Ai tempi della scuola di specializzazione, il dipartimento di fisica ospitava settimanalmente conversazionidove i relatori ospiti sarebbero venuti a presentare le loro ricerche. La storia tipica era che la maggior parte del pubblico capiva la prima diapositiva (titolo) e forse la seconda (ordine del giorno), ma poi si perdeva.
IL lo stesso accade nella scienza dei dati quando le parti interessate non tecniche assistono alle presentazioni della (maggior parte) dei data scientist. “Aveva senso finché non hai iniziato a parlare di suddivisioni dei test dei treni e di AUC”, potrebbero dire.
Sebbene questa possa sembrare una realtà inevitabile della scienza dei dati, ho imparato che spiegare questi argomenti in modo più efficace non solo è possibile ma essenziale per far avanzare una carriera nella scienza dei dati.
Qui condivido i principali suggerimenti di comunicazione che ho utilizzato per ottenere una promozione, acquisire clienti e spiegare l'intelligenza artificiale Oltre 100.000 persone.
L’importanza della comunicazione potrebbe scioccare alcuni e incontrare una certa resistenza. Quindi, permettetemi di spiegarlo un po' di più.
I data scientist in genere non risolvono i loro problemi; piuttosto, risolvono i problemi di altre persone (cioè delle parti interessate). Ecco come i data scientist generano valore in un contesto aziendale.
Pertanto, la quantità di valore fornita da un data scientist è direttamente proporzionale all'efficacia con cui riesce a collaborare con le parti interessate non tecniche. Per dirla chiaramente, se le parti interessate non comprendono e non adottano la tua soluzione, fornisce valore zero.
Alcuni potrebbero pensare che la comunicazione sia una di quelle abilità che o hai o non hai. Questo, ovviamente, è falso. Comunicazione (come qualsiasi altra abilità) può e deve essere sviluppato attraverso la pratica.
Ad esempio, ho iniziato questo viaggio come studente laureato in fisica eccessivamente tecnico, ma dopo 5 anni passati attivamente a fare presentazioni, scrivere articoli, realizzare video su YouTube, ospitare eventi, intervistare imprenditori e fare consulenze tecniche, ora vengo elogiato (e pagato) per le mie capacità comunicative. Se posso farlo io, puoi farlo anche tu.
Di seguito sono riportati i suggerimenti di comunicazione che utilizzo più spesso. Anche se qui mi concentrerò sulle presentazioni tecniche, questi suggerimenti si applicano ampiamente alle conversazioni, alla scrittura e altro ancora.
Un vantaggio dello sviluppo di questa abilità come scienziato dei dati è che il livello è così basso che addirittura diventare un buon comunicatore può metterti davanti alla maggior parte dei tuoi colleghi (ne sono la prova vivente).
Il modo più potente per comunicare è attraverso lo storytelling. Il nostro cervello è cablato per le storie (1). Quindi, più puoi usarli, meglio è.
Quando dico “storia”, potresti pensare alla definizione dei libri di testo, cioè un resoconto di persone ed eventi immaginari o reali (2). Ma lo intendo in un senso più ampio, che ho ripreso dal libro Il segreto del narratore (1).
Lì l'autore definisce a storia COME qualsiasi racconto in 3 parti. Alcuni esempi di questo sono:
- Status quo. Problema. Soluzione.
- Che cosa? Perché? Come?
- Che cosa? E allora? E adesso?
Ecco come appare in azione il primo esempio qui sopra.
L’intelligenza artificiale ha preso d’assalto il mondo degli affari (status quo). Sebbene il suo potenziale sia chiaro, tradurlo in specifiche applicazioni aziendali che generano valore rimane una sfida (problema). Qui discuto 5 storie di successo dell'intelligenza artificiale per aiutarti a guidarne lo sviluppo nella tua azienda (soluzione).
La scienza dei dati è piena di idee astratte che hanno poca somiglianza con la nostra vita quotidiana (ad esempio, caratteristiche, adattamento eccessivo, maledizione della dimensionalità). Un modo potente per rendere riconoscibili queste idee astratte è attraverso esempi specifici.
Dimostriamo il potere degli esempi con l'esempio. Supponiamo che uno stakeholder ti chieda: “Che cos'è una caratteristica?”
Il tuo istinto potrebbe essere quello di dare una definizione, ad esempio, “Le funzionalità sono ciò che usiamo per fare previsioni.” Tuttavia, questa è un’affermazione piuttosto vaga.
Un modo semplice per chiarire questo è far seguire alla definizione generale un esempio specifico come, “Ad esempio, le caratteristiche del tasso di abbandono dei nostri clienti sono l'età dell'account e il numero di accessi negli ultimi 90 giorni.”
