Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

带来糟糕结果的艺术

Posted on 2025-02-07

数据并不总是讲述一个快乐的故事。例如,当营销活动未达到预期效果时,或者当您的公司推出的新产品收到负面的客户反馈时。人们很容易隐藏或尽量减少不理想的结果,但我们有责任准确地呈现所有发现。这里有五种策略来定位不符合预期的结果。

拥抱透明度。首先,也是最重要的一点,不要回避事实。透明度可以与受众建立信任。在提供不利数据时,要直接、诚实地说明数字所显示的内容。你不必纠缠于消极的一面,但要坦率并清楚地承认它。然后,自信地(快速地)转向潜在的解决方案或建议。

练习同理心。当呈现不利的结果时,请考虑这些信息可能如何影响您的受众,无论是在专业上还是在情感上。即使在商业环境中,我们都是人,同理心也很重要。使用中立、事实性的语言认识并承认他们可能感到失望。定制您的交付方式以解决他们的担忧,并准备好讨论影响和后续步骤。

提供上下文。糟糕的结果很少单独存在。帮助您的受众了解数据周围更广泛的背景——不是寻找借口,而是寻找解释。有外部因素在起作用吗?这些数据与历史趋势或行业基准相比如何?需要时,查阅背景信息并与其他人进行对话,以深入了解情况。将感知到的负面结果放在更广泛的背景下可以帮助更有效地构建讨论(请参阅下面的下一点),并有可能减轻其情感影响。

专注于学习和行动。不要将糟糕的结果视为失败,而应将其视为成长和改进的机会。今天的情况可能会让人感觉很糟糕,但通过从错误中吸取教训,我们可以为未来的战略和决策提供信息。通过将重点转移到学习和行动项目上,您可以将潜在的负面故事转变为建设性的故事。

讲一个完整的故事。请记住,意想不到的发现通常只是更大故事的一部分。也许它们代表了原本积极的趋势中的暂时挫折,或者凸显了一个成熟的创新领域。通过缩小并考虑完整的图片,您可以呈现一个更加平衡和细致的故事。

以下是一些示例,说明如何公平、准确地呈现令人失望的数据发现,并以推动有意义的行动的方式。

汽车+销售+混合+结果.jpeg
解决+项目+问题.jpeg
投资组合+趋势.jpeg

通过应用上述技巧,您可以优雅而专业地应对呈现不太理想结果的挑战。请记住,有效的数据讲故事并不总是要分享好消息,而是以清晰且有用的方式传达所有信息。

原文: https://www.storytellingwithdata.com/blog/the-art-of-delivering-bad-results

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme