学习如何利用正确的工具成为一个有效的讲故事者
讲故事已经存在很久了。它帮助人们更好地理解发生在他们周围和之前的事情。
人们不仅用它来吸引面前的观众的注意力，也吸引追随他们的人。
讲故事是一门艺术。随着时间的推移，讲故事的技巧、方法和工具发生了变化，但主要概念和目标保持不变，即有效地吸引你的观众，使他们能够真正地与你所说的联系起来。
作为数据科学家，我们也被教导要善于讲故事。原因是我们经常需要向不同的利益相关者展示我们的工作。因为他们来自不同的背景，所以我们必须相应地改变我们的语气。但在任何情况下，你的故事都是一样的。
有效讲述故事的技巧:
一个好故事有很多因素。让我们来探究一下:
尽可能多地沟通
沟通是有效完成某事的关键。当你作为一名数据科学家工作时，尽可能多地与不同的利益相关者沟通变得更加重要。
通常，我们可以将利益相关者分为四类:
1、用户：他们渴望看到经验方面的最佳解决方案
2、领域专家：他们负责用他们的领域专家知识提供帮助
3、管理人员：他们对了解业务和收入更感兴趣
4、技术人员：他们对事物的技术方面最感兴趣
为了有效地与他们沟通，你需要用他们能理解的方式与他们交谈。用户会对最终的解决方案和能够解决他们痛点的东西更感兴趣。高管和经理更倾向于收入和盈利相关的东西。而领域专家可能会用他们在相关领域的专业知识帮助您。您需要利用他们的知识为给定的问题构建一个好的解决方案。
从事实开始
讲故事从人们已经知道的事实开始。这可能是你的用户每天都要面对的问题，也可能是一些没有经过优化的问题，但是可以通过优化或者自动化解决。也许它能给你的公司带来更多的收入。
当你从人们已经知道的知识开始，他们就能更好地理解它。因为他们有这个问题的第一手经验。
通常，技术概念对于那些与技术没有直接关系的人来说是抽象、模糊和复杂的。
讲故事包括两部分:
i) -这些事实可以帮助你巩固你的论点，让你的听众容易理解背后发生的事情。
ii) -为了说服你的听众采取行动，并将故事中呈现的事物与他们的想法和方式联系起来，你所呈现的叙述
因此，您有必要以一种为预期的涉众部分描绘解决方案的方式来展示事实。
用可视化的方式吸引听众
你可能听过“一图胜千言”这句话。这是正确的。你可以用很多词向你的观众传达的东西，可以用一幅图像在短时间内说出来。
有不同的图表、图形和可视化，可以让您的受众更好地了解数据中发生了什么、趋势是什么以及数据的一般行为。
有时，在分析数据或应用不同的统计技术时，您可能会错过一些有用的信息。在这里，图像和图表发挥了作用。它们可以帮助您发现以前未被注意到的数据领域、方面和见解。
视觉化实际上是机会注意的体现，让你用观众能看到的东西来补充你的故事，但有些人也会把它搞砸。例如，如果您在一个图表中可视化了许多变量，您的用户可能会发现它太复杂了，尤其是在复杂图表的情况下。所以，我们总是希望保持可视化的简单和直接，这样你就可以利用它们来构建你的叙述。
使用统计学来理解你的数据
统计学对理解数据和理解数据有很大帮助。然后你就可以从中推断出许多事实，并利用它们来更好地理解它。
统计学主要分为两类:描述性和推理性。描述性统计试图描述现有的数据，而推理统计向您提供数据中不同特征或变量之间关系的概述。
通常，描述性统计允许我们获得关于我们当前或可用的一组数据的信息，而推理统计允许我们超越使用抽样来基于一个或多个样本来概括总体。
从故事叙述的角度来看，统计数据的重要性在于，它告诉你许多你可以获得的数据，然后将你的概括推广到所有可能无法获得属性或特征的人群。你可以用这些信息告诉你的听众数据中发现的不同见解，然后据此建立不同的假设。
解释你的模型是如何工作的
机器学习模型通常被称为“黑盒”模型。如果您使用过一些高级模型，那么就需要在性能和可解释性之间进行权衡。线性模型，逻辑回归模型和基于树的模型是容易解释的，而非线性模型是很难理解和解释的。
在现实世界中，没有人愿意使用他们不理解的东西。此外，在一些领域，如银行、保险和医药，有对流程进行可解释和解释的监管要求。可解释性的另一个方面是不同利益相关者的最终信任。每个人都知道，如果我们知道某样东西是如何工作的，它就会帮助我们有信心使用和信任它。
机器学习模型也是如此。人们会对那些对他们有意义的技术更感兴趣。
有各种各样的技术来解释机器学习模型。一些现有的技术与统计推断相关，它们可以帮助我们识别关键特征，并从数据中获得有意义的表示。
总结
我们只是触及了故事叙述的表面，但实际上远不止这些。这是一门你可以通过练习和学习而精通的艺术。
它可以帮助您从原始数据中挖掘出黄金，以及您和您的用户之前可能会错过的洞见和信息。
你讲故事的能力决定了你的工作能否成功，从一个概念的证明到一个被接受的解决方案。它可以帮助你在不太擅长理解技术概念的观众面前加强你的案例。
我希望您喜欢本文中提出的技巧。
期待听到精彩的数据故事和您对这篇文章的想法!
