如何更好地作为数据科学家进行沟通

原文：towardsdatascience.com/how-to-better-communicate-as-a-data-scientist-6fc5428d3143

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/57303eba632bf29139041b123b635534.png

图片由作者提供

在我之前的文章中，我提出了“*沟通我们的工作与编写代码、构建模型和产品以完成任务一样重要。”*的观点。

不幸的是，在现实中，我观察到许多数据科学家（尤其是初级数据科学家）在工作的讲故事部分上挣扎。他们手头有所有数据，但不知何故，信息似乎并没有传达给观众，分析最终变成了一份摆放在书架上的漂亮报告，无人问津，毫无影响。那么到底出了什么问题？

这里有一些我在这些年里学到的技巧，这些技巧将帮助你们作为数据科学家提高沟通能力。

始终使用金字塔原则

许多数据科学家以线性方式沟通（如图表左侧所示）。这是可以理解的，因为这是我们体验事物的方式，也是我们在日常生活中讲故事的方式。但这种方式并不是传达重要信息的最有效方式，因为听众在这种沟通中很容易迷失或感到无聊。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/3dc6c01a096e88ba43fa46cf9d261575.png

图片由作者提供

在商业沟通中，金字塔原则是金标准——如图表右侧所示。简单来说，始终从最重要的信息开始——洞察力；然后深入到细节。

与报纸文章的标题相似，洞察力会吸引观众的注意力。它们是你最终想要传达的内容，因此你需要将它们放在最前面。如果观众对细节感兴趣，他们会继续阅读（倾听）；如果不感兴趣，他们会得到最重要的信息。

清理格式和语法

这可能看起来像是吹毛求疵，但让我告诉你为什么它可能比你想象的更重要。

我们大多数人知道阿尔伯特·梅拉比安的“7-38-55”口头沟通法则，它强调只有 7%的沟通是关于实际内容的，其余的是语气（38%）和肢体语言、面部表情等（55%）。当涉及到书面沟通时，可能不会那么极端，但你可以确信，你工作的视觉呈现已经在无声中传达了工作的质量。

当人们打开一个文档，里面包含着不同字体的数字和段落，没有正确的缩进，满是拼写错误的下划线等，他们很可能会开始怀疑分析过程中投入的勤奋程度，以及由此延伸出的结论质量。

这也是对观众的不尊重；混乱的格式会给读者带来额外的心理负担，他们必须弄清楚这一切。

那么你该如何着手呢？

一般的规则是尽可能使数字易于消化，并去除所有无用的细节。

让我用一个例子来演示我的意思：假设你想要传达关于用户基础构成的洞察，按国家划分。

一些数据科学家可能会展示如下：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/21b5029163457b4f19d9f87b982ba99c.png

图片由作者提供

你可以立即做的几件低努力的事情：

• 将数字格式更改为分隔千位的格式（在 Excel / Google Sheets 中，更改为“数字”格式并删除小数点）

• 按降序排列，以便信息更容易消化

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/5e9e3ddbf409a31fd0b1540477933f1d.png

图片由作者提供

详细数字更难理解。根据受众，他们可能不需要那么详细的程度，因此你可以进一步简化，并用千为单位表示数字：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/085ff9cbf4947e1f72000df6083b56ef.png

图片由作者提供

选择合适的图表来传达你的观点

你选择的图表类型可能会凸显或埋没你的洞察力；图表应该作为对观众的一种视觉辅助。能够判断哪种图表/表格可以更有效地传达洞察力是数据科学家应具备的关键能力。

在上面的例子中，你最终的目标可能是传达按国家划分的会员基础。饼图比原始数字表或柱状图提供更直观的视觉效果，并且更容易判断每个桶的相对大小。

看看下面的图表，即使没有任何叙述，我也可以直观地得出一些洞察，比如“我们会员基础的超过一半居住在美国”或“德国、英国和意大利的用户数量相似”。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/a7f5d6361c62d351d4f05d33bf60a95d.png

图片由作者提供

专注于重要的数字，而不是展示所有数字

沟通就是关于优先级。你不必包含所有数字，仅仅因为你拥有它们。你想要帮助读者集中注意力，而不是用无关信息分散他们的注意力。

以我们的例子继续，展示长尾数字真的有意义吗？很可能没有。注意，上面自动生成的饼图已经出于这个原因隐藏了一些国家——它们太小，无关紧要，所以没有必要将它们挤到图表上。

因此，更好地呈现数据的方法是要么将长尾分组（在脚注中描述分组包含的内容）要么完全去除（如果它是另一种类型的图表，如分布图，而长尾不提供任何价值）。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/00a2219e17ac35509a2a1fc4ce2277de.png

图片由作者提供

请记住，没有经过练习，用数据有效地讲故事的能力是不会自然产生的。但这是区分优秀数据科学家和一般数据科学家的关键技能之一。

最佳的练习方式是通过实践。当有机会进行展示时，抓住机会，与队友或经理进行模拟演练，并在展示前后获取反馈。

想要关于如何成为更优秀数据科学家的文章？以下是一些建议：

一个能让你成为更优秀数据科学家的思维转变

如何让自己作为数据科学家更具抗裁员能力

软技能是你在数据科学面试中脱颖而出的关键

我在数据科学职业生涯中希望避免的 5 个错误