职场反馈:我不是针对谁,我是说各位数据科学家Presentation真的不行

职场反馈:我不是针对谁,我是说各位数据科学家Presentation真的不行

对于数据报告的展示,学术界与职场之间还是存在很大的差距。学术界尤其注重理论逻辑的解释,而职场展示则恰恰相反。由于大多数听众都是非学术人员,所以在职场中,我们要如何对总结报告进行调整呢?

这一条尤其适用于一些逻辑复杂的模型,比如 Logistic regression 或者 decision tree。如果仅仅是把数据工具得到的模型结果复制,或者粘贴成一个表格,将会使得解说非常苍白又难理解。

就拿逻辑回归来说,我们会讨论每个 variable 的系数对 log odd 的影响,在解释的时候,要变成 odd ratio 的指数增长。同时,在展示时,可以用到如下语句:

为了便于听众理解,通常可以加入一些真实的例子。比如在做一个 seasonality model 的展示时,可以用一个真实的客户案例来说明,他的商业活动,这些商业活动的哪些特征符合了模型的一些参数特征,然后模型如何根据这些特征判断客户属于 seasonal 模式。让听众从逻辑跟随着你的思维流程,同时可以酌情忽略具体的技术应用。 

大部分的模型都可以用类似的方法,从商业的角度分析真实用户数据在模型里得到的特征值,并得出相应的结论,为听众提供商业决策的技术依据。具体的表述方式可以参考如下:

好的报告需要用心用时去研究数据,找到合适的讲述方式。比如,可以用 cluster analysis,将每个 cluster 不同的 Attribution 总结在一起。比如,举例真实用户时,将他特有的 Attribution 放在一张幻灯片里说明,而不是泛泛而谈某个 Attribution 对整体数据的影响。

同时有些看似无用、无法用模型解释的,但展现出某种趋势的数据,也可以提出来分析。可以在网上查找相关资料总结说明,即使对之后要解释的模型没有直接影响,但是在某些情况下,这些数据是可以辅助听众理解数据,并准确做出商业决定的重要部分。

当然,分析报告还有很多细节需要注意,比如数据可视化等。如果你还想学到更多商业分析的实战经验,快来加入我们,报名参加我们的 Business Analystics 课程。业界大牛手把手带你学知识,做 project,稳健掌握商业分析技能。

原文作者:Kristen kehrer

翻译作者:创作小废物

美工编辑:喝豆奶的Narcia 

校对审稿:卡里

阅读原文