Data Science For Beginners 数据科学生命周期用数据讲故事与有效沟通【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners导读数据科学并非止步于模型训练与指标计算——将分析结果转化为可被决策者理解并采纳的洞见是数据科学生命周期中至关重要的一环。本文以 Data Science For Beginners 课程第 16 课《The Data Science Lifecycle: Communication》为核心系统讲解数据沟通Data Communication与数据叙事Data Storytelling的方法论涵盖单向/双向沟通的区别、五类受众画像、五段式故事结构等实战策略并结合产品经理 Emerson 向公司领导汇报数据的完整案例演示如何设计一次 30 分钟、能让决策者记住关键结论的数据汇报。读完本文你将掌握一套可复用的用数据讲故事框架让受众真正带走你想传达的信息。沟通数据科学生命周期中的关键一环在 Data Science For Beginners 课程的生命周期框架中数据科学是一个包含五个阶段的过程采集Capturing、处理Processing、分析Analysis、沟通Communication与维护Maintenance详见 4-Data-Science-Lifecycle/14-Introduction/README.md。沟通是连接分析与决策的桥梁无论你在前序阶段完成了多么严谨的采集、清洗与建模最终都需要通过有效的沟通把数据的含义、结论与建议传递给利益相关者。正如第 14 课所述生命周期各阶段相互依赖而沟通正是让数据产生业务价值的那一步。图数据科学生命周期五个阶段其中 Communication 是数据价值落地的关键环节。图本课程官方手绘笔记Sketchnote由 nitya 绘制概括了数据沟通的核心要点。什么是沟通基本概念与角色课程首先给出一个核心定义沟通Communication就是传递或交换信息to convey or exchange information。信息可以是想法、思路、感受、消息、隐蔽信号也可以是数据——只要是一个发送者Sender想让接收者Receiver理解的内容。在本课语境中发送者被称为沟通者Communicators接收者被称为受众Audience。这个定义看似简单却奠定了后续所有策略的基础沟通的成败不取决于你说了什么而取决于受众是否真正接收并理解了你想要传达的信息。数据沟通与数据叙事传达数字还是讲述故事理解沟通是传递信息后一个关键转折点出现当你用数据沟通时目标不应是简单地把数字丢给受众而是传达一个由数据支撑的故事a story that is informed by your data。有效的数据沟通与数据叙事是相辅相成的——受众更容易记住你讲的一个故事而不是你给的一个数字。这也是本课反复强调的核心理念好的数据沟通者首先是一个好的故事讲述者storyteller。后续的五大策略全部服务于如何用数据讲好一个故事。两种沟通类型单向沟通与双向沟通数据沟通的场景千差万别课程将其归纳为两种基本类型单向沟通One-Way Communication发送者向接收者传递信息不寻求任何反馈或回应。日常例子包括群发邮件、新闻播报、电视广告。在这些场景中发送者只追求传达信息而非交换信息。双向沟通Two-Way Communication所有参与方同时扮演发送者与接收者。发送者先发起沟通接收者给予反馈或回应。这是我们传统意义上理解的沟通——无论是面对面交谈、电话、社交媒体还是短信都是双向沟通。在数据工作场景中两种方式各有适用之处单向沟通例如在大会上做演讲或向无法当场提问的大型群体做报告双向沟通例如用数据说服几位利益相关者获得支持buy-in或说服同事值得投入时间精力去构建新事物。理解你正在使用哪种沟通方式将直接影响你后续如何设计内容与节奏见策略一。有效沟通数据沟通者的职责作为沟通者你的职责是确保接收者带走你希望他们带走的信息。而当你用数据沟通时你不只希望受众带走数字更希望他们带走一个由数据支撑的故事。因此课程总结出六条用数据讲故事的路径其中以下五条将逐一详细展开理解你的受众、渠道与沟通方式以终为始Begin with the End in Mind把它当作一个真正的故事来对待使用有意义的词语与短语运用情感策略一理解你的受众、渠道与沟通方式你与家人沟通的方式多半不同于与朋友沟通的方式——你会选用对方更可能理解的词语与表达。用数据沟通时也应遵循同样的思路先想清楚你在跟谁沟通思考他们的目标以及他们对你所讲情境已有的背景知识。五类受众画像根据《哈佛商业评论》文章《How to Tell a Story with Data》作者为戴尔执行战略师 Jim Stikeleather绝大多数受众可以被归入以下五类受众类型特征描述新手Novice第一次接触该主题但不想被过度简化通才Generalist对主题有所了解但寻求概览式理解与主要脉络管理型Managerial需要深入、可执行地理解细节与相互关系并能接触到细节数据专家Expert更倾向探索与发现而非听故事需要大量细节高管Executive只有时间抓取结论与关键意义基于加权概率做判断渠道Channel/Medium除了受众类型还要考虑你采用的沟通渠道。写备忘录或邮件、开会、在大会上演讲三者的沟通方式应当有所差异。沟通方式单向/双向的组合策略课程给出了两个典型场景面对以新手为主的受众 单向沟通你必须先教育受众、给予充分背景然后再呈现数据并解释数据意味着什么、为什么重要。这种情况下要极度聚焦于清晰度因为受众无法当场向你提问。面对以管理型为主的受众 双向沟通你很可能不需要再教育受众或铺垫太多背景可以直接切入数据讨论与意义。但此时应重点把控节奏与场面双向沟通尤其是面对寻求可执行细节理解的管理型受众时现场随时可能冒出问题把讨论带离你准备的故事主线——当这种情况发生时你要主动介入把讨论拉回正轨。策略二以终为始Begin with the End in Mind以终为始意味着在开始沟通之前先明确你希望受众最终带走的关键结论key takeaways。提前想清楚想要的结论能帮你构建一个受众跟得上的故事。这一策略对单向与双向沟通都适用。具体做法在沟通之前先把你的关键结论写下来随后在准备故事的每一步都反问自己这一步如何融入我正在讲述的故事警惕摘樱桃Cherry-Picking以终为始是理想做法但绝不能因此只沟通那些支持你预设结论的数据。摘樱桃指的是沟通者只展示支持自己论点的那部分数据而忽略所有其他数据。课程给出了明确的伦理指引如果所有收集的数据都清晰支持你的结论那自然很好但如果存在不支持甚至反对你关键结论的数据你也必须沟通这些数据。此时应坦诚告知受众为什么你仍然选择坚持自己的故事主线尽管并非所有数据都支持它。策略三像讲一个真正的故事那样五段式结构传统故事通常有五个阶段铺垫Exposition、上升行动Rising Action、高潮Climax、下降行动Falling Action、结局Denouncement。更便于记忆的表达是背景Context、冲突Conflict、高潮Climax、收束Closure、结论Conclusion。用数据沟通时完全可以套用这一结构背景Context搭建舞台确保受众与你处于同一认知层面冲突Conflict你为什么要采集这些数据你在试图解决什么问题高潮Climax数据是什么数据意味着什么数据告诉我们需要哪些解决方案收束Closure重申问题与拟议解决方案结论Conclusion总结关键结论并给出你建议团队采取的下一步行动。在后面的 Emerson 案例中你将看到这一结构如何在一次真实汇报中被逐段落地。策略四使用有意义的词语与短语如果你对同事说我们的用户要花很长时间才能完成平台注册对方会把很长时间估计成多久一小时一周很难判断。如果面对一整个受众群体每个人对用户注册耗时的理解可能都各不相同。而如果你说我们的用户平均只需 3 分钟即可完成平台注册这条信息就清晰得多。用数据沟通时很容易误以为受众的想法与你完全一致但事实并非总是如此。围绕数据及其含义建立清晰度是沟通者的职责之一。数据或故事不够清晰受众将难以跟上也更不可能理解你的关键结论。课程给出了模糊词 vs 明确表达的对照示例模糊表达歧义所在我们度过了辉煌的一年有人理解为营收增长 2%-3%有人理解成 50%-60%用户成功率大幅提升大幅到底有多大这个项目需要大量投入大量是多少模糊词语并非一无是处——它可以作为后续更详细数据的引子或作为你刚讲完的故事的总结。但请务必确保汇报的每一部分对受众都是清晰的。策略五运用情感情感是讲故事的关键在数据叙事中尤为重要。当你用数据沟通时一切都围绕着你希望受众获得的结论展开而唤起受众的情感能帮助他们产生共情empathize更可能促使他们采取行动也更可能记住你的信息。你可能在电视广告中见过这种手法有的广告刻意悲情用悲伤的情绪连接受众让所呈现的数据格外突出有的广告明快欢乐让你把他们的数据与愉悦感受关联起来。课程给出了三种在数据沟通中运用情感的具体方式使用证言与个人故事Testimonials Personal Stories采集数据时尽量同时收集定量数据quantitative与定性数据qualitative并在沟通时整合两类数据。如果你的数据以定量为主就去寻找个体故事了解他们与数据所揭示现象的真实体验。使用图像Imagery图像能帮助受众代入某个情境。通过图像你可以把受众引向你认为他们应该对数据产生的情绪。使用颜色Color不同颜色唤起不同情绪。课程列举了几种常见颜色及其情绪联想注意颜色在不同文化中可能有不同含义蓝色通常唤起平静与信任peace and trust绿色通常关联自然与环境nature and environment红色通常代表激情与兴奋passion and excitement黄色通常代表乐观与快乐optimism and happiness案例研究产品经理 Emerson 的数据汇报课程通过一个完整案例把上述所有策略串成一次真实的数据沟通演练。背景Emerson 是一款移动应用的产品经理。他发现用户在周末提交的投诉与缺陷报告多出42%同时投诉后48 小时内未获回复的客户有32%的更高概率在应用商店给应用打出 1 或 2 星。完成研究后Emerson 准备了两套解决方案并与公司 3 位负责人安排了一次 30 分钟的会议目标只有一个让负责人理解以下两套方案能够提升应用评分进而大概率转化为更高营收。方案 1雇佣客服代表在周末工作方案 2采购新的客服工单系统让客服代表能轻松识别排队最久的投诉从而判断哪些需要最优先处理。失败的第一版会议Emerson 把 30 分钟这样分配——5 分钟解释低分评级的危害10 分钟讲解研究过程与趋势识别方法10 分钟逐条过近期客户投诉最后 5 分钟匆匆带过两套方案。结果会议结束后三位负责人的记忆截然不同一位负责人只记住了那 10 分钟的客户投诉另一位主要记住了研究过程描述第三位虽记住了方案却不确定方案如何落地。可以看到Emerson 想要的结论与负责人实际带走的结论之间存在巨大落差。改进的第二版会议应用五段式结构课程给出了更有效的重构方案背景Context约 5 分钟先完整介绍局面确保负责人理解问题如何影响营收等关键指标。例如目前我们应用在商店的评分为 2.5。评分对应用商店优化App Store Optimization至关重要它影响用户在搜索中看到我们应用的几率、潜在用户如何看待我们而用户数量直接关联营收。冲突Conflict约 5 分钟讲述数据揭示的问题。用户在周末提交的投诉与缺陷报告多 42%投诉后 48 小时未获回复的客户给出 2 星以上评分的可能性低 32%。将评分提升到 4 会让我们的可见度提高 20%-30%我预计这将带来约 10% 的营收增长。——当然Emerson 需要准备好为这些数字提供依据。高潮Climax约 5 分钟介绍拟议解决方案方案如何解决已识别的问题、如何融入现有工作流、成本多少、预期投资回报率ROI如何甚至可以展示方案落地后的截图或线框图还可以分享等待超 48 小时才获回复的用户证言甚至公司内部客服代表对现有工单系统的反馈。收束Closure约 5 分钟重申公司面临的问题回顾拟议方案并说明为什么这些方案是最合适的。结论Conclusion约 10 分钟由于这是少数利益相关者的小型会议、属于双向沟通Emerson 应预留约 10 分钟用于提问确保会议结束前任何让负责人困惑之处都被澄清。如果 Emerson 采用第二版方案负责人们极可能精准带走 Emerson 想传达的结论——投诉与缺陷的处理方式可以改进且有两套可落地的解决方案。这个仓库还提供了配套的演示图形文件 contenteditable="false">【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Data Science For Beginners 数据科学生命周期：用数据讲故事与有效沟通
