通过全球的虚拟和面对面研讨会，我们已经教会了成千上万的人如何与数据进行有效沟通。本系列记录了我们在这些会议中听到的一些值得注意的问题以及我们的答案。
在向我的观众提供推荐时，我如何避免误导我的观众并引入偏见？
当从探索性分析转向解释性分析时，您应该始终考虑您希望您的受众如何处理这些信息。如果你不能清楚地表达推荐的行动，那么首先停下来批判性地思考你是否真的需要沟通。
这肯定是一个令人不安的领域。我们中的许多人被告知——尤其是在我们职业生涯的早期——观众比我们更了解，因此提供推荐不是“我们的位置”。或者，也许您的研究领域强调“客观”的重要性高于所有其他考虑因素，而任何不重要的事情都意味着您在与数据交流时具有误导性或不恰当的编辑。
现实情况是，无偏见的数据是一个神话。在整个分析过程中——从识别、检索、清理、组织和分析数据——我们天生就会根据我们在每个步骤中做出的决策的性质引入偏见。
凯瑟琳·马登（Catherine Madden）用数据讲故事的插图：让我们练习吧！
在与数据进行交流时，我们的大部分责任是指出该信息的哪些方面对我们的特定受众有意义。此外，我们希望帮助开始关于需要采取什么行动的后续对话。为此，我们必须确定一些潜在的后续步骤。这些选项可以以多种方式与数据一起呈现，并且该通信的流程将取决于您的受众和您的特定场景。然而，完全忽略任何建议，因为害怕显得有偏见，是被误导的。
提供推荐与误导听众不同。在您的沟通中，您仍然必须建立可信度，并能够用数据支持您的发现并回答他们的问题。
西北大学视觉思维实验室主任史蒂文·弗兰科内里博士同意这一观点，并将同样的观点灌输给他的学生。在最近与 Cole 的播客节目中，听听他在这段短片中的详细说明：
总之，不要因为害怕引入偏见或误导而跳过推荐。相反，通过说“这是我认为你应该知道或得出的结论”来增加价值。您的听众可能不同意，但至少他们已经参与了数据并开始了对话。毕竟，你努力工作的最终目标是推动行动和积极的改变；如果激发这些行动的对话从未开始，那么所有这些努力都可能是徒劳的。
凯瑟琳·马登（Catherine Madden）用数据讲故事的插图：让我们练习吧！
以下是一些额外的资源，可帮助您培养技能，确定受众的行动并根据他们的需求调整您的沟通方式：
-
练习：为您的项目确定行动
-
练习：把数据变成文字
-
视频：与技术与非技术受众交流
原文： https://www.storytellingwithdata.com/blog/how-do-i-give-an-unbiased-recommendation-to-my-analysis