„Sobald Sie ein Problem definiert haben, müssen Sie nach den richtigen Techniken und Methoden suchen, um sie anzuwenden. Und da gibt es viele, viele, viele Methoden. Die Frage ist wirklich: Können Sie die richtige auswählen? Und das hängt oft davon ab: Haben Sie das Problem richtig definiert? “- Kaiser Fung, Webcast für analytisch sprechende Medien, 10. September 2012
Wie werden Daten in den Nachrichtenmedien grafisch dargestellt und welche Geschichte erzählt sie wirklich? Unterscheidet sich die Datenwissenschaft von der Statistik? Können die Kommunikationsbarrieren zwischen Statistikern und Business Analysten wirklich durchbrochen werden? Welche Rolle spielt Discovery bei Predictive Analytics?
Vor kurzem hatten wir das Privileg zu hören Kaiser Fung Antworten auf diese Fragen in der September-Tranche von Analytisch sprechen ( jetzt verfügbar für On-Demand-Anzeige Falls Du es verpasst hast). Fung, Vizepräsident für Business Intelligence und Analytics bei Vimeo und Autor von Zahlen regieren deine Welt ( Buch und Blog ), erörterte auch fünf statistische Prinzipien, die sie Ihnen im Statistikunterricht nicht beibringen, und warum seine Vorliebe für Liniendiagramme viele kontroverse Beiträge zu seinem wegweisenden Blog schafft. Junk-Charts .
Da Kaiser ein so beliebter Redner war, konnten wir nicht alle Fragen beantworten, die von unserem Webcast-Publikum eingereicht wurden. Daher erklärte er sich bereit, einige weitere Informationen in diesem Interview nach der Veranstaltung zu beantworten.
Frage: Welches sind die häufigsten ungünstigsten Praktiken, die Sie in der Informationsvisualisierung sehen?
Kaiser: Die absolut schlechteste Praxis ist das Plotten um des Plots willen. Es gibt viele Diagramme, in denen ich nicht herausfinden kann, welche Frage der Designer beantworten wollte. Das nächste Problem ist die Verwendung fehlerhafter Daten. Ein anderes Thema ist es, hübsche Dinge zu bevorzugen, die unsere Wahrnehmung verzerren: Blasendiagramm ist ein Beispiel. In Junk-Charts verwende ich eine Trifecta-Überprüfung, bei der jedes Diagramm anhand dieser drei Kriterien getestet wird.
Frage: Das ultimative Ziel eines Analytikers besteht darin, Daten bei der strategischen Entscheidungsfindung zu unterstützen. Was sind die Schlüsselqualifikationen, die der Analyst haben muss, um zur Entscheidungsfindung in Unternehmen beizutragen?
Kaiser: Zumindest muss der Analytiker in der Lage sein, viele Zahlen mental zu verarbeiten und die Informationen zu extrahieren. Es ist sehr leicht, sich durch Details zu verlieren. Big Data vergrößert dieses Problem. Ich würde eher eine qualitativ hochwertige Analyse einer Teilmenge von Daten sehen als eine unzureichende Analyse eines Datenbergs.
Als nächstes muss der Analytiker das Geschäftsziel jederzeit im Auge behalten. Eine einfache Analyse mit Bohrtechniken hat häufig einen viel größeren Einfluss als komplizierte Methoden, die den Status Quo um einen unwesentlichen Betrag verbessern, auch wenn dies statistisch signifikant ist.
Schließlich gibt es viele immaterielle Eigenschaften, die man bei erfolgreichen Analysten findet. Neugier, Ausdauer, Bescheidenheit, das Wissen, wann und wie man die Ecken schneidet, Zeitmanagement usw. sind nützlich.
Frage: In dem Webcast von Analytical Speaking haben Sie erwähnt, dass Sie die endgültige Story nur Ihren Zuhörern zeigen und dass viel Zeug „entleert“ wird. Wie viel Zeit wird normalerweise für die Überprüfung der Datenqualität, die eigentliche Analyse und das Erstellen der endgültigen Story-Dokumentation aufgewendet ? Ich glaube, ich verbringe zu viel Zeit mit den ersten beiden Schritten. Haben Sie Tipps, um die Storytelling-Techniken zu verbessern, damit sich alle Analysen lohnen?
