Mudro korištenje nadzornih ploča s podacima

Sadržaj

• Ključne točke
• Signal i buka
• Analitika ljudi
• U mom analitičkom timu postoje znanstvenici podataka - u čemu je razlika?
• Zaključak

Ključne točke

• Analitika je rezultat velikog broja podataka koji ispunjavaju nadzorne ploče u mnogim primijenjenim postavkama.
• Nadzorne ploče obično grade znanstvenici koji obrađuju podatke čija je obuka tehnička, a ne znanstvena.
• Znanstvenici u ponašanju koriste svoje duboko znanje o ljudskom ponašanju kako bi otkrili ključne točke u podacima.

Zamislite da gledate prezentaciju vašeg marketinškog odjela. Udružili su se s analitičkim timom kako bi izradili sofisticiranu nadzornu ploču, osvježenu podacima u stvarnom vremenu, koja uključuje desetke statistika. Brojke, grafikoni i animacije pružaju preciznu sliku stanja u odjelu, usporedbe izvedbe s prošlom godinom, pa čak i projekcije za sljedeću godinu. Svaki odjel u vašoj organizaciji ima takvu nadzornu ploču.

Na tim nadzornim pločama postoji gomila informacija. Što biste trebali učiniti s tim?

Signal i buka

Znanstvenici u ponašanju mogu vam pomoći u odabiru novih i korisnih signala koji su skriveni u buci vaših velikih skupova podataka. Njihova obuka iz statistike i znanstvenog rasuđivanja može osigurati da zaključci izvedeni iz analitike budu primjereni - kad, na primjer, statistički značajan rezultat ima ili nije praktično značajan.

Kao još jedan primjer, zamislimo da je analitički tim izgradio složeni model koji koristi podatke o prodaji, nekoliko izvora podataka o tržištu rada i ponašanju potrošača te tehnike strojnog učenja. Model predviđa budući tržišni udio s 81% točnosti. Analitički tim ovaj bi model mogao smatrati poraznim uspjehom.

Međutim, da bi se u potpunosti procijenila vrijednost modela, treba uzeti u obzir nekoliko drugih kriterija. Je li model uspoređen s alternativama - predviđa li puno jednostavniji algoritam predviđanja zasnovan na heurističkom algoritmu (koji ne košta gotovo ništa) kao i složeni model? Koliko je robustan model da pogriješi u procjenama parametara (radi li i dalje ako, recimo, izbije pandemija)? Možete li izvedivo reproducirati uvjete koje model pretpostavlja čak i ako su zaključci statistički valjani?

Znanstvenik, poput psihologa istraživanja, koji je obučen za znanstvenu metodu i filozofiju znanosti mogao bi povećati vrijednost vaše analitike postavljanjem ovih izazova.

Analitika ljudi

Tim za analitiku ljudi bez bihevioralnog znanstvenika može biti dragocjen. Moglo bi biti korisno znati, na primjer, projicirane potrebe zapošljavanja, učinkovitost alata za procjenu ili kada su u životnom ciklusu zaposlenici prošli zaposlenici najčešće prestajali.

Te statistike, međutim, ne mogu vam reći kako vašu trenutnu radnu snagu možete učiniti otvorenijom za promjene, zašto alat za procjenu nije radio ili kako izgraditi dublju vezu s ljudima koje želite zadržati u blizini. Znanstvenik u ponašanju može tim ljudima uzimati analitičke podatke i empirijski donositi preporuke kako ih protumačiti i, što je još važnije, što učiniti dalje.

Svaka analitika koja uključuje ljude (što je većina njih) mogla bi se ojačati ulogom kvalificiranog bihevioralnog znanstvenika. Ako upotrebljavate podatke o povratnim informacijama kupaca ili zaposlenika, psiholog istraživanja može smanjiti pogrešku u tim podacima ili "provjeriti" u alatima za prikupljanje i analizu podataka vaših dobavljača.

Za podatke ankete, kako i kada se postavljaju pitanja? Jesu li se pokazali da su odgovori valjani prediktori značajnih ishoda? Uključuju li se vaši kupci ili zaposlenici u smanjenje kognitivne disonance, socijalnu usporedbu, pogrešno pripisivanje izvora ili predvidljive pristranosti u odgovoru? Analitički tim vjerojatno neće moći odgovoriti na ta pitanja. No, odgovori bi mogli biti presudni pri utvrđivanju što zapravo znače svi brojevi na nadzornoj ploči i kako bi trebali voditi vašu sljedeću odluku.

Ako obrađujete otvoreni tekst koristeći pripremljeni algoritam dobavljača, što algoritam radi i koje baze podataka ili knjižnice koristi? Bez znanstvenika u ponašanju vjerojatno koristite iste tehnike kao i druge organizacije. Sa bihevioralnim znanstvenikom možda ćete pronaći načine kako razlikovati nove uvide od svojih podataka.

U mom analitičkom timu postoje znanstvenici podataka - u čemu je razlika?

Znanstvenici podataka osposobljeni su za upravljanje velikim skupovima podataka, primjenu analitičkih tehnika, kodiranje i izgradnju vizualizacija (između ostalih takvih funkcija). Dobri znanstvenici podataka imaju elitne vještine i apsolutno su neophodni za dobivanje vrijednosti iz vaših podataka.

Oni, međutim, nisu obučeni za znanstvenu metodu ili filozofiju znanosti. I nemaju obuku u više od 100 godina istraživanja ljudskog ponašanja koje ima istraživački psiholog. Znanstvenici podataka možda neće prepoznati potpunu sliku onoga što bi neki rezultati analitike mogli značiti. Oni također možda nikada nisu naučili određene analize koje se mogu koristiti za prikupljanje psiholoških uvida iz podataka.

Zaključak

Što zapravo znače sve nadzorne ploče? Koji su rezultati najvažniji? Je li nešto što je predstavljeno kao prediktor ili vodeći pokazatelj, zapravo zaostalo? Koje su alternativne hipoteze provjerene u odnosu na zaključke?

Što bi, ukratko, trebali učiniti sa svim rezultatima analitike? Zaključci koje podatkovni tehničari mogu izvući iz podataka ograničeni su. Znanstvenici u ponašanju imaju skup vještina koji može nadići brojčane obrasce, matematiku tehnika analize i složene softverske alate te pomoći u otkrivanju najvrjednijih nalaza - signala u buci koji bi trebao voditi vaše sljedeće korake.