- Terminologie (A à D)
- Contrôle des capacités de l'IA
- AIOps
- Albumentation
- Performance de l'actif
- Encodeur automatique
- Rétropropagation
- Théorème de Bayes
- Big Data
- Chatbot : guide du débutant
- Pensée computationnelle
- Vision par ordinateur
- Matrice de confusion
- Réseaux de neurones convolutionnels
- Cybersécurité
- Structure de données
- Storytelling de données
- Sciences des données
- Entreposage de données
- Arbre de décision
- Deepfakes
- L'apprentissage en profondeur
- Apprentissage par renforcement profond
- Devops
- DevSecOps
- Modèles de diffusion
- Jumeau Numérique
- Réduction de la dimensionnalité
- Terminologie (E à K)
- IA de pointe
- Emotion AI
- Apprentissage d'ensemble
- Piratage éthique
- ETL
- IA explicable
- Apprentissage fédéré
- FinOps
- IA générative
- Réseau d'adversaire génératif
- Génératif vs Discriminatif
- Rehaussement de dégradé
- Descente graduelle
- Apprentissage en quelques coups
- Classification d'image
- Opérations informatiques (ITOps)
- Automatisation des incidents
- Ingénierie d'influence
- K-Means Clustering
- Les voisins les plus proches
- Terminologie (L à Q)
- Terminologie (R à Z)
- Apprentissage par renforcement
- IA responsable
- RLHF
- Automatisation des processus robotiques
- Structuré vs non structuré
- Analyse des sentiments
- Supervisé vs non supervisé
- Machines à vecteurs de support
- Données synthétiques
- Médias synthétiques
- Classification du texte
- MinusculeML
- Transfert d'apprentissage
- Réseaux de neurones de transformateur
- Test de Turing
- Recherche de similarité vectorielle
AI 101
Qu'est-ce que la narration de données ? Composants, avantages et exemples
Publié le
Il y a 1 annéeon
By
Haziqa SajidTable des matières
Dans le monde actuel axé sur les données, la narration des données devient de plus en plus importante pour la prise de décision et la croissance des entreprises. Les rôles d'analyse de données tels que l'analyste d'études de marché, l'analyste financier et l'analyste de recherche opérationnelle se répandent à mesure que les entreprises réalisent l'importance des informations basées sur les données.
Selon le US BLS Occupational Outlook Handbook 2021-2031, ces postes connaissent une croissance considérable :
Fonction | Croissance de l'emploi | Salaire médian |
Market Research Analyst | 19% | $63,920 |
Analyste financier | 9% | $91,580 |
Analyste de recherche opérationnelle | 23% | $82,360 |
Ces analystes utilisent diverses techniques de narration de données pour effectuer des opérations d'analyse efficaces. Discutons de ce qu'est la narration de données, de ses principaux composants et avantages, et si vous êtes analyste, comment pouvez-vous améliorer la narration de données.
Qu'est-ce que la narration de données ?
La narration de données implique l'analyse de données à l'aide de récits visuels et convaincants pour communiquer des informations sur les données aux parties prenantes. Un conteur de données explique le « pourquoi » dans les données à l'aide de la visualisation. L'objectif est d'expliquer clairement les attributs des données et de fournir un contexte significatif pour ce que ces données représentent. La présentation des informations sous-jacentes dans les données et les tendances est nécessaire pour une prise de décision efficace.
Par exemple, un analyste financier peut montrer un graphique en chandeliers aux investisseurs pour démontrer le mouvement des prix d'un stock ou un atout. Un graphique en chandeliers visualise les modèles d'actions historiques à l'aide de quatre indicateurs de trading (« prix d'ouverture », « prix de clôture », « prix élevé » et « prix bas ») pour prédire la tendance du marché à venir.
Pour une meilleure compréhension, regardez le graphique en chandeliers des prix du bitcoin ci-dessous. Le graphique visualise les prix du bitcoin pour les deux premiers mois de 2023. Les barres vertes représentent une tendance à la hausse des prix, tandis que les barres rouges indiquent une tendance à la baisse du prix du bitcoin.
Un aspect crucial de la narration des données est que les narrateurs de données doivent comprendre le contexte commercial et les exigences des parties prenantes. La recherche montre que 60% de l'investissement effectué dans l'analyse des données est gaspillé car les informations obtenues ne correspondent pas à la prise de décision et aux objectifs commerciaux. Par conséquent, les décideurs n'utilisent que 22% des aperçus de données qu'ils reçoivent.
3 composants majeurs de la narration de données
Les données, les visuels et la narration sont les trois principales composantes de la narration de données. Explorons-les plus loin ci-dessous.
- Dates: Les conteurs de données rassemblent et prétraitent les données dont ils ont besoin pour raconter une histoire. Ils effectuent des analyses statistiques et visualisent les principales tendances et modèles pour une analyse approfondie des données.
- Récit: La création d'une histoire engageante et la mise en contexte des principaux résultats obtenus à partir des données s'appellent narration. Un bon récit incite le public à passer à l'action.
