El proceso de Data Science: 5 consejos para una narración de datos eficaz

Data Intelligence

El proceso de Data Science: 5 consejos para una narración de datos eficaz

Jaime Perez Cuadrado | Jul 24, 2019

Hemos llegado al último paso en nuestra serie de publicaciones sobre el proceso de Data Science. Al fin tenemos los resultados de nuestras investigaciones, hemos trabajado con un montón de datos, los hemos cargado, procesado, transformado y analizado, hemos desarrollado modelos aplicando un conjunto de variables para obtener la solución del problema que queríamos resolver.  Es hora de enseñar nuestra solución y explicar, especialmente a la audiencia de usuarios empresariales, el razonamiento que hemos seguido para alcanzar el objetivo y lo que nuestra solución les ofrece.

Este es uno de los momentos más difíciles que tendrás que afrontar, tienes que dar con el «tono correcto» en tu comunicación, tienes que ser claro y conciso; de lo contrario, todo el esfuerzo puesto en los anteriores pasos del proceso será en vano. Intentaré darte algunos consejos para cuando presentes tu trabajo.

Nº 1: Recuerda el objetivo original

Es una situación muy corriente: estás inmerso en todo tipo de tareas operativas y se te está acabando el tiempo, puede ser que estés tan abstraído que cuando expliques la solución, no seas capaz de relacionarla con el problema original.

Mi primer consejo es rebobinar un poco, reordenar tus ideas situando el problema original en el centro de atención y luego ir bajando a los detalles que te hicieron seguir un camino u otro, para seleccionar una solución u otra. ¿Parecen mapas mentales? Bueno, podrían resultarte útiles para recopilar y esbozar ideas en un enfoque de «flujo libre» y luego decidir qué quieres guardar para tu narración.

Nº 2: Los datos pueden salvarte la vida, o matarte

Ya debería haber quedado claro que la piedra angular sobre la cual se asienta tu casa (tu solución) son los DATOS, ellos desempeñan el papel más importante en tu historia y por eso, tienen que ser incontestables. Evalúa la exactitud de los datos y tu capacidad para explicarlos con claridad; los datos contradictorios, las fuentes poco fiables, las transformaciones poco claras minarán la credibilidad general de tu historia.

¿Tienes unos datos perfectos? No es suficiente, si explicarlos es demasiado complicado y difícil de entender para tu audiencia (incluso si son correctos). Valora opciones alternativas para expresar tus conceptos. Es más cierto que nunca: al contar una historia, menos es más.

Nº 3: Hablar en argot

Esta es una trampa clásica; tu equipo de ciencia de los datos es técnicamente fortísimo, durante las pausas para el café hablan entre sí en Python, pero luego se esfuerzan por crear un «terreno común» con los usuarios empresariales. Ya hemos comentado en otros artículos cómo una aplicación notebook, si se utiliza correctamente, puede resultar fructífera para cerrar la brecha entre los científicos y la comunidad de usuarios finales, pero en este paso no sería suficiente, aquí estamos preparando la presentación final, la reunión con implicados clave. Es el momento de utilizar nuestra mejor baza.

Los mejores narradores son los que tienen una formación funcional, no corren el riesgo de ser demasiado técnicos (porque no pueden) y normalmente tienen (o aprenden rápidamente) el vocabulario empresarial de la audiencia a la que tienen que dirigirse.

Utiliza un lenguaje de alto nivel cercano al negocio, es decir, no hables de los campos de una tabla que nadie conoce ni de bibliotecas de Python que tu audiencia ignora. Habla de entidades y tareas empresariales, habla de conceptos empresariales, intenta traducir los datos a la terminología empresarial.

Omite los detalles innecesarios; los detalles técnicos siempre estarán ahí, en reserva, y puedes satisfacer tu ego tecnológico enseñándolos... pero solamente si alguien pregunta explícitamente por ellos.

Nº 4: Una imagen vale más que...

Piensa en tu niñez, tus primeros libros estaban hechos solo de imágenes, luego pasaste a los cómics y solo años más tarde pudiste enfrentarte a libros de solo texto; la razón es sencilla, los humanos se manejan mejor con imágenes que con palabras.

Intenta ser tan visual como sea posible; en un proceso basado por completo en datos, esto no debería ser una tarea complicada. Hoy día existen tantas «herramientas visuales» que puedes utilizar para apoyar tu narración, que encontrar la más adecuada (para ti y para tu audiencia) es a menudo una mera cuestión de práctica. La mayoría de las herramientas que ha utilizado tu equipo durante el proceso de Data Science (por ejemplo, Python, R-Studio, MatLab, Octave, etc.) poseen algunas capacidades de presentación, pero limitadas a las tareas para las cuales se han diseñado, lo que significa principalmente tareas de manipulación, exploración e investigación.

Tu narrador (recuerda, es bastante probable que él o ella no sea un gurú tecnológico) puede ser mucho más efectivo si utiliza una de las numerosas soluciones de visualización de datos disponibles, más o menos todas ellas tienen funcionalidades incorporadas para la narración. Herramientas como Tableau, Qlik, Power BI, SAS Visual Analytics, Oracle Data Visualization ayudan al usuario a completar el cuadro seleccionando informes, cuadros de mandos, marcos de visualización de alto impacto, y añadiéndoles anotaciones, explicaciones, recursos multimedia y todo lo necesario para que tu presentación sea memorable (obviamente todos ellos pueden exportar contenidos a herramientas de Office, en primer lugar a PowerPoint).

Además, la mayoría de estas herramientas pueden ampliarse importando o enlazando capacidades externas para satisfacer necesidades muy específicas; por ejemplo, se puede utilizar D3.js, Dygraphs, o JIT para mejorar efectos gráficos, mientras que CartoDB, Mapbox, Google Maps pueden resultar útiles si quieres integrar tus datos en mapas.

Todos estos recursos siempre parecen muy chulos a primera vista, por lo que tu narrador podría sentirse tentado a «sobreactuar»; utilízalos, pero sin abusar. Respira y repite conmigo: «En comunicación, menos es más». Mostrar sólo un gráfico a la vez es una buena práctica: no confunde a la audiencia y ayuda al narrador a explicar con claridad lo que se muestra y lo que significa en el contexto más amplio del problema que se aborda.


Nº 5: Una buena historia tiene un principio y un final

Tú y tu equipo habéis pasado de cuatro a seis meses realizando este brillante proyecto de aprendizaje automático, habéis seguido los pasos bien definidos de una metodología ágil, habéis recorrido las distintas etapas... En esencia, lo que tienes que contar es la historia de un viaje.

La comunicación debería consistir en una descripción breve, clara y sencilla de las etapas del viaje hacia la solución.

Básicamente, necesitas explicar:

  • Los motivos del viaje - los problemas empresariales que originaron el proyecto.
  • El punto de partida - la situación tal como estaba, el modo en que se hacían las cosas antes del proyecto.
  • El camino – resumen de los principales pasos, explicación de las decisiones que has tomado en cada encrucijada.
  • La belleza de la llegada - las ventajas que proporcionas a los usuarios empresariales.

 

Bien, estamos muy cerca del final, déjame darte el último consejo, probablemente el más relevante: para cada historia, para cada audiencia hay muchas herramientas y técnicas que pueden ayudarte de verdad a realizar esta tarea tan crucial, pero recuerda que el propio narrador es, con mucho, el elemento más importante de la presentación. 

 

Consigue una verdadera transformación digital

Desde Techedge, debido a nuestra amplia experiencia, nos ofrecemos a ser tu partner en este proceso clave de una adecuada transformación digital. 

¡Quiero saber más!

¡Suscríbete!