العلاقات في تحليل البيانات

العلاقات في تحليل البيانات

انتهيت مؤخرًا من قراءة كتاب المديرية   لستيف كول ، والذي يسرد أحداث الحرب الأمريكية في أفغانستان بعد 11 سبتمبر. إنه كتاب جيد ، وقد تم تعليق سطر واحد بالنسبة لي لأنني اعتقدت أن له صلة بتحليل البيانات. في أحد الفصول ، يكتب كول عن اللفتنانت كولونيل جون لوفتيس ، الذي ساعد في إدارة برنامج تدريب للمسؤولين العسكريين الأمريكيين الذين كانوا يستعدون للذهاب للخدمة في أفغانستان. في إشارة إلى المجتمع الأفغاني ، قال ، "كل شيء هناك يتعلق بالعلاقات". في ذلك الوقت ، كان لدى أفغانستان عدد قليل من المؤسسات المستقلة وكان إنجاز مهام معينة يعتمد على معرفة بعض الأشخاص ووجود علاقة جيدة معهم.

أجد أن تحليل البيانات غير ناضج كمجال مستقل. تستخدم العديد من الأدوات - الرياضيات والإحصاء وعلوم الكمبيوتر - الناضجة والمدروسة جيدًا. لكن عملية تحليل البيانات ليست مدروسة جيدًا. ومثل أي منظمة (أو دولة) غير ناضجة ، لا يزال الكثير من تحليل البيانات يتعلق بالعلاقات الإنسانية. أعتقد أن هذا جانب غالبًا ما يتم تجاهله في تحليل البيانات لأن الناس يأملون في أن نتمكن من بناء الأدوات والتكنولوجيا إلى الحد الذي لا نحتاج فيه إلى الاعتماد على العلاقات. في النهاية ، سنجد الأساليب الصحيحة عالميًا وبالتالي لن تكون هناك حاجة كبيرة للمناقشة.

العلاقات الإنسانية غير مستقرة ولا يمكن التنبؤ بها وغير متسقة. الخوارزميات والأدوات الإحصائية يمكن التنبؤ بها وفي بعض الحالات تكون مثالية. ولكن لأي سبب من الأسباب ، لم نتمكن بعد من التوصيف الكامل لجميع العناصر التي تجعل تحليل البيانات ناجحًا بتنسيق "قابل للقراءة آليًا". لم نطور "مؤسسات" لتحليل البيانات يمكنها العمل دون الحاجة إلى إشراك أفراد معينين. لذلك ، نظرًا لأننا لم نكتشف بعد نموذجًا مثاليًا للسلوك البشري ، فسيتعين على البشر إجراء تحليل البيانات لفترة أطول قليلاً.

في تجربتي ، هناك عدد قليل من العلاقات الرئيسية التي يجب إدارتها في أي تحليل للبيانات وأنا أناقشها أدناه.

محلل بيانات

في نهاية اليوم ، يجب على شخص ما أن يدفع مقابل تحليل البيانات ، وهذا الشخص هو الراعي. قد يكون هذا الشخص قد حصل على منحة ، أو وقع على أحد العملاء ، أو حدد ببساطة الحاجة والموارد اللازمة لإجراء التحليل. الشيء الرئيسي هنا هو أن المستفيد يوفر الموارد ويحدد الأدوات المتاحة للتحليل. عادة ، الموارد التي نهتم بها هي الوقت المتاح للمحلل. يتحكم المستفيد ، من خلال تخصيص الموارد ، في نطاق التحليل. إذا احتاج المستفيد إلى التحليل غدًا ، فسيكون التحليل مختلفًا عما إذا كان يحتاج إليه في غضون شهر.

يمكن أن تؤدي العلاقة السيئة هنا إلى توقعات غير متطابقة بين المستفيد والمحلل. غالبًا ما يعتقد المستفيد أن التحليل يجب أن يستغرق وقتًا أقل مما يستغرقه بالفعل. على العكس من ذلك ، قد يقود المحلل إلى الاعتقاد بأن المستفيد يخصص عمدًا موارد أقل لتحليل البيانات بسبب أولويات أخرى. لا شيء من هذا جيد ، ويجب أن تكون العلاقة بين الاثنين قوية بما يكفي لتصويب أي خلافات أو ارتباك.

