3 способа справиться с разочарованием и удивить своих клиентов!
Когда я впервые начал консультировать по науке о данных, было легко разочароваться.
Мои первые несколько концертов не имели ничего общего с наукой о данных. Они имели гораздо больше общего с анализом данных и методами исследования. Типичный сценарий был:
«Эй, мне нужен кто-то, кто использует науку о данных, чтобы помочь мне понять, что движет нашим денежным потоком».
Результатом стало множество презентаций PowerPoint с визуализацией данных, показывающих, как различные переменные в данных связаны с их ключевым показателем эффективности (например, денежным потоком, чистой прибылью или любым другим способом, которым они хотели описать доход).
Аналитика представляла собой корреляции, средние значения по группам, частоты по группам и различные способы визуального представления этих довольно простых статистических данных.
Но однажды я кое-что понял. Я понял, что, несмотря на то, что на их простые запросы часто можно было ответить с помощью гораздо более простой аналитики, лучше подходящей для аналитика данных, я понял, что медленное наслоение моих знаний в области науки о данных может стать настоящим отличием.
Сочетание навыков, которые я приобрел до того, как стал специалистом по данным, в качестве исследователя, помогло мне настроить типы сравнений, которые дали бы ответы на их вопросы. Добавление более продвинутой аналитики, но объяснение их простыми визуальными эффектами, действительно поразит их и сохранит их в качестве моих клиентов.
Поэтому, если вы чувствуете разочарование из-за времени, которое тратите на довольно простой анализ данных, подумайте о том, чтобы немного оживить его с помощью этих 3 стратегий науки о данных:
Сочетание с открытыми данными
Обработка естественного языка — это мощный инструмент науки о данных, который может раскрыть ценность неструктурированных данных. Показ клиентам того, как вы можете сочетать неструктурированные источники данных, чтобы добавить больше информации, полученной от клиентов, может изменить правила игры.
Представьте себе, что вы можете сообщить своему клиенту, что не только продукты A, B и C приносят наибольшую прибыль, но и что клиенты говорят другим клиентам, что им нравится, как продукты A, B и C могут делать X, Y и Z для их.
Распаковать прогностическую модель
Хотя клиент мог и не запрашивать прогностическую модель, ее создание может помочь раскрыть ключевые функции, которые определяют конкретные результаты или ключевые показатели эффективности. Этот метод может быть особенно мощным в сочетании с функциями, полученными НЛП из неструктурированных источников данных.
Другими словами, одно дело сказать, что продукт A, B или C приносил доход, и совсем другое — сказать, что во всех продуктах функции X, Y и Z были наиболее важными предикторами дохода.
Обеспечьте другой способ просмотра данных
Наконец, наука о данных и визуализация данных идут рука об руку. Причина такой взаимосвязи в том, что науку о данных может быть трудно понять, поэтому визуализация может помочь уловить часть сложности способами, которые просто невозможно описать словами.
Всегда полезно использовать различные методы визуализации, чтобы помочь «увидеть» данные новыми и, возможно, ценными способами. Например, правильно настроенные тепловые карты помогают сфокусировать внимание на наиболее важных отношениях. Или обработка ваших данных в виде сетевого графа может помочь визуализировать полезные сообщества или группы взаимосвязей между переменными.
Хотите узнать о науке о данных, карьерном росте, жизни или неправильных бизнес-решениях? Подпишитесь на мою рассылку здесь и получите ссылку на мою бесплатную электронную книгу.
