Haben Sie schon einmal eine Präsentation gesehen, bei der eine Folie nach der anderen mit Tabellen in 10pt-Schrift durchgeblättert wurde, die angeblich eine geschäftliche Frage „beantworten“ sollten? Oder der Produktmanager erhält einen Bericht mit 50 interaktiven Diagrammen, die jede erdenkliche Aufteilung der Daten enthalten. Um nichts Relevantes zu verpassen, entscheiden sich weniger erfahrene Präsentatoren dafür, ihren Stakeholdern alles zu präsentieren. Keine Filter. Daten können wunderschön präsentiert oder furchtbar geschlachtet werden, aber wie auch immer Sie sie visualisieren, sie stehen selten für sich allein. Daten müssen interpretiert werden.
Bei Riskified verwenden wir Rmds, um den Stakeholdern Berichte zu liefern. Wir haben einige nützliche interne Pakete für die Konsistenz erstellt. Eines dieser Pakete enthält eine schnelle Option zum Hinzufügen mehrerer Registerkarten für jedes Diagramm:
Im Laufe der Zeit wurde diese Option immer beliebter, da sie tonnenweise Daten erfasst (während der Bericht vermeintlich kurz gehalten wird). Im folgenden Beispiel sehen wir die Verwendung mehrerer Facetten (9) neben mehreren Registerkarten (8) für insgesamt 8 x 9 = 72 Diagramme.
Irgendwie wird erwartet, dass die Beteiligten ihre Zeit damit verbringen, die Daten auf der Suche nach Erkenntnissen zu durchkämmen. Welche Registerkarte verhält sich anders? Wie werden sie alle miteinander verglichen? Unter dieser Datenflut werden die Stakeholder nicht effektiv arbeiten können.
Daten vs. Einblicke
Ich habe schon viele Analysten gesehen, die Rohdaten verarbeitet haben und sie dann über den Zaun geworfen haben, ohne dass sie dem Stakeholder, der die Anfrage gestellt hat, zusätzliche Erkenntnisse geliefert haben.
Es kommt nur allzu häufig vor, dass Analysten diesen einfachen Weg einschlagen und sich dafür entscheiden, alle von ihnen verlangten Informationen zu präsentieren. In vielen Fällen kann dies ein Anfängerfehler sein, wenn ein Analyst nicht die volle Verantwortung für die Entscheidung übernehmen will, welche Diagramme er behalten will und welche nicht. Dies führt in der Regel dazu, dass dem Stakeholder zu viele Daten präsentiert werden und er keine Chance hat, die überraschenden, aufschlussreichen und interessanten Ereignisse zu erkennen. Daten sind nicht von Natur aus wertvoll, selbst wenn große Anstrengungen unternommen werden, sie zu bereinigen und zu verarbeiten. Der Wert ergibt sich aus der Interpretation der Daten und der Gewinnung der Erkenntnisse.
Jeder Datenexperte, der glaubt, dass seine einzige Aufgabe darin besteht, Daten zu liefern, irrt sich gewaltig. Wenn der Datenexperte die Gesamtverantwortung für die Gewinnung von Erkenntnissen an seine Stakeholder abgibt, hat dies mehrere negative Folgen:
- Wertvolle Erkenntnisse werden möglicherweise nie gewonnen! Sie liegen einfach nur da und hoffen, dass Ihr Stakeholder datenkundig genug ist, um sie zu finden. Sicher, der Stakeholder mag die Produktlinie besitzen und ein großes Verständnis für die inneren Abläufe und die potenziellen Beziehungen haben, an denen er interessiert ist, aber wie erfahren ist er im Data Mining? Wie wahrscheinlich ist es, dass sie das Simpsonsche Paradoxon bei der Arbeit erkennen? Wie wahrscheinlich ist es, dass sie auf der Grundlage einer Punktschätzung und ohne statistische Signifikanz voreilige Schlüsse ziehen? Ihr Fachwissen sollte Ihnen einen Vorsprung verschaffen. Wenn Sie sich also nicht die Zeit nehmen, um die Erkenntnisse zu extrahieren, ist die Wahrscheinlichkeit groß, dass es nicht dazu kommt.