محلل بيانات وخبير في الموضوع

هذه العلاقة مهمة لأن محلل البيانات يجب أن يتعلم السياق حول البيانات التي يقومون بتحليلها. يمكن للخبير في الموضوع توفير هذا السياق ويمكنه طرح الأسئلة ذات الصلة بالمجال الذي تقدمه البيانات. هناك حاجة أيضًا إلى الخبير للمساعدة في تفسير النتائج ووضعها في سياق أوسع ، مما يسمح للمحلل بتقييم الأهمية العملية (على عكس الأهمية الإحصائية) للنتائج. أخيرًا ، سيكون لدى الخبير إحساس بالتأثير المحتمل لأي نتائج من التحليل.

غالبًا ما تؤدي العلاقة السيئة بين المحلل والخبير إلى

تحليل غير ذي صلة . قد يؤدي عدم التواصل بين الخبير والمحلل إلى أن يسير المحلل في طريق لا يهم الجمهور ، بغض النظر عن مدى صحة التحليل. من واقع خبرتي ، تكون هذه النتيجة أكثر شيوعًا عندما لا يكون للمحلل أي علاقة بخبير الموضوع.

اخطاء . قد يؤدي سوء فهم المحلل لبعض البيانات أو سياق البيانات إلى تحليل ملائم ولكنه غير صحيح. يجب أن يكون المحللون مرتاحين في توضيح تفاصيل البيانات مع الخبير من أجل تجنب الأخطاء.

تفسير متحيز . النقطة هنا ليست أن العلاقة السيئة تؤدي إلى التحيز ، ولكن العلاقة السيئة يمكن أن تدفع الخبير إلى عدم الثقة بالمحلل وتحليله ، مما يدفع الخبير إلى الاعتماد بقوة أكبر على مفاهيمه المسبقة. يمكن أن تؤدي العلاقة القوية بين الخبير والمحلل إلى أن يكون الخبير أكثر انفتاحًا على الأدلة التي تتعارض مع فرضياتهم ، والتي يمكن أن تكون حاسمة للحد من التحيزات الخفية.

محلل البيانات والجمهور

يحتاج محلل البيانات إلى إيجاد طريقة ما لتقييم احتياجات وقدرات الجمهور ، لأنه يوجد دائمًا جمهور. من المحتمل أن يكون هناك العديد من الطرق المختلفة لتقديم نتائج التحليل ومن مهمة المحلل تحديد أفضل طريقة لجعل النتائج مقبولة للجمهور. قد تشمل العوامل المهمة مقدار الوقت الذي يجب أن يشاهده الجمهور للعرض التقديمي ، ومدى ميلهم / تدريبهم رياضيًا ، وما إذا كان لديهم أي خلفية في الموضوع ، وما هي "اللغة" التي يتحدثون بها ، أو ما إذا كان الجمهور سيحتاج إلى توضيح القرار بناء على تحليلك. على غرار خبير الموضوع ، إذا كان للمحلل علاقة سيئة مع الجمهور ، فمن غير المرجح أن يثق الجمهور في التحليل ويقبل نتائجه. في أسوأ الأحوال ، سيرفض الجمهور التحليل دون التفكير بجدية في مزاياه.

غالبًا ما يتعين على المحللين تقديم نفس التحليل إلى جماهير متعددة ، ويجب أن يكونوا مستعدين لتغيير وإعادة ترتيب التحليل ليلائم تلك الجماهير المتعددة. ربما يكون أحد الأمثلة التافهة ، ولكن الحقيقية ، على ذلك هو عندما أذهب لإلقاء محاضرات في أماكن أعرف أن شخصًا هناك قد طور طريقة مرتبطة بحديثي ، سأتأكد من تطبيق طريقتهم على بياناتي والمقارنة إلى مناهج أخرى. في بعض الأحيان تكون طريقتهم أفضل حقًا من الأساليب الأخرى ، ولكنها في معظم الأحيان تعمل بشكل مقارن مع المناهج الأخرى (للأسف ، هذه هي طبيعة معظم الأبحاث الإحصائية!). ومع ذلك ، فإن القيام به أمر بسيط ولا يتطلب عادة الكثير من الوقت الإضافي ، ولكن يمكن أن يقطع شوطًا طويلاً في بناء الثقة مع الجمهور. هذا مجرد مثال واحد على كيف أن اعتبار الجمهور يمكن أن يغير التحليل الأساسي نفسه. لا يتعلق الأمر فقط بكيفية عرض النتائج.

