneemt. Dit is de kernboodschap en u wilt dat de focus zich richt op dit hoofdpunt: de oplossing. 

Ondersteunende argumenten

Zodra je de oplossing hebt aangegeven, is je volgende stap om je publiek ervan te overtuigen dat dit de juiste keuze is. Om dit te doen, moet je ze door een reis van ondersteunende argumenten leiden, met een hoog niveau van inzicht. Tijdens dit deel kan het zijn dat uw toehoorders met een aantal vragen rondspoken.

Ondersteunende feiten/gegevens

Tijdens dit onderdeel worden hier alle mogelijke vragen van uw publiek beantwoord. Elk van uw ondersteunende argumenten moet worden ondersteund door gegevens en feiten om uw publiek ervan te verzekeren dat u uw huiswerk hebt gedaan en dat uw eerste antwoord/oplossing niet uit de lucht is komen vallen.

Door gebruik te maken van de vaardigheden van het gebruik van niet-technische taal en visualisaties in beide structuren: storytelling in drie bedrijven of het piramideprincipe, kunt u de kunst van het vertellen van gegevens onder de knie krijgen. 

Uw keuze voor welke structuur u kiest, is afhankelijk van hoe goed u uw publiek kent. U kunt altijd beide structuren uitproberen om te zien welke het meest effectief is. Een goede manier om te meten hoe effectief de structuur is voor uw publiek, is door te kijken welke structuur minder vragen had. Hoe minder vragen je publiek heeft, hoe succesvoller je storytelling was.
 
 
Nisha Arja is een datawetenschapper, freelance technisch schrijver en communitymanager bij KDnuggets. Ze is met name geïnteresseerd in het geven van loopbaanadvies of tutorials over Data Science en op theorie gebaseerde kennis rond Data Science. Ze wil ook de verschillende manieren onderzoeken waarop kunstmatige intelligentie de levensduur van de mens ten goede komt/kan komen. Een enthousiaste leerling, die haar technische kennis en schrijfvaardigheid wil verbreden, terwijl ze anderen helpt te begeleiden.
 

Tijdstempel:

Meer van KDnuggets