- Falsche Schlussfolgerungen – jedes Mal, wenn sich jemand Daten ansieht, vor allem wenn es sich um einen Stakeholder handelt, der selbst am Spiel teilnimmt, wird er voreingenommen sein, um zu beweisen, wie erfolgreich seine früheren Maßnahmen waren. Wenn das passiert, haben Sie einen langen Weg vor sich. Indem Sie die Verantwortung für die Gewinnung aller Erkenntnisse abgeben, geben Sie dem Stakeholder die Möglichkeit, Muster zu erkennen, die völlig im Bereich des Rauschens liegen („Oh, der vierte Anstieg von links – das ist definitiv auf unsere Marketingkampagne zurückzuführen“). Natürlich können Sie später versuchen, diese Behauptungen zu widerlegen, aber angenehme Erzählungen sind schwer zu zerstören.
Sie haben gerade den besten Teil der Analyse und Ihre Chance, zu glänzen, verloren. Eines der größten Unterscheidungsmerkmale zwischen einem guten und einem großartigen Datenexperten ist der Einblick, den er aus den Daten destillieren kann. Eine Unmenge von Daten? Nicht sehr hilfreich. Triviale Aussagen, die Ihnen jeder Praktikant in der Branche erzählen könnte? Das ist nicht das, wofür Sie bezahlt werden. Letzten Endes wird man an der Fähigkeit gemessen, durch neues Verständnis und neues Lernen einen Mehrwert zu schaffen. Das Aufdecken neuer Informationen und das Aussprechen von Empfehlungen ist der beste Weg, um Ihren Wert unter Beweis zu stellen – tragen Sie dazu bei, indem Sie Wissen hinzufügen, das dem Unternehmen sonst nicht zur Verfügung stünde.
Worauf ist zu achten?
Sie müssen einen Einblick gewinnen. Sie müssen dem Unternehmen etwas mitteilen, was es sonst nicht gewusst hätte, um einen neuen Wert zu schaffen. Ein erfahrener, wertvoller Datenanalyst oder ‑wissenschaftler kann die Geschichte hinter den Daten aufbauen, Einblicke zeigen, die sonst nicht bekannt wären, und Empfehlungen aussprechen
Bei Riskified bedeutet dies, dass drei wesentliche Dinge in jedem Bericht entscheidend sind:
- Übersichtstabellen – Wenn Sie große Mengen an Rohdaten bereitstellen müssen (mehrere Beteiligte, die jeweils unterschiedliche Aspekte betrachten), müssen Sie eine einfache Tabelle/Darstellung mit den wichtigsten Kennzahlen aus den einzelnen Registerkarten erstellen. So kann jeder Beteiligte schnell einen Blick auf die Übersichtstabelle werfen, um zu sehen, welche Registerkarte von Interesse ist.
- Schlussfolgerungen – jeder Bericht muss einen ausführlichen Abschnitt mit Schlussfolgerungen enthalten. Alle interessanten Diagramme/Ergebnisse/Analysen, die in den Schlussfolgerungen nicht übersichtlich zusammengefasst sind, werden im Laufe der Zeit vergessen. Dies ist in der Regel der wichtigste Abschnitt des Berichts, und wir wollen immer sicherstellen, dass jeder Teil der Analyse mindestens eine Schlussfolgerung enthält.
- Empfehlungen – Wenn der Analyst/Datenwissenschaftler den geschäftlichen Kontext gut genug versteht und seine Schlussfolgerungen aussagekräftig sind, kann er dies in Empfehlungen für die Interessenvertreter des Unternehmens umsetzen. Das ist nicht immer der Fall, aber die Fähigkeit, die Erkenntnisse in konkrete Empfehlungen umzusetzen, verbessert die Wirkung und den Einfluss eines Berichts erheblich. Das Fehlen von Geschäftsempfehlungen (oder Empfehlungen, die nicht umsetzbar sind) führt zu wesentlich weniger wirksamen Berichten.
Und schließlich sollten Sie sich jedes Mal, wenn Sie ein analytisches Projekt mit einem Bericht als Hauptarbeitsergebnis abschließen, die folgende Frage stellen: „Was sind die wichtigsten Dinge, die jemand, der diesen Bericht liest, verstehen sollte? Was ist etwas Neues, das ich gefunden habe?“ Stellen Sie sicher, dass diese Erkenntnisse klar formuliert sind. Eine zusätzliche Stunde, die Sie damit verbringen, Ihr Projekt für die betreffenden Interessengruppen zu interpretieren (d. h. in einer Sprache, die sie verstehen), kann den entscheidenden Unterschied ausmachen.
Quelle: medium.com