Data Science For Beginners 数据科学生命周期用数据讲故事与有效沟通【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners导读数据科学并非止步于模型训练与指标计算——将分析结果转化为可被决策者理解并采纳的洞见是数据科学生命周期中至关重要的一环。本文以 Data Science For Beginners 课程第 16 课《The Data Science Lifecycle: Communication》为核心系统讲解数据沟通Data Communication与数据叙事Data Storytelling的方法论涵盖单向/双向沟通的区别、五类受众画像、五段式故事结构等实战策略并结合产品经理 Emerson 向公司领导汇报数据的完整案例演示如何设计一次 30 分钟、能让决策者记住关键结论的数据汇报。读完本文你将掌握一套可复用的用数据讲故事框架让受众真正带走你想传达的信息。沟通数据科学生命周期中的关键一环在 Data Science For Beginners 课程的生命周期框架中数据科学是一个包含五个阶段的过程采集Capturing、处理Processing、分析Analysis、沟通Communication与维护Maintenance详见 4-Data-Science-Lifecycle/14-Introduction/README.md。沟通是连接分析与决策的桥梁无论你在前序阶段完成了多么严谨的采集、清洗与建模最终都需要通过有效的沟通把数据的含义、结论与建议传递给利益相关者。正如第 14 课所述生命周期各阶段相互依赖而沟通正是让数据产生业务价值的那一步。图数据科学生命周期五个阶段其中 Communication 是数据价值落地的关键环节。图本课程官方手绘笔记Sketchnote由 nitya 绘制概括了数据沟通的核心要点。什么是沟通基本概念与角色课程首先给出一个核心定义沟通Communication就是传递或交换信息to convey or exchange information。信息可以是想法、思路、感受、消息、隐蔽信号也可以是数据——只要是一个发送者Sender想让接收者Receiver理解的内容。在本课语境中发送者被称为沟通者Communicators接收者被称为受众Audience。这个定义看似简单却奠定了后续所有策略的基础沟通的成败不取决于你说了什么而取决于受众是否真正接收并理解了你想要传达的信息。数据沟通与数据叙事传达数字还是讲述故事理解沟通是传递信息后一个关键转折点出现当你用数据沟通时目标不应是简单地把数字丢给受众而是传达一个由数据支撑的故事a story that is informed by your data。有效的数据沟通与数据叙事是相辅相成的——受众更容易记住你讲的一个故事而不是你给的一个数字。这也是本课反复强调的核心理念好的数据沟通者首先是一个好的故事讲述者storyteller。后续的五大策略全部服务于如何用数据讲好一个故事。两种沟通类型单向沟通与双向沟通数据沟通的场景千差万别课程将其归纳为两种基本类型单向沟通One-Way Communication发送者向接收者传递信息不寻求任何反馈或回应。日常例子包括群发邮件、新闻播报、电视广告。在这些场景中发送者只追求传达信息而非交换信息。双向沟通Two-Way Communication所有参与方同时扮演发送者与接收者。发送者先发起沟通接收者给予反馈或回应。这是我们传统意义上理解的沟通——无论是面对面交谈、电话、社交媒体还是短信都是双向沟通。在数据工作场景中两种方式各有适用之处单向沟通例如在大会上做演讲或向无法当场提问的大型群体做报告双向沟通例如用数据说服几位利益相关者获得支持buy-in或说服同事值得投入时间精力去构建新事物。理解你正在使用哪种沟通方式将直接影响你后续如何设计内容与节奏见策略一。有效沟通数据沟通者的职责作为沟通者你的职责是确保接收者带走你希望他们带走的信息。而当你用数据沟通时你不只希望受众带走数字更希望他们带走一个由数据支撑的故事。