Kaiser: Hier ist mein ideales Szenario: Sie verbringen einen Monat mit dem Projekt, Sie gehen nach der Hypothese eine Hypothese durch, Sie haben viele Sackgassen, aber schließlich finden Sie eine Antwort, mit der Sie leben können. Sie lieben diese Antwort, weil sie die Frage einfach angesprochen hat, und Sie können den Großteil der anderen Arbeit wegwerfen, weil sie sich als irrelevant herausstellte oder viel schwächer als Ihre endgültige Antwort ist. Jetzt haben Sie eine einfache Theorie mit soliden Daten, um sie zu sichern. Alles passt auf eine Folie, und Sie haben die einzige Grafik gefunden, um alles zusammenzuführen. Ich würde dieses Treffen mit der einen Folie begehen. Der Manager bekommt die Geschichte und löst sein / ihr Problem.
Frage: Wie würdest du eine Geschichte definieren?
Kaiser: Mit "Geschichte" meine ich etwas mit nur wenigen Schlüsselnummern. Stellen Sie sich vor, Sie haben 10 Folien. Ziehen Sie die 10 Header heraus und legen Sie sie auf ein Blatt Papier. Hast du eine Geschichte? Normalerweise hat es eine Schlussfolgerung, dann gibt es Punkte, die die Schlussfolgerung unterstützen. Es ist, als würde man ein Argument für einen Geschichtsunterricht schreiben. Der einzige Unterschied besteht darin, dass Sie Daten für einige Ihrer Rohstoffe haben.
Frage: Können Sie uns bitte Ihre Meinung zu Analysten und Analyse-Tools mitteilen? Wie können sie sich am besten ergänzen?
Kaiser: Ich denke immer, dass der Analytiker vor den Tools kommt. Wenn dem Analytiker klar ist, wie er die Daten betrachten soll, kann er / sie Werkzeuge finden, die diese Analyse erleichtern. Deswegen spreche ich in den Junk-Charts selten über Werkzeuge. Wenn Sie wirklich wollen, dass ich über Tools spreche, würde ich sagen, dass Tools das Leben des Analytikers vereinfachen müssen. Halb entwickelte Tools bedeuten für den Analytiker unweigerlich zusätzliche Arbeit.
Frage: Können Sie ansprechen, wie Sie mit chaotischen Daten mit viel Lärm umgehen? Beginnen Sie Ihren Prozess normalerweise, indem Sie die sauberen Daten oder Rohdaten oder etwas außerhalb der Datenerhebung bewerten.
Kaiser: Diese Frage kann auf zwei Arten interpretiert werden. Das Rauschen kann eine Funktion Ihrer Daten sein oder wird irrtümlicherweise zu Ihren Daten hinzugefügt. Ich verbringe immer Zeit, um herauszufinden, wie die Daten gesammelt werden, und im Idealfall mit der Person zu sprechen, die die Daten gesammelt hat. Fragen Sie sich immer, wie groß die Fehler sind, bevor Sie Zeit damit verbringen, sie zu korrigieren. Wenn Ihre Daten eine hohe Varianz aufweisen, benötigen Sie statistische Methoden.
Frage: Welche Empfehlungen haben Sie, um die wahrgenommenen Barrieren zwischen Statistikern und Führungskräften abzubauen?
Kaiser: Mein Lieblingstipp ist das Erlernen ihrer Sprache. Versuchen Sie nicht, [Führungskräften] Mathematik beizubringen.
Richard Giambrone schrieb:
"Versuchen Sie nicht [den Führungskräften] Mathematik beizubringen." Dies ist eine sehr gute Empfehlung. Ich interpretiere das nicht so, dass Führungskräfte dumm sind. Das bedeutet, dass sie unter Zeitdruck stehen und Ihre Empfehlungen erfahren möchten. Ich denke, es bedeutet, dass Sie versucht haben, ihre Welt zu verstehen und in ihrer Sprache zu sprechen. Das schafft Vertrauen und eine gute Arbeitsbeziehung. Sie wissen, dass du schon schlau bist. Wenn sie die Gleichungen wissen wollen, fragen sie.
