"Una volta che è possibile definire un problema, si tratta di cercare le giuste tecniche e le giuste metodologie da applicare ad esso. E ci sono molte, molte, molte metodologie là fuori. La domanda è davvero: puoi scegliere quello giusto? E spesso dipende da: Hai definito il problema nel modo giusto? "- Kaiser Fung, webcast di Analytically Speaking, 10 settembre 2012
In che modo i dati vengono rappresentati graficamente nei mezzi di informazione e quale storia racconta realmente? La scienza dei dati è diversa dalle statistiche? Le barriere comunicative esistenti tra gli statistici e gli analisti aziendali possono davvero essere infranti? Quale ruolo gioca la scoperta nell'analisi predittiva?
Recentemente, abbiamo avuto il privilegio di ascoltare Kaiser Fung rispondere a queste domande durante la puntata di settembre di Parlando analiticamente ( ora disponibile per la visualizzazione su richiesta nel caso lo avessi perso). Fung, Vice Presidente di Business Intelligence and Analytics di Vimeo e autore di I numeri governano il tuo mondo ( libro e blog ), ha anche discusso cinque principi statistici che non ti insegnano in classe statistica e perché la sua preferenza per i grafici a linee crea molti post controversi sul suo blog pioneristico, Junk Charts .
Poiché Kaiser era un oratore così popolare, non siamo stati in grado di rispondere in tempo reale a tutte le domande inviate dal nostro pubblico di webcast, quindi ha gentilmente accettato di rispondere ancora in questo colloquio post-evento.
Domanda: Quali sono alcune delle peggiori pratiche più comuni che vedi nella visualizzazione delle informazioni?
Kaiser: La pratica peggiore in assoluto è il complotto per il complotto. Ci sono molti grafici là fuori in cui non riesco a capire quale domanda il designer ha voluto affrontare. Il prossimo problema sta usando dati cattivi. Un altro problema è favorire le cose belle che distorcono la nostra percezione: il grafico a bolle è un esempio. Su Junk Charts, io uso un controllo trifecta che verifica ogni grafico su questi tre criteri.
Domanda: L'obiettivo finale di un analista è fornire supporto dati per il processo decisionale strategico. Quali sono le qualifiche chiave che l'analista dovrebbe avere per contribuire al processo decisionale aziendale?
Kaiser: Come minimo, l'analista deve essere in grado di elaborare mentalmente molti numeri ed estrarre le informazioni. È molto facile impantanarsi per i dettagli. I grandi dati amplificano questo problema. Preferirei vedere un'analisi di alta qualità su un sottoinsieme di dati piuttosto che una scarsa analisi di una montagna di dati.
Successivamente, l'analista deve tenere a mente l'obiettivo aziendale in ogni momento. Una semplice analisi utilizzando tecniche di alesatura produce spesso un impatto molto più grande rispetto a metodologie complicate che migliorano lo status quo di una certa quantità immateriale, anche se è statisticamente significativa.
Infine, ci sono molte qualità intangibili che si trovano negli analisti di successo. Curiosità, perseveranza, umiltà, sapere come e quando tagliare gli angoli, gestione del tempo, ecc. Sono tutti utili.
Domanda: Nel webcast di Analytically Speaking hai menzionato che mostri solo la storia finale al tuo pubblico e che molta roba viene "scaricata". Qual è la tipica quantità di tempo speso per il controllo della qualità dei dati, l'analisi effettiva e la stesura della documentazione finale ? Credo di passare troppo tempo sui primi due passaggi. Hai qualche consiglio per migliorare le tecniche di narrazione, quindi tutte le analisi ne valgono la pena?
Kaiser: Ecco il mio scenario ideale: passi un mese al progetto, passi attraverso ipotesi dopo ipotesi, colpisci molti vicoli ciechi, ma alla fine trovi una risposta con cui puoi convivere. Ami questa risposta perché ha indirizzato la domanda semplicemente, e sei in grado di buttare via la maggior parte degli altri lavori perché è risultata irrilevante o ha effetti molto più deboli della tua risposta finale. Quindi ora hai una semplice teoria con dati solidi per eseguirne il backup. Tutto si adatta a una diapositiva e hai trovato l'unico grafico per riunire tutto. Vorrei entrare in quell'incontro con l'unica diapositiva. Il manager ottiene la storia e risolve il suo problema.
Domanda: Come definiresti una storia?
Kaiser: Per "storia" intendo qualcosa scritto in inglese con solo pochi numeri chiave. Immagina di avere 10 diapositive. Estragga le 10 intestazioni e le metta su un pezzo di carta. Hai una storia? In genere, ha una conclusione, quindi ha punti che supportano la conclusione. È come scrivere un argomento per una lezione di storia; l'unica differenza è che hai dati come alcune delle tue materie prime.
Domanda: Potete per favore condividere le vostre opinioni sull'analista e sugli strumenti di analisi? Come possono integrarsi al meglio l'un l'altro?
Kaiser: Penso sempre che l'analista venga prima degli strumenti. Se l'analista è chiaro su come guardare i dati, lui / lei può trovare strumenti che faciliterebbero tale analisi. Ecco perché su Junk Charts, raramente parlo di strumenti. Se vuoi davvero che parli di strumenti, allora direi che gli strumenti devono semplificare la vita dell'analista. Gli strumenti semi-sviluppati creano inevitabilmente un lavoro extra per l'analista.
Domanda: Puoi dirmi come gestisci i dati disordinati con un sacco di rumore? In genere, avvia il tuo processo valutando dati puliti o dati grezzi o qualcosa al di fuori della raccolta dati?
Kaiser: Questa domanda può essere interpretata in due modi. Il rumore potrebbe essere una caratteristica dei tuoi dati, o è erroneamente aggiunto ai tuoi dati. Trascorro sempre del tempo a capire come vengono raccolti i dati, idealmente parlando con la persona che ha raccolto i dati. Chiedi sempre a te stesso quanto grande è il problema degli errori prima di passare il tempo a correggerli. Se i tuoi dati hanno un'alta varianza, è quando hai bisogno di metodi statistici.
Domanda: Quali raccomandazioni avete per abbattere le barriere percepite tra statistici e dirigenti?
Kaiser: Il mio consiglio preferito è imparare a parlare la loro lingua. Non cercare di insegnare matematica [executives].
Richard Giambrone ha scritto:
"Non cercare di insegnare [ai dirigenti] matematica". Questa è un'ottima raccomandazione. Non lo interpreto nel senso che i dirigenti sono stupidi. Significa che sono premuti per il tempo e vogliono conoscere i tuoi consigli. Penso che significhi che tu abbia cercato di capire il loro mondo e parlare nella loro lingua. Ciò creerà fiducia e un buon rapporto di lavoro. Sanno che sei già sveglio. Se vogliono conoscere le equazioni, chiederanno.