Thomas. H. Davenport, un leader d'opinion en gestion d'entreprise, déclare :
« La narration est la façon dont nous simplifions et donnons un sens à un monde complexe. Il fournit le contexte, la perspicacité, l'interprétation - toutes les choses qui rendent les données significatives et les analyses plus pertinentes et intéressantes.
- Visuels: Une image vaut 1000 mots. La visualisation ajoute du poids au récit et crée une histoire de données percutante. Les visuels peuvent prendre la forme de graphiques, d'images ou de vidéos.
Un analyste de données peut utiliser un cadre de narration de données tel que des personnages, un cadre, un conflit et une résolution pour raconter une histoire convaincante. Par exemple, dans le domaine du commerce électronique, les personnages peuvent être des clients, le cadre est une entreprise aux prises avec la fidélisation de la clientèle, le conflit peut être un taux de désabonnement croissant et la résolution est l'ensemble des étapes que le conteur de données suggère pour réduire le taux de désabonnement.
Comment un analyste de données peut-il s'améliorer dans la narration de données ?
Comprenez votre public
Comprendre le public est la clé d'une narration convaincante des données. Si vous parlez à des dirigeants d'entreprise, il serait important de leur fournir une analyse de haut niveau et des informations exploitables pour la stratégie commerciale. Mais lorsque vous parlez à l'équipe, vous devez expliquer en détail les méthodes utilisées pour arriver à une conclusion.
Choisissez les visualisations appropriées
La visualisation des données met en évidence différents aspects des données, tels que ;
- Comparaison (graphique à barres, graphique linéaire)
- Relation (nuage de points, graphique à bulles)
- Distribution (histogramme, nuages de points)
- Composition (graphique en cascade, graphique en aires empilées)
Comprenez ce que vous essayez de réaliser avec les données et combien de variables vous devez prendre en compte. Sélectionnez la meilleure visualisation pour transmettre votre idée.
Évitez le désordre
Désencombrez la visualisation en agrégeant ou en supprimant les informations qui ne sont pas nécessaires. Par exemple, dans les tableaux ci-dessous, WGM, WIM, WCM et WFM sont les principaux titres féminins aux échecs ; les données restantes peuvent être agrégées comme « autres ».
Utilisez des couleurs vives
Utilisez des palettes de couleurs accessibles à tous, y compris aux personnes malvoyantes ou daltoniennes. Gardez le contraste des couleurs et évitez d'utiliser les mêmes couleurs les unes à côté des autres. Par exemple, dans les graphiques à barres ci-dessous, la combinaison de couleurs dans le premier graphique peut être difficile à distinguer par rapport au deuxième graphique.
Quels sont les avantages de la narration de données pour les organisations ?
Favorise la littératie des données parmi les employés
La narration de données peut améliorer la maîtrise des données des employés de l'organisation. Selon une enquête réalisée par Accenture et Qlik, seuls 21 % des employés se sentent en confiance pour lire, analyser et discuter des données. Par conséquent, une narration convaincante des données les encourage à explorer et à discuter des données au sein de l’organisation.
Créez des expériences engageantes et précieuses pour toutes les parties prenantes
Comprendre et capter l'attention du public est essentiel pour une communication efficace. Le cerveau humain traite les visuels 60,000 fois plus rapide que le texte, et les gens se souviennent des histoires 22 fois plus que des faits. Par conséquent, raconter des histoires de données aux utilisateurs ou aux actionnaires de votre produit à l'aide de récits et de visualisations convaincants peut être très engageant et précieux.
Influencer la prise de décision
Une narration convaincante des données offre une nouvelle perspective ou révèle des aspects cachés. Il communique ce qui doit être fait. Il permet aux parties prenantes de prendre des décisions éclairées et d'agir en ce qui concerne leur stratégie commerciale.
Data Storytelling – La voie à suivre pour les analystes de données
La narration de données est l'art et la science de communiquer des informations sur les données. Alors que les données augmentent de façon exponentielle et deviennent plus complexes, la narration basée sur les données devient une compétence essentielle.
Dans une organisation, le rôle des conteurs de données est assuré par des analystes de données ou des ingénieurs de données. Des outils tels que Tableau et PowerBI permettent aux analystes de données de créer des visualisations et des tableaux de bord convaincants sans trop d'effort. En fait, Gartner estime que d'ici 2025, la plupart des récits de données seront générés automatiquement.
Les analystes de données doivent rester en contact avec les dernières tendances et les outils dans le Analyse des données l'industrie pour raconter des histoires de données percutantes. Pour plus de contenu lié à l'IA, visitez unir.ai.
Haziqa est un Data Scientist avec une vaste expérience dans la rédaction de contenu technique pour les entreprises d'IA et de SaaS.
Tu peux aimer
AniPortrait : synthèse audio d'animation de portrait photoréaliste
Le dialogue intérieur de l'IA : comment l'autoréflexion améliore les chatbots et les assistants virtuels
Style instantané : préservation du style dans la génération de texte en image
LoReFT : réglage fin de la représentation pour les modèles de langage
Au-delà des moteurs de recherche : l'essor des agents de navigation Web basés sur LLM
Améliorer la transparence et la confiance de l'IA grâce à l'IA composite