Sebbene gli esempi siano potenti, a volte non portano a termine il lavoro. È qui che entrano in gioco le analogie. Analogie sono potenti perché mappare il familiare con l'ignoto.
Ad esempio, l'altro giorno, mi sono ritrovato a spiegare Interpretabilità meccanicistica a un cliente non tecnico. Questo è un termine grande e spaventoso (anche per i data scientist), quindi ecco come l'ho spiegato.
Le moderne IA come ChatGPT sono potenti, ma non sappiamo davvero come funzionano sotto il cofano. L'idea con l'Interpretabilità Meccanistica è quella di guardare sotto il cofano per scoprire cosa fanno le diverse parti del modello.
Confrontando un LLM (non familiare) con il motore di un'auto (familiare), questo concetto astratto diventa molto più digeribile.
In un mare di idee e parole, i numeri tendono a risaltare. Questo li rende un modo efficace per trasmettere informazioni.
Ad esempio, sto utilizzando questa tecnica per strutturare i 7 suggerimenti di comunicazione contenuti in questo articolo. Tuttavia, questo va oltre il tipico elenco Internet che potresti vedere.
Un altro modo per utilizzare gli elenchi numerati è quando facendo più punti nel flusso di comunicazione. Ad esempio, voglio sottolineare 2 punti qui: 1) i numeri ci risaltano e 2) forniscono un modo chiaro per strutturare le informazioni.
Il motivo (IMO) funziona così bene è perché numeri come 1, 2, 3, ecc. Sono concetti così basilari e familiari che richiedono poco sforzo cognitivo per essere elaborati.
“Non ho avuto il tempo di scrivere una lettera breve, quindi ne ho scritta una lunga.” —Mark Twain
Questo è il principio fondamentale di una comunicazione efficace. Il tuo pubblico ha solo a quantità finita di attenzione per darti. Pertanto, come comunicatori, dobbiamo essere economici nel dedicare l'attenzione del nostro pubblico.
Anche se potresti pensare che meno parole significhino meno tempo, spesso è vero il contrario. Distillare le idee fino all'essenziale richiede molte iterazioni.
Ciò può significare ridurre il numero di diapositive in una presentazione, il numero di elementi su ciascuna diapositiva e persino il numero di caratteri utilizzati nel titolo.
Ecco alcune euristiche che utilizzo in un contesto aziendale:
- Mantieni i discorsi per 20 minuti o meno (~10 diapositive o meno)
- Non includere più di 3-5 elementi per diapositiva
- Rendi i punti elenco il più brevi possibile (fino al personaggio)
Un corollario di meno è di più è immagini piuttosto che parole. Il nostro cervello impiega più tempo per elaborare il testo che le immagini, quindi trasmettere idee attraverso le immagini è un modo irragionevolmente efficace per preservare l'attenzione limitata delle persone pur mantenendo il punto.
Ecco l'analogia di messa a punto del Suggerimento 3, rispetto a una rappresentazione visiva della stessa idea.
Ciò evidenzia la potenza delle visualizzazioni dei dati. Sebbene questo argomento meriti un articolo dedicato, condivide il principio fondante di meno è meglio.
Questo suggerimento finale è stato un punto di svolta per me. Prima tendevo a sbrigare le presentazioni. Questo era probabilmente il risultato del nervosismo e del semplice tentativo di farla finita. Alla fine, però, ho capito che i nervi si calmavano naturalmente rallentando il ritmo e usando un tono più calmo.
Rallentare ha l'ulteriore vantaggio di migliorare l'esperienza del pubblico. Un discorso frettoloso può sembrare come essere colpiti da una caserma dei pompieri, mentre uno con ritmo sostenuto è come un ruscello rilassante. Di conseguenza, un discorso breve e affrettato è più doloroso di uno lungo e ben ritmato.
Sebbene i suggerimenti sopra riportati possano apportare rapidi miglioramenti alla propria comunicazione, il loro impatto sarà limitato se la comunicazione non è adattata al pubblico. Ciò evidenzia l’importanza dell’empatia.
Empatia significa vedere le cose dalla prospettiva di qualcun altro. È essenziale per una comunicazione efficace perché fornisce il contesto per inquadrare tutti gli aspetti della presentazione.
Quanto più riesci a metterti nei panni del pubblico, tanto più efficacemente puoi parlare a ciò a cui tengono e che capiscono.
Il fattore limitante della maggior parte dei data scientist non sono le loro competenze tecniche ma la loro capacità di comunicare in modo efficace. Sviluppare questa competenza è uno dei modi migliori per i professionisti della scienza dei dati di far avanzare la propria carriera e avere un impatto maggiore.
Qui ho condiviso 7 suggerimenti che mi sono stati molto utili per migliorare la mia comunicazione. Se hai suggerimenti che ti sono stati utili, scrivili nei commenti 🙂
Fonte: towardsdatascience.com
