Τεχνητή νοημοσύνη 101
Τι είναι η Αφήγηση Δεδομένων; Στοιχεία, Οφέλη, & Παραδείγματα

Στον σημερινό κόσμο που βασίζεται στα δεδομένα, η αφήγηση δεδομένων γίνεται ολοένα και πιο σημαντική για την λήψη αποφάσεων και την ανάπτυξη των επιχειρήσεων. Οι ρόλοι ανάλυσης δεδομένων, όπως ο αναλυτής αγοράς, ο αναλυτής χρηματοοικονομικών και ο αναλυτής έρευνας λειτουργιών, γίνονται πιο συχνά, καθώς οι εταιρείες συνειδητοποιούν τη σημασία των δεδομένων που οδηγούν τις αποφάσεις.
Σύμφωνα με το U.S. BLS Occupational Outlook Handbook 2021-2031, αυτοί οι ρόλοι βιώνουν σημαντική αύξηση:
| Ρόλος Εργασίας | Αύξηση Εργασίας | Μέσο Μισθός |
| Αναλυτής Αγοράς | 19% | $63,920 |
| Αναλυτής Χρηματοοικονομικών | 9% | $91,580 |
| Αναλυτής Έρευνας Λειτουργιών | 23% | $82,360 |
Αυτοί οι αναλυτές χρησιμοποιούν διάφορες τεχνικές αφήγησης δεδομένων για να thựcούν αποτελεσματικές επιχειρησιακές λειτουργίες. Ας συζητήσουμε τι είναι η αφήγηση δεδομένων, τα κύρια στοιχεία και τα οφέλη της, και αν είστε αναλυτής, πώς μπορείτε να γίνετε καλύτεροι στην αφήγηση δεδομένων.
Τι είναι η Αφήγηση Δεδομένων;
Η αφήγηση δεδομένων περιλαμβάνει την ανάλυση δεδομένων χρησιμοποιώντας οπτικά και πειστικά αφηγήματα για να μεταφέρει γνώσεις δεδομένων στους ενδιαφερόμενους. Ένας αφηγητής δεδομένων εξηγεί το «γιατί» στα δεδομένα χρησιμοποιώντας οπτικοποίηση. Ο στόχος είναι να εξηγήσει τα χαρακτηριστικά των δεδομένων σαφώς και να παρέχει ένα σημαντικό контекст για αυτά που αντιπροσωπεύουν τα δεδομένα. Η παρουσίαση των υποκείμενων ερευνών στα δεδομένα και τις τάσεις είναι απαραίτητη για την αποτελεσματική λήψη αποφάσεων.
Για παράδειγμα, ένας αναλυτής χρηματοοικονομικών μπορεί να δείξει ένα γράφημα κεριών σε επενδυτές για να δείξει την κίνηση της τιμής eines μετοχικού κεφαλαίου ή ενός περιουσιακού στοιχείου. Ένα γράφημα κεριών οπτικοποιεί τα ιστορικά μοτίβα μετοχικού κεφαλαίου χρησιμοποιώντας τέσσερις δείκτες συναλλαγών («ανοιξιάτικη τιμή», «κλειστική τιμή», «υψηλή τιμή» και «χαμηλή τιμή») για να προβλέψει την επερχόμενη αγορά τάση.

Μια εικονογράφηση κεριών που δείχνει μια αυξανόμενη και μειωμένη τάση τιμής. Wikimedia Commons
Για μια καλύτερη κατανόηση, δείτε το γράφημα κεριών της τιμής του bitcoin παρακάτω. Το γράφημα οπτικοποιεί τις τιμές του bitcoin για τους δύο πρώτους μήνες του 2023. Οι πράσινες μπάρες αντιπροσωπεύουν μια αυξανόμενη τάση τιμής, ενώ οι κόκκινες μπάρες δείχνουν μια μειωμένη τάση τιμής του bitcoin.