因此课程总结出六条用数据讲故事的路径其中以下五条将逐一详细展开理解你的受众、渠道与沟通方式以终为始Begin with the End in Mind把它当作一个真正的故事来对待使用有意义的词语与短语运用情感策略一理解你的受众、渠道与沟通方式你与家人沟通的方式多半不同于与朋友沟通的方式——你会选用对方更可能理解的词语与表达。用数据沟通时也应遵循同样的思路先想清楚你在跟谁沟通思考他们的目标以及他们对你所讲情境已有的背景知识。五类受众画像根据《哈佛商业评论》文章《How to Tell a Story with Data》作者为戴尔执行战略师 Jim Stikeleather绝大多数受众可以被归入以下五类受众类型特征描述新手Novice第一次接触该主题但不想被过度简化通才Generalist对主题有所了解但寻求概览式理解与主要脉络管理型Managerial需要深入、可执行地理解细节与相互关系并能接触到细节数据专家Expert更倾向探索与发现而非听故事需要大量细节高管Executive只有时间抓取结论与关键意义基于加权概率做判断渠道Channel/Medium除了受众类型还要考虑你采用的沟通渠道。写备忘录或邮件、开会、在大会上演讲三者的沟通方式应当有所差异。沟通方式单向/双向的组合策略课程给出了两个典型场景面对以新手为主的受众 单向沟通你必须先教育受众、给予充分背景然后再呈现数据并解释数据意味着什么、为什么重要。这种情况下要极度聚焦于清晰度因为受众无法当场向你提问。面对以管理型为主的受众 双向沟通你很可能不需要再教育受众或铺垫太多背景可以直接切入数据讨论与意义。但此时应重点把控节奏与场面双向沟通尤其是面对寻求可执行细节理解的管理型受众时现场随时可能冒出问题把讨论带离你准备的故事主线——当这种情况发生时你要主动介入把讨论拉回正轨。策略二以终为始Begin with the End in Mind以终为始意味着在开始沟通之前先明确你希望受众最终带走的关键结论key takeaways。提前想清楚想要的结论能帮你构建一个受众跟得上的故事。这一策略对单向与双向沟通都适用。具体做法在沟通之前先把你的关键结论写下来随后在准备故事的每一步都反问自己这一步如何融入我正在讲述的故事警惕摘樱桃Cherry-Picking以终为始是理想做法但绝不能因此只沟通那些支持你预设结论的数据。摘樱桃指的是沟通者只展示支持自己论点的那部分数据而忽略所有其他数据。课程给出了明确的伦理指引如果所有收集的数据都清晰支持你的结论那自然很好但如果存在不支持甚至反对你关键结论的数据你也必须沟通这些数据。此时应坦诚告知受众为什么你仍然选择坚持自己的故事主线尽管并非所有数据都支持它。策略三像讲一个真正的故事那样五段式结构传统故事通常有五个阶段铺垫Exposition、上升行动Rising Action、高潮Climax、下降行动Falling Action、结局Denouncement。更便于记忆的表达是背景Context、冲突Conflict、高潮Climax、收束Closure、结论Conclusion。用数据沟通时完全可以套用这一结构背景Context搭建舞台确保受众与你处于同一认知层面冲突Conflict你为什么要采集这些数据你在试图解决什么问题高潮Climax数据是什么数据意味着什么数据告诉我们需要哪些解决方案收束Closure重申问题与拟议解决方案结论Conclusion总结关键结论并给出你建议团队采取的下一步行动。在后面的 Emerson 案例中你将看到这一结构如何在一次真实汇报中被逐段落地。策略四使用有意义的词语与短语如果你对同事说我们的用户要花很长时间才能完成平台注册对方会把很长时间估计成多久一小时一周很难判断。如果面对一整个受众群体每个人对用户注册耗时的理解可能都各不相同。而如果你说我们的用户平均只需 3 分钟即可完成平台注册这条信息就清晰得多。用数据沟通时很容易误以为受众的想法与你完全一致但事实并非总是如此。围绕数据及其含义建立清晰度是沟通者的职责之一。数据或故事不够清晰受众将难以跟上也更不可能理解你的关键结论。课程给出了模糊词 vs 明确表达的对照示例模糊表达歧义所在我们度过了辉煌的一年有人理解为营收增长 2%-3%有人理解成 50%-60%用户成功率大幅提升大幅到底有多大这个项目需要大量投入大量是多少模糊词语并非一无是处——它可以作为后续更详细数据的引子或作为你刚讲完的故事的总结。