Работа с данными в любой сфере - [69]
Приведенный ниже пример демонстрирует, каковы миграционные тенденции в регионах Великобритании.
Источник данных: theinformationlab.co.uk
Это психометрические шкалы информации, представляющие собой сумму ответов на вопросы анкеты. Шкала Ликерта может использоваться только в тех случаях, когда применяется система Ликерта или аналогичная ей система (обычно для этого требуется один ответ на вопрос по скользящей шкале из пяти пунктов).
Данная шкала отражает то, какой граждане видят свою экономику в ближайшие три – пять лет.
Источник данных: www.arabbarometer.org
В.: Как вы думаете, какова будет экономическая ситуация в вашей стране в ближайшие годы (3–5 лет) по сравнению с нынешней ситуацией?
Сказанное в основном применимо к визуальным элементам, требующим сравнительного анализа (сравнение двух или более идей, учреждений, продуктов или услуг). Как поставщики данных, мы не можем ставить одну цель выше другой из-за наших собственных предпочтений; мы должны охватить все аспекты. Участники проекта быстро увидят, что сравнительный визуальный анализ оказался однобоким, – и спросят, почему вы не включили сопоставительную информацию по всем категориям. Не скрывайте данные, которые вам не нравятся.
Горькая правда состоит в том, что данные скучны для большинства людей. Существует множество вариантов визуального представления данных, и каждый из них имеет свои преимущества и подводные камни с точки зрения изложения истории ваших данных. При использовании в неправильном контексте простая столбчатая диаграмма может оказаться такой же скучной, как и массив данных.
Заключительные размышления
Для меня стадия визуализации охватывает также предшествующий ей и последующий этапы (анализ данных и их представление) в ходе анализа и обработки данных. Визуализация может внести значительный вклад в аналитику и фундаментально способствует окончательному представлению полученных результатов заинтересованным сторонам. Так что это чрезвычайно полезный процесс, который не только помогает убедить других в силе данных, но может подарить нам самим новые идеи.
Сейчас мы переходим к финальной части – презентации наших данных. Визуализация – это последняя возможность внести изменения, перезапустить анализ и отфильтровать данные. Мы должны быть готовы представить наши результаты, прежде чем перейти к заключительному этапу работы.
09
Презентация данных
Заключительный этап процесса анализа и обработки данных нацелен в первую очередь на конечных пользователей – людей, инициировавших проект. Если вы воспользуетесь советами предыдущих глав этой книги, то вам придется на каждом этапе принимать во внимание их интересы и помнить, какие результаты им нужны. Сейчас настало время перевести наши идеи в формат, который смогут понять и использовать неспециалисты по данным.
Эта глава, по сути, посвящена общению с людьми. В ней объясняется, как собранная и обработанная информация может быть уточнена и передана в виде единого согласованного сообщения заинтересованным сторонам. Если они неправильно поймут ваше сообщение, то либо вообще не совершат никаких действий, либо предпримут неправильные шаги – что будет катастрофой для любого проекта.
Именно поэтому всякий раз, когда меня спрашивают, что отличает хорошего аналитика данных от аналитика высшего класса, мой ответ всегда таков: способность передавать идеи. И эта глава расскажет, как отточить свои презентационные и коммуникативные навыки таким образом, чтобы добиться успеха.
Важность повествования
Вспомните нашу отправную точку в первой части: рассказывание историй является ключевой частью процесса науки о данных[66], и наша задача – убедиться, что аудитория вовлечена в ваш рассказ. Не надейтесь на то, что, поскольку вы говорите с людьми, инициировавшими проект, они обязаны понять смысл ваших идей и результатов. Помните: они пригласили вас, потому что им был нужен эксперт, который рассказал бы о том, что говорят данные. Теперь ваш шанс сделать ответный ход! Пересмотрите каждый шаг процесса и спросите себя: «Что мне нужно делать на каждом этапе? На какие вопросы необходимо ответить? Как решить возникшие проблемы? Что показывают результаты? Что-нибудь осталось без ответа?» Задавая себе эти вопросы, вы сможете придумать историю, соответствующую вашему опыту, – в конце концов, вы рассказываете свою историю о том, как вы взаимодействовали с данными.
Умение передать идеи – именно то, что нужно в организациях, сотрудники которых могут быть не особенно технически подкованы. Важно как можно лучше представить данные, поскольку это может обеспечить нам преимущество перед теми, кто, жонглируя цифрами, может построить модели и написать код, но не способен объяснить, какое отношение полученные результаты имеют к компании.
Любой, кто брал кредит, знает, каким сложным процессом это может оказаться. Но у кредитных компаний есть и свои собственные трудности. Ведь это не благотворительные организации: они должны оценить, окупится ли кредит нового клиента или нет. А чтобы дать правильную оценку, следует учесть различные характеристики клиента (от кредитоспособности до истории занятости) и выстроить на основе этих показателей тактику, позволяющую снизить риски для компании.