Γράφημα κεριών της τιμής του bitcoin Ιαν-Φεβ 2023
Ένα κρίσιμο στοιχείο της αφήγησης δεδομένων είναι ότι οι αφηγητές δεδομένων πρέπει να κατανοούν το επιχειρησιακό контекスト και τις απαιτήσεις των ενδιαφερόμενων. Η έρευνα δείχνει ότι 60% της επένδυσης που γίνεται στην ανάλυση δεδομένων πάει χαμένη因为 οι γνώσεις που λαμβάνονται δεν ευθυγραμμίζονται με την λήψη αποφάσεων και τους επιχειρησιακούς στόχους. Jako αποτέλεσμα, οι λήπτες αποφάσεων χρησιμοποιούν μόνο 22% των γνώσεων δεδομένων που λαμβάνουν.
3 Κύρια Στοιχεία της Αφήγησης Δεδομένων
Τα δεδομένα, οι οπτικές και η αφήγηση είναι τα τρία κύρια στοιχεία της αφήγησης δεδομένων. Ας τα εξετάσουμε περαιτέρω παρακάτω.
- Δεδομένα: Οι αφηγητές δεδομένων συλλέγουν και προεπεξεργάζονται τα δεδομένα που χρειάζονται για να αφηγηθούν μια ιστορία. Εκτελούν στατιστική ανάλυση και οπτικοποιούν τα κρίσιμα μοτίβα και τάσεις για μια πλήρη ανάλυση δεδομένων.
- Αφήγηση: Η δημιουργία ενός ενδιαφέροντος αφηγήματος και η παροχή контекστου στα κρίσιμα ευρήματα που λαμβάνονται από τα δεδομένα ονομάζεται αφήγηση. Μια καλή αφήγηση εμπνέει το κοινό να λάβει δράση.
Thomas. H. Davenport, ένας ηγέτης στη διοίκηση επιχειρήσεων, λέει:
«Η αφήγηση είναι ο τρόπος με τον οποίο απλοποιούμε και δίνουμε νόημα σε ένα σύνθετο κόσμο. Παρέχει контекスト, ερμηνεία, ερμηνεία – όλα τα πράγματα που κάνουν τα δεδομένα σημαντικά και την ανάλυση πιο σχετική και ενδιαφέρον.»
- Οπτικές: Μια εικόνα αξίζει 1000 λέξεις. Η οπτικοποίηση προσθέτει βάρος στην αφήγηση και δημιουργεί μια επιδραστική αφήγηση δεδομένων. Οι οπτικές μπορούν να είναι σε μορφή γραφημάτων, εικόνων ή βίντεο.
Ένας αναλυτής δεδομένων μπορεί να χρησιμοποιήσει ένα πλαίσιο αφήγησης δεδομένων όπως χαρακτήρες, σκηνικό, σύγκρουση και επίλυση για να αφηγηθεί μια πειστική ιστορία. Για παράδειγμα, στο domaine του ηλεκτρονικού εμπορίου, οι χαρακτήρες μπορούν να είναι οι πελάτες, το σκηνικό είναι μια εταιρεία που πασχίζει με την αποτήρηση των πελατών, η σύγκρουση μπορεί να είναι μια αυξανόμενη τάση εγκατάλειψης, και η επίλυση είναι το σύνολο των βημάτων που ο αφηγητής δεδομένων προτείνει για να μειώσει την τάση εγκατάλειψης.
Πώς Μπορεί Ένας Αναλυτής Δεδομένων να Γίνει Καλύτερος στην Αφήγηση Δεδομένων;
Κατανοήστε το Κοινό σας
Η κατανόηση του κοινού είναι το κλειδί για την πειστική αφήγηση δεδομένων. Αν μιλάτε σε επιχειρηματίες, θα ήταν σημαντικό να τους παρέχετε υψηλού επιπέδου ανάλυση και δράσιμες γνώσεις για την επιχειρηματική στρατηγική. Αλλά όταν μιλάτε στην ομάδα, πρέπει να εξηγήσετε τις μεθόδους που χρησιμοποιήθηκαν για να φτάσετε σε ένα συμπέρασμα λεπτομερώς.
Επιλέξτε Κατάλληλες Οπτικοποιήσεις
Η οπτικοποίηση δεδομένων υπογραμμίζει διαφορετικά στοιχεία των δεδομένων, όπως;
- Σύγκριση (Γράφημα μπάρων, γραμμικό γράφημα)
- Σχέση (Διάγραμμα σκέδασης, γράφημα φυσαλίδων)
- Κατανομή (Ιστογράμμα, διαγράμματα σκέδασης)
- Σύνθεση (Γράφημα νεροχύτης, στοιβασμένο γράφημα περιοχής)
Κατανοήστε τι προσπαθείτε να επιτύχετε με τα δεδομένα και πόσα μεταβλητά πρέπει να λάβετε υπόψη. Επιλέξτε την καλύτερη οπτικοποίηση για να μεταφέρετε την ιδέα σας.
Αποφύγετε την Καταπλήρωση
Καθαρίστε την οπτικοποίηση με τη συγχώνευση ή την αφαίρεση των πληροφοριών που δεν είναι απαραίτητες. Για παράδειγμα, στα γράφημα παρακάτω, WGM, WIM, WCM και WFM είναι οι κορυφαίες γυναίκες τίτλοι στο σκάκι· οι υπόλοιπες πληροφορίες μπορούν να συγχωνευθούν ως «άλλες».