但请务必确保汇报的每一部分对受众都是清晰的。策略五运用情感情感是讲故事的关键在数据叙事中尤为重要。当你用数据沟通时一切都围绕着你希望受众获得的结论展开而唤起受众的情感能帮助他们产生共情empathize更可能促使他们采取行动也更可能记住你的信息。你可能在电视广告中见过这种手法有的广告刻意悲情用悲伤的情绪连接受众让所呈现的数据格外突出有的广告明快欢乐让你把他们的数据与愉悦感受关联起来。课程给出了三种在数据沟通中运用情感的具体方式使用证言与个人故事Testimonials Personal Stories采集数据时尽量同时收集定量数据quantitative与定性数据qualitative并在沟通时整合两类数据。如果你的数据以定量为主就去寻找个体故事了解他们与数据所揭示现象的真实体验。使用图像Imagery图像能帮助受众代入某个情境。通过图像你可以把受众引向你认为他们应该对数据产生的情绪。使用颜色Color不同颜色唤起不同情绪。课程列举了几种常见颜色及其情绪联想注意颜色在不同文化中可能有不同含义蓝色通常唤起平静与信任peace and trust绿色通常关联自然与环境nature and environment红色通常代表激情与兴奋passion and excitement黄色通常代表乐观与快乐optimism and happiness案例研究产品经理 Emerson 的数据汇报课程通过一个完整案例把上述所有策略串成一次真实的数据沟通演练。背景Emerson 是一款移动应用的产品经理。他发现用户在周末提交的投诉与缺陷报告多出42%同时投诉后48 小时内未获回复的客户有32%的更高概率在应用商店给应用打出 1 或 2 星。完成研究后Emerson 准备了两套解决方案并与公司 3 位负责人安排了一次 30 分钟的会议目标只有一个让负责人理解以下两套方案能够提升应用评分进而大概率转化为更高营收。方案 1雇佣客服代表在周末工作方案 2采购新的客服工单系统让客服代表能轻松识别排队最久的投诉从而判断哪些需要最优先处理。失败的第一版会议Emerson 把 30 分钟这样分配——5 分钟解释低分评级的危害10 分钟讲解研究过程与趋势识别方法10 分钟逐条过近期客户投诉最后 5 分钟匆匆带过两套方案。结果会议结束后三位负责人的记忆截然不同一位负责人只记住了那 10 分钟的客户投诉另一位主要记住了研究过程描述第三位虽记住了方案却不确定方案如何落地。可以看到Emerson 想要的结论与负责人实际带走的结论之间存在巨大落差。改进的第二版会议应用五段式结构课程给出了更有效的重构方案背景Context约 5 分钟先完整介绍局面确保负责人理解问题如何影响营收等关键指标。例如目前我们应用在商店的评分为 2.5。评分对应用商店优化App Store Optimization至关重要它影响用户在搜索中看到我们应用的几率、潜在用户如何看待我们而用户数量直接关联营收。冲突Conflict约 5 分钟讲述数据揭示的问题。用户在周末提交的投诉与缺陷报告多 42%投诉后 48 小时未获回复的客户给出 2 星以上评分的可能性低 32%。将评分提升到 4 会让我们的可见度提高 20%-30%我预计这将带来约 10% 的营收增长。——当然Emerson 需要准备好为这些数字提供依据。高潮Climax约 5 分钟介绍拟议解决方案方案如何解决已识别的问题、如何融入现有工作流、成本多少、预期投资回报率ROI如何甚至可以展示方案落地后的截图或线框图还可以分享等待超 48 小时才获回复的用户证言甚至公司内部客服代表对现有工单系统的反馈。收束Closure约 5 分钟重申公司面临的问题回顾拟议方案并说明为什么这些方案是最合适的。结论Conclusion约 10 分钟由于这是少数利益相关者的小型会议、属于双向沟通Emerson 应预留约 10 分钟用于提问确保会议结束前任何让负责人困惑之处都被澄清。如果 Emerson 采用第二版方案负责人们极可能精准带走 Emerson 想传达的结论——投诉与缺陷的处理方式可以改进且有两套可落地的解决方案。这个仓库还提供了配套的演示图形文件 contenteditable="false">【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考