Obvladovanje umetnosti pripovedovanja podatkov: vodnik za podatkovne znanstvenike - KDnuggets

Ponovno objavil Platon

Spremljevalci: 0

Obvladovanje umetnosti pripovedovanja podatkov: vodnik za podatkovne znanstvenike
Foto: Isaac Smith on Unsplash

Če nameravate postati podatkovni znanstvenik ali že ste podatkovni znanstvenik – ste že prebrali ali poznate potrebne veščine. Potrebovali boste programski jezik, razumevanje matematične statistike, sposobnost ustvarjanja vizualizacij podatkov in še več.

Če želite postati strokovnjak za podatkovno znanost in potrebujete nekaj navodil, si oglejte ta članek: Postanite strokovnjak za podatkovno znanost v petih korakih.

Čeprav bo večina vašega časa v fazi priprave podatkov porabljena za iskanje in čiščenje podatkov, obstajajo drugi pomembni elementi podatkovne znanosti.

Ko boste našli svoje dragocene vpoglede, če so to trendi, vzorci ali predstavljeni v vizualizacijah – jih boste morali znati razložiti. Kot strokovnjak za podatke je lahko netehničnim ljudem težko razumeti tehnični jezik.

Če ste tehnična oseba, je lahko težko prenesti svoje sporočilo netehničnim ljudem. Ne samo, da boste naleteli na nestrokovne ljudi, ampak imate morda opravka z nekom, ki ima raje razlage prek vizualizacij ali projektov.

Zato boste morali, ko boste enkrat ugotovili, ustreči različnim ljudem – in obvladati, kako to narediti, je lahko težko, vendar se lahko doseže.

Začnimo…

Kot podatkovni znanstvenik razumem, da veliko deležnikov ali menedžerjev ne bo prihajalo iz tehničnega ozadja. Zato jim bo nekatera terminologija, ki se uporablja v vaši vsakodnevni ekipi, tuja. Na primer rezultat F1 ali navzkrižno preverjanje.

Pomislite, kako učitelj razlaga temo študentu, in imejte to v mislih, ko razlagate občinstvu. Prevedite svojo terminologijo znanosti o podatkih v jezik, ki ga vsi razumejo. Če določenega izraza podatkovne znanosti ne morete nadomestiti, ni škode, če pojasnite, kaj to pomeni. Več škode boste naredili, če boste pozornost občinstva izgubili na tehnične besede.

Različni ljudje se učijo na različne načine. Nekateri lahko enkrat preberejo učbenik in ga dobijo. Nekateri potrebujejo barvno kodo. Nekateri potrebujejo vizualizacije. Pri predstavitvi svojih ugotovitev se ne omejujte in se ne spravite v zaplet, kjer morate odgovoriti na 1000 vprašanj. Vizualizacije vam lahko odgovorijo na vprašanja.

Vizualizacije podatkov bodo vašemu občinstvu omogočile vizualno razumevanje korakov, ki ste jih naredili, in vaših ugotovitev. Medtem ko se v ozadju pogovarjate o vizualizacijah, se njihove oči učijo in razumejo, kaj govorite.

Na koncu vaše predstavitve zagotovite stran s povzetkom vseh vaših pomembnih točk in vizualizacij podatkov, ki jih lahko vidi vaše občinstvo. V tem času bi morali biti odprti za vprašanja, pri katerih lahko vaše občinstvo nenehno gleda tablo s povzetki in postavlja nova vprašanja.

Vaše občinstvo, ki postavlja vprašanja, ni slaba stvar, to kaže, da so poslušali, jih zanima in se želijo naučiti in razumeti več.

Zgornje točke so elementi vašega pripovedovanja, zaradi katerih bo učinkovito. Vendar pa je struktura tista, ki bo poskrbela za uspešno pripovedovanje podatkov.

Pripovedovanje v treh dejanjih je priljubljen model, ki se uporablja v pripovedni fikciji in razdeli zgodbo na tri dele:

Setup

Meriti: na najjasnejši način izrazite problem, ki ga poskušate rešiti.

To vključuje uvod v vaš projekt, navedbo namena projekta, kaj poskušate rešiti itd. Med nastavitvijo se boste z vidika znanosti o podatkih poglobili v težavo ali težavo, da bi podali kontekst cilj projekta. Cilj vašega projekta bo enak vaši točki 1.

