Mastering the Art Of Data Storytelling: A Guide For Data Scientists - KDnuggets

Publisert av Platon

Følgere: 0

Mastering the Art of Data Storytelling: A Guide for Data Scientists
Photo by Isaac Smith on Unsplash

Hvis du ser på å bli dataforsker, eller allerede er dataforsker – vil du ha lest eller kjenne ferdighetene som kreves. Du trenger et programmeringsspråk, en forståelse av matematisk statistikk, evnen til å lage datavisualiseringer og mer.

Hvis du ønsker å bli en datavitenskapelig profesjonell og trenger litt veiledning, ta en titt på denne artikkelen: Bli en Data Science Professional i fem trinn.

Selv om mesteparten av tiden din vil bli brukt under dataforberedelsesstadiet på å prøve å finne og rense data – det er andre viktige elementer til datavitenskap.

Når du har funnet din verdifulle innsikt, om det er trender, mønstre eller satt inn i visualiseringer – må du kunne forklare disse. Som datafagmann kan det være vanskelig for ikke-tekniske personer å forstå fagspråk.

Hvis du er en teknisk person, kan det være utfordrende å formidle budskapet ditt til ikke-tekniske personer. Ikke bare vil du støte på ikke-tekniske mennesker, men du kan ha å gjøre med noen som foretrekker forklaringer gjennom visualiseringer eller prosjektgjennomganger.

Derfor, når du har funnet dine funn, må du imøtekomme en rekke mennesker – og det kan være vanskelig å mestre hvordan du gjør det, men det kan oppnås.

La oss komme i gang…

Som dataforsker selv forstår jeg at mange interessenter eller ledere ikke vil komme fra en teknisk bakgrunn. Derfor vil noe av terminologien som brukes i ditt daglige team være fremmed for dem. For eksempel F1-score eller kryssvalidering.

Tenk på hvordan en lærer forklarer et emne til en elev, og ha det foran deg når du forklarer for publikum. Oversett din datavitenskapelige terminologi til et språk som alle kan forstå. Hvis det ikke er noen måte du kan erstatte et spesifikt datavitenskapelig begrep, er det ingen skade å forklare hva det betyr. Du vil gjøre mer skade ved å miste publikums oppmerksomhet til tekniske ord.

Ulike mennesker lærer på forskjellige måter. Noen kan lese en lærebok en gang og få den. Noen trenger at den er fargekodet. Noen trenger visualiseringer. Når du presenterer funnene dine, ikke begrens deg selv og sett deg selv i et hjulspor der du må svare på 1000 spørsmål. Visualiseringer kan svare på spørsmål for deg.

Datavisualiseringer vil tillate publikum å ha en visuell forståelse av trinnene du tok og funnene dine. Mens du snakker i bakgrunnen om visualiseringene, lærer øynene deres og gir mening om det du sier.

På slutten av presentasjonen må du sørge for å ha en sammendragsside med alle viktige poeng og datavisualiseringer som publikum kan se. I løpet av denne tiden bør du være åpen for spørsmål der publikum kontinuerlig kan se på sammendragstavlen for å stille nye spørsmål.

Publikum som stiller spørsmål er ikke en dårlig ting, det viser at de har lyttet, de er interessert, og de ønsker å lære og forstå mer.

Punktene ovenfor er elementer i historiefortellingen din som vil gjøre den effektiv. En struktur er imidlertid det som vil gjøre datahistoriefortellingen din til en suksess.

Tre-akters historiefortelling er en populær modell brukt i narrativ fiksjon som deler en historie inn i tre deler:

Oppsett

Mål: angi på de klareste vilkår problemet du prøver å løse.

Dette inkluderer en introduksjon til prosjektet ditt, angir formålet med prosjektet, hva du prøver å løse, osv. Under oppsettet vil du fra et datavitenskapelig perspektiv gå nærmere inn på problemet eller problemstillingen for å gi kontekst til målet med prosjektet. Målet med prosjektet ditt vil tilsvare ditt punkt 1.

