Специалисты по обработке данных: сделайте повествование на передний план

К 2025 году 463 По некоторым оценкам, каждый день будут создаваться эксабайты данных. (Для сравнения, один экзабайт хранилища может вместить 50 000 лет видео DVD-качества.) Теперь преобразовать физические и цифровые действия в данные стало проще, чем когда-либо, и компании всех типов стремятся накопить как можно больше данных, чтобы получить конкурентное преимущество.


Однако в нашем коллективном увлечении данными (и получением большего количества данных) часто упускается из виду роль, которую повествование играет в извлечении реальной ценности из данных.

Реальность такова, что данных самих по себе недостаточно, чтобы реально повлиять на человека. Независимо от того, ставится ли цель улучшить бизнеса или убедить людей оставаться дома в условиях пандемии, к действиям побуждает повествование, а не только цифры. По мере сбора и анализа большего количества данных коммуникация и рассказывание историй станут еще более неотъемлемой частью науки о данных из-за их роли в отделении сигнала от шума.

Тем не менее, это может быть область, в которой специалисты по данным борются. В опросе Anaconda State of Data Science в году, в котором приняли участие более 2300 специалистов по данным, почти четверть респондентов заявили, что их командам по обработке и анализу данных или машинному обучению (ML) не хватает коммуникативных навыков. Это может быть одной из причин, по которой примерно 40% респондентов заявили, что им удавалось эффективно продемонстрировать влияние на бизнес «только иногда» или «почти никогда».

Лучшие специалисты в области обработки данных должны обладать такими же навыками в повествовании историй, как и в кодировании и развертывании моделей — и да, это выходит за рамки создания визуализаций для сопровождения отчетов. Вот несколько рекомендаций о том, как специалисты по обработке данных могут поместить свои результаты в более широкие контекстные повествования.

Сделайте абстрактное более осязаемым

Постоянно растущие наборы данных помогают моделям машинного обучения лучше понять масштаб проблемного пространства, но большее количество данных не обязательно помогает человеческому пониманию. Даже для наиболее левополушарных мыслителей не в нашей природе понимать большие абстрактные числа или такие вещи, как незначительное повышение точности. Вот почему важно включать в ваше повествование точки отсчета, которые делают данные осязаемыми.

Например, на протяжении всей пандемии нас засыпали бесчисленными статистическими данными о количестве случаев, смертности, положительных результатах и ​​многом другом. Хотя все эти данные важны, такие , как интерактивные карты и разговоры о репродуктивных числах, более эффективны, чем массивные свалки данных, с точки зрения предоставления контекста, передачи риска и, следовательно, помощи в изменении поведения по мере необходимости. При работе с числами специалисты по данным несут ответственность за обеспечение необходимой структуры, чтобы данные могли быть поняты целевой аудиторией.

0 Комментарий
Inline Feedbacks
View all comments