Soočenje

Meriti: občinstvu razložite, zakaj je pomembno rešiti to težavo in različne poti, po katerih ste šli, da bi rešili težavo.

Med soočenjem lahko nadaljujete z razpravo o nalogi in zakaj se je podjetje sploh soočilo s tem problemom. Svojo publiko želite ohraniti zainteresirano in zaintrigirano, zato bo govorjenje o težavah, s katerimi se sooča podjetje, vedno pritegnilo zainteresirane strani.

Svojemu bralcu korak za korakom razložite različne poti, skozi katere ste šli, in svoj izid za vsako, da bi dokončal zastavljeno nalogo. Različni koraki, ki ste jih izvedli med projektom podatkovne znanosti, bodo odražali različne točke, npr. točka 2, točka 3, ...

Če svojemu občinstvu podate kontekst neuspehov in ovir, na katere ste naleteli ter zakaj, boste pomagali zgraditi zaupanje in razumevanje med vami in občinstvom, ko boste prišli do rešitve.

Resolucija

Meriti: Pojasnite rešitev, ki jo lahko ponudite za rešitev težave in zagotovite, da bo občinstvo zadovoljno.

Tukaj občinstvo preide iz zaskrbljenosti v olajšanje. V vaši resoluciji mora biti navedeno, kako premaguje vaše prejšnje neuspehe in ovire. Odprite ta razdelek za vprašanja, saj bo vaše občinstvo želelo popolnoma zaupati vašim vpogledom v podatke in bo verjelo, da je to prava pot.

Ko se občinstvo sprosti, lahko začnete zaključiti in govoriti o dejanjih, ki jih je treba izvesti, da bo naloga uspešna.

Druga zelo učinkovita struktura je piramidni princip. To je učinkovito komunikacijsko orodje, ki se uporablja za jasno sporočanje kompleksnih vprašanj zaposlenim vodstvenim delavcem. Cilj je, da pisne ideje vedno tvorijo piramido pod eno samo mislijo.

Torej naj to nekoliko bolj razložim. Ko imate opravka z zaposlenimi vodstvenimi delavci, ki želijo izvedeti več o vaših vpogledih v podatke, vendar jim primanjkuje časa ali želijo izvedeti rešitve, je piramidno načelo prava pot.

Razdeljen je na 3 dele:

vaš odgovor

V tem primeru bo vaš odgovor rešitev zastavljene naloge. To je glavna točka, ki jo želite odnesti občinstvu. To je ključno sporočilo in želite, da se osredotočite na to glavno točko – rešitev.

Podporni argumenti

Ko navedete rešitev, je vaš naslednji korak prepričati občinstvo, da je to prava pot. Če želite to narediti, jih boste morali popeljati skozi pot podpornih argumentov z vpogledom na visoki ravni. V tem delu se bo vaše občinstvo morda porajalo v mislih nekaj vprašanj.

Podporna dejstva/podatki

V tem delu boste tukaj prejeli odgovore na vsa morebitna vprašanja, ki jih morda ima vaše občinstvo. Vsak vaš podporni argument mora biti podprt s podatki in dejstvi, da zagotovite svojemu občinstvu, da ste opravili domačo nalogo in da vaš začetni odgovor/rešitev ni prišel iz nič.

Uporaba veščin uporabe nestrokovnega jezika in vizualizacij v kateri koli strukturi: pripovedovanju zgodb v treh dejanjih ali principu piramide vam bo omogočilo, da obvladate umetnost pripovedovanja podatkov.

Vaša izbira strukture je odvisna od tega, kako dobro poznate svoje občinstvo. Vedno lahko preizkusite obe strukturi, da vidite, katera je najbolj učinkovita. Dober način za merjenje učinkovitosti strukture za vaše občinstvo je opazovanje, katera struktura je imela manj vprašanj. Manj ko je imelo vaše občinstvo vprašanj, uspešnejše je bilo vaše pripovedovanje.

Nisha Arya je podatkovni znanstvenik, samostojni tehnični pisec in vodja skupnosti pri KDnuggets. Še posebej jo zanima zagotavljanje kariernih nasvetov ali vadnic o podatkovni znanosti in na teoriji temelječega znanja o podatkovni znanosti. Prav tako želi raziskati različne načine, na katere umetna inteligenca koristi/lahko prispeva k dolgoživosti človeškega življenja. Zavzeta učenka, ki želi razširiti svoje tehnično znanje in pisne sposobnosti, hkrati pa pomaga usmerjati druge.