Помните, что вы работаете над бизнес-проблемой, а не над научным экспериментом.

Часто самая большая проблема в аналитике или науке о данных заключается не в самой работе, а в передаче результатов бизнес-пользователям, которые зачастую сами не имеют никакого технического образования. Эффективное общение может быть более важным, чем сама наука о данных, потому что, если вы не можете заставить своих бизнес-пользователей понять, что вы делаете, вы не сможете завоевать доверие. Люди склонны отвергать советы, если они не доверяют человеку, который их дает ... и они не поверят вам, если не поймут, о чем вы говорите. Итак, как можно более эффективно общаться?

  1. Понять техническую сложность вашей аудитории до того, как вы начнете работать над решением.
  2. Работайте в обратном направлении от бизнес-пользователей и поймите, как они рассматривают и интерпретируют информацию.
  3. С самого начала инвестируйте в как вы объясните решение таким образом, чтобы ваши бизнес-пользователи могли относиться к нему, понимать и доверять им.
  4. Примите язык бизнес-пользователей и используйте упрощенный язык для объяснения работы по анализу данных.
  5. Используйте изображения, графику и визуализации для объяснения аналитических концепций; не используйте уравнения
  6. При объяснении науки о данных стремитесь к концептуальной точности, а не к математической.
  7. Не позволяйте совершенству быть врагом добра; иногда лучше начать с неоптимального алгоритма, если он дает хорошие результаты и его легко объяснить и понять.
  8. Найдите наставника, который не является техническим специалистом, и проведите через него ваши результаты; у вас толстая кожа, и когда они говорят: «Я не понимаю, о чем вы говорите», используйте это как возможность улучшить свое общение

Эффективное общение критически важно для специалистов по данным, чтобы добиться успеха как личности и как профессии. Лучший совет, который я могу вам дать: «Помните, что вы работаете над бизнес-проблемой, а не над научным экспериментом». Вы должны всегда располагать аналитику или науку о данных вокруг бизнес-решения. это нужно решать, а не рассматривать ее как интересную математическую задачу для исследования. Если вы это сделаете, то начнете понимать, как эффективно передавать науку о данных.

Эта статья дополняет интервью с подкастом, которое я дал в сентябре 2018 года для TAG Data Talk, в котором будет более глубокое обсуждение ряда методов, которые, как я видел, хорошо работают. Приведенные выше восемь (8) приемов суммируют ключевые моменты, которые я обсуждал, но я настоятельно рекомендую вам послушать подкаст, чтобы получить полный контекст того, где и когда я видел эти работы.