Konfrontasjon

Mål: forklar for publikum hvorfor det er viktig å løse dette problemet og de forskjellige veiene du gikk ned for å løse problemet.

Under konfrontasjonsdelen kan du fortsette å snakke om den aktuelle oppgaven, og hvorfor selskapet sto overfor dette problemet i utgangspunktet. Du ønsker å holde publikum interessert og fascinert, derfor vil det å snakke om problemene selskapet står overfor alltid få interessenter hekta.

Forklar leseren trinn-for-steg de forskjellige veiene du gikk gjennom og resultatet for hver, for å fullføre oppgaven. De forskjellige trinnene du tok under datavitenskapsprosjektet vil gjenspeile forskjellige punkter, f.eks. punkt 2, punkt 3,...

Å gi publikum kontekst til feilene og hindringene du har møtt og hvorfor, vil bidra til å bygge tillit og forståelse mellom deg og publikum når du kommer til en løsning.

oppløsning

Mål: Forklar løsningen du kan tilby for å løse problemet og sørg for at publikum er fornøyde.

Det er her publikum går fra å være bekymret til å være lettet. Oppløsningen din bør angi hvordan den overvinner dine tidligere feil og hindringer. Åpne denne delen for spørsmål, siden publikummet ditt vil ha full tillit til datainnsikten din og tro at dette er den rette veien å gå.

Når publikum er i ro, kan du begynne å avslutte og snakke om handlingene som må tas, for at oppgaven skal bli en suksess.

En annen struktur som er veldig effektiv er pyramideprinsippet. Dette er et effektivt kommunikasjonsverktøy som brukes til å tydelig kommunisere komplekse problemstillinger til travle ledere. Målet er at ideer i skrift alltid skal danne en pyramide under en enkelt tanke.

Så la meg forklare dette litt mer. Når du har å gjøre med travle ledere som ønsker å lære om datainnsikten din, men som har kort tid eller er ivrige etter å vite løsningene – er pyramideprinsippet veien å gå.

Den er delt opp i 3 deler:

Ditt svar

I dette tilfellet vil svaret ditt være løsningen på oppgaven. Dette er hovedpoenget du vil at publikum skal ta fra seg. Dette er nøkkelmeldingen, og du vil at fokuset skal være omringet rundt dette hovedpunktet – løsningen.

Støtteargumenter

Når du har angitt løsningen, er neste steg å overbevise publikum om at dette er veien å gå. For å gjøre dette, må du ta dem gjennom en reise med støttende argumenter, med innsikt på høyt nivå. I løpet av denne delen kan publikum ha noen spørsmål i hodet.

Støtte fakta/data

I løpet av denne delen vil alle mulige spørsmål som publikum kan ha, bli besvart her. Hvert av argumentene dine må støttes av data og fakta for å sikre at publikum har gjort leksene dine og at det første svaret/løsningen ikke kom ut av løse luften.

Ved å bruke ferdighetene til å bruke ikke-teknisk språk og visualiseringer i begge strukturer: tre-akts historiefortelling eller pyramideprinsippet vil tillate deg å mestre kunsten å fortelle datahistorier.

Valget av hvilken struktur du velger avhenger av hvor godt du kjenner publikummet ditt. Du kan alltid prøve og feile begge strukturene for å se hvilken som er mest effektiv. En god måte å måle hvor effektiv strukturen er for publikum er ved å merke seg hvilken struktur som hadde færre spørsmål. Jo færre spørsmål publikum har, jo mer vellykket var historiefortellingen din.

Nisha Arya er dataforsker, frilans teknisk skribent og samfunnsansvarlig i KDnuggets. Hun er spesielt interessert i å gi Data Science karriereråd eller veiledninger og teoribasert kunnskap rundt Data Science. Hun ønsker også å utforske de forskjellige måtene kunstig intelligens er/kan være til nytte for menneskets levetid. En ivrig elev som søker å utvide sine tekniske kunnskaper og skriveferdigheter, samtidig som hun hjelper til med å veilede andre.