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

重新定义分析过程

Posted on 2023-01-11

“我想从一个非常重要的区别开始:探索性和解释性分析之间的区别。”

这些是团队其他成员和我在几乎每次演示开始时都会说的话。我们过去曾尝试过删除此上下文,只是为了踢自己并迅速将其添加回去。

你可能想知道,“为什么?是什么让谈论这种区别如此重要?”

无论是正式在课堂上还是在工作中,我们中的许多人都被教导了数据分析过程的不完整定义,这些描述往往高估了过程的探索性部分,低估了——或完全忽略了——事物的解释性方面。

探索性和解释性分析的区别

探索性分析是理解数据的过程。无论是涉及提取多个数据集、清理数据、试验不同的视图还是进行统计分析,在某种程度上,您都在发现您的数据。

当您对数据有话要说时,就会发生解释性分析。您已经探索了自己拥有的东西并发现了一些值得分享的东西,所以现在您需要以一种既吸引人又能让其他人理解的方式来分享。

这两种类型的分析一起并具有相同的衡量标准,代表了整个分析过程,尤其是在业务环境中。

也就是说,对“数据分析过程”进行快速的谷歌图片搜索会产生多个图表,如下图所示。

来自谷歌图像搜索“数据分析过程”的结果。

请注意列出的五个步骤中的四个是如何引用探索过程的特定部分的。只有一步(最后一步)描述了解释性分析。这里的含义是探索过程是解释过程的四倍重要,和/或应该花费四倍的时间。出于几个原因,我对此表示异议。

解释性分析是该过程中唯一可见的部分

该过程的解释部分通常是观众将看到的整个分析过程的唯一部分。他们可能既不知道也不关心您收集和清理数据需要多长时间。可以肯定的是,这些是过程中的重要步骤,但它们不是我们希望最终产品强调的内容。为了使我们所做的工作产生影响并推动行动,我们需要将注意力直接放在调查结果、结论和建议上。

换句话说,沟通部分是决定成败的时刻。鉴于其重要性,我们不应该将解释性分析列为与数据通信相关的所有事情的包罗万象的步骤。这样做让人更有可能冲过这个重要的阶段。

解释性分析需要时间才能做好

同样,与探索部分相比,将所有沟通任务视为一个步骤会使解释过程感觉不切实际的快速和简单。作为专门专注于解释性沟通的人(我的官方头衔是数据讲故事的人),我可以向你保证情况并非如此。

为了公正地进行探索性工作,您通常需要专门为目标受众策划一些内容。这并不像使用默认设置快速查看并将其发送给其他人那么简单。

  • 通过弄清楚您的听众是谁、他们的需求是什么以及他们已有的背景来开始解释过程。然后您可以决定哪些数据最相关,哪些只是附带的。

  • 在视觉方面,您用于探索性分析的那些(散点图、相关图、气泡图、仪表板等)可能在解释空间中不起作用——至少在原始形式中不起作用。您需要创建新的视觉效果或花时间格式化现有的视觉效果以突出您的信息。

  • 最后,考虑您最终交付成果的格式和背景,您是在构建报告还是摘要幻灯片?如果是这样,您必须写下解释并编辑您的文字。你会在观众面前现场演讲吗?然后你需要制作幻灯片并练习演讲。

就像上图中探索性分析被分解为四个步骤一样,解释性分析也应该得到同等程度的尊重。

重新定义分析过程

考虑到所有这些,我建议我们重新审视我们对分析过程的看法。让我们扩展解释步骤以阐明传达数据不仅仅是关于图形和图表。当我们考虑吸引某人的注意力并说服他们以某种方式行事时,这更具战略意义。

如果我要对上述任务进行大致分类,我会将解释过程分为三个阶段:计划沟通、创建内容和准备交付。这与我们最新一本书《与您讲故事》中更详细描述的过程相同。

这种观点的转变并不意味着我们将在探索性和解释性文章上花费大致相等的时间。我仍然预计探索性分析将需要更长的时间才能完成。一般来说,每个项目在任何一个阶段花费的时间都会有所不同。然而,人们常常将 5% 的专门时间花在解释性分析上——或者更糟的是,根本没有。这是需要改变的心态,以便分析被其他人重视和接受。我们的研究结果必须结合具体情况进行有效解释,并以一种能够促使采取有意义行动的方式进行构建。

清晰而有说服力的沟通不会自然而然发生。深思熟虑地齐心协力需要时间,因此请确保为您和您的团队提供空间和资源来解决流程中的这一关键部分。

原文: https://www.storytellingwithdata.com/blog/redefining-the-analytical-process

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