Απαραίτητες ετικέτες τίτλων FIDE στο άξονα x

Ένα εύκολο να διαβαστεί συγχωνευμένο γράφημα μπάρων
Χρησιμοποιήστε Ζωηρόχρωμες Χρωματικές Παλέτες
Χρησιμοποιήστε χρωματικές παλέτες που είναι προσβάσιμες σε όλους, συμπεριλαμβανομένων εκείνων που είναι οπτικά αναπήροι ή daltonisti. Διατηρήστε την αντίθεση στα χρώματα και αποφύγετε τη χρήση των ίδιων χρωμάτων δίπλα-δίπλα. Για παράδειγμα, στα γράφημα μπάρων παρακάτω, η χρωματική παλέτα στο πρώτο γράφημα μπορεί να είναι δύσκολο να διακρίνει σε σύγκριση με το δεύτερο γράφημα.

Δύσκολο να ερμηνευτεί το γράφημα λόγω χρωματικής παλέτας

Εύκολο να ερμηνευτεί το γράφημα λόγω χρωματικής παλέτας
Ποια είναι τα Οφέλη της Αφήγησης Δεδομένων για τις Επιχειρήσεις;
Προωθεί την Γραμματικότητα Δεδομένων μεταξύ των Υπαλλήλων
Η αφήγηση δεδομένων μπορεί να ενισχύσει την γραμματικότητα δεδομένων των υπαλλήλων στην εταιρεία. Σύμφωνα με μια έρευνα της Accenture και Qlik, μόνο το 21% των υπαλλήλων νιώθουν βέβαιοι στην ανάγνωση, ανάλυση και συζήτηση δεδομένων. Έτσι, η πειστική αφήγηση δεδομένων τους ενθαρρύνει να εξερευνήσουν και να συζητήσουν δεδομένα μέσα στην εταιρεία.
Δημιουργεί Ενδιαφέρουσες & Τιμής Experiences για Όλους τους Ενδιαφερόμενους
Η κατανόηση και η σύλληψη της προσοχής του κοινού είναι κρίσιμες για την αποτελεσματική επικοινωνία. Ο ανθρώπινος εγκέφαλος επεξεργάζεται οπτικές 60.000 φορές γρηγορότερα από το κείμενο, και οι άνθρωποι θυμόμαστε ιστορίες 22 φορές περισσότερο από τα γεγονότα. Έτσι, η αφήγηση ιστοριών δεδομένων στους χρήστες του προϊόντος σας ή στους μετόχους σας χρησιμοποιώντας πειστικές αφηγήσεις και οπτικοποίηση μπορεί να είναι πολύ ενδιαφέρουσα και τιμής.
Επηρεάζει την Λήψη Αποφάσεων
Η πειστική αφήγηση δεδομένων παρέχει μια νέα προοπτική ή αποκαλύπτει κρυφές πτυχές. Επικοινωνεί τι πρέπει να γίνει. Επιτρέπει στους ενδιαφερόμενους να λάβουν ενημερωμένες αποφάσεις και να λάβουν δράση σχετικά με την επιχειρηματική στρατηγική.
Αφήγηση Δεδομένων – Ο Δρόμος προς τα Εμπρός για τους Αναλυτές Δεδομένων
Η αφήγηση δεδομένων είναι η τέχνη και η επιστήμη της επικοινωνίας γνώσεων για τα δεδομένα. Όσο τα δεδομένα συνεχίζουν να αυξάνονται εκθετικά και να γίνονται πιο σύνθετα, η αφήγηση δεδομένων γίνεται μια απαραίτητη δεξιότητα.
Σε μια εταιρεία, ο ρόλος των αφηγητών δεδομένων εκτελείται από αναλυτές δεδομένων ή μηχανικούς δεδομένων. Εργαλεία όπως το Tableau και το PowerBI επιτρέπουν στους αναλυτές δεδομένων να δημιουργήσουν πειστικές οπτικοποιήσεις και πίνακες ελέγχου χωρίς πολύ κόπο. Στην πραγματικότητα, Gartner εκτιμά ότι μέχρι το 2025, τα περισσότερα από τα αφηγήματα δεδομένων θα генνιούνται αυτόματα.
Οι αναλυτές δεδομένων πρέπει να παραμένουν σε επαφή με τις τελευταίες τάσεις και εργαλεία στη βιομηχανία ανάλυσης δεδομένων για να αφηγηθούν επιδραστικές ιστορίες δεδομένων. Για περισσότερο περιεχόμενο σχετικό με την τεχνητή νοημοσύνη, επισκεφθείτε unite.ai.