آثار

من المغري التفكير في أن جودة تحليل البيانات تعتمد فقط على البيانات والنمذجة المطبقة عليها. لقد تم تدريبنا على الاعتقاد بأنه إذا كانت البيانات متوافقة مع مجموعة من الافتراضات ، فهناك نهج مثالي يمكن اتباعه لتقدير معلمة معينة (أو التوزيع اللاحق). لكن في تجربتي ، هذا بعيد كل البعد عن الواقع. غالبًا ما تكون جودة التحليل مدفوعة بالعلاقات بين المحلل والأشخاص المختلفين الذين لهم مصلحة في النتائج. في أسوأ السيناريوهات ، يمكن أن يؤدي انهيار العلاقات إلى فشل خطير .

أعتقد أن معظم الأشخاص الذين يحللون البيانات سيقولون أن تحليل البيانات يكون أسهل عندما يكون المستفيد وخبير الموضوع والمحلل والجمهور جميعًا نفس الشخص . والسبب هو أن العلاقات كلها مفهومة تمامًا وسهلة الإدارة. التواصل بسيط عندما يكون عليه فقط القفز من خلية عصبية إلى أخرى. غالبًا ما يكون إجراء تحليل البيانات "لنفسك" سريعًا ومتكررًا للغاية ويسهل إحراز تقدم. يمكن أن يكون التعاون مع الآخرين في تحليل البيانات بطيئًا ومليئًا بسوء التواصل ومحبطًا. أحد السيناريوهات الشائعة هو أن يكون المستفيد والخبير والجمهور هم نفس الشخص. إذا كانت هناك علاقة جيدة بين هذا الشخص والمحلل ، فيمكن لعملية تحليل البيانات هنا أن تعمل بسلاسة وإنتاجية كبيرة.

قد يؤدي الجمع بين الأدوار المختلفة في نفس الشخص أحيانًا إلى حدوث صراعات:

يتم دمج المستفيد مع الجمهور . إذا كان الجمهور يدفع مقابل العمل ، فقد يطلبون نتائج تؤكد تحيزاتهم الموجودة مسبقًا ، بغض النظر عن الدليل الذي قد تقدمه البيانات.

الخبير في الموضوع والمحلل هما نفس الشخص . إذا كان لدى هذا الشخص فرضيات قوية حول العلم ، فقد يميل إلى قيادة تحليل البيانات في اتجاه معين لا يتعارض مع تلك الفرضيات. قد يعترض الجمهور النهائي على هذه التحليلات إذا رأوا أن الأدلة المتناقضة يتم تجاهلها.

المحلل والجمهور متماثلان . قد يؤدي هذا إلى موقف يكون فيه الجمهور "على دراية كبيرة" بالتحليل لرؤية الغابة للأشجار. قد تمر جوانب مهمة من البيانات دون أن يلاحظها أحد لأن المحلل عميق جدًا في الأعشاب الضارة. علاوة على ذلك ، هناك قيمة محتملة وإجبار المحلل على ترجمة نتائجهم لجمهور جديد من أجل ضمان أن السرد واضح وأن الدليل قوي كما يعتقد.

يمكن أن يؤدي فصل الأدوار إلى أشخاص مختلفين أيضًا إلى مشاكل. على وجه الخصوص ، إذا كان المستفيد والخبير والمحلل والجمهور جميعًا منفصلين ، فيجب إدارة العلاقات بين هؤلاء الأشخاص بطريقة ما. في أسوأ الحالات ، هناك 6 أزواج من العلاقات يجب أن تكون على وفاق. ومع ذلك ، قد يكون من الممكن للمحلل إدارة "تدفق المعلومات" بين الأدوار المختلفة ، بحيث تظل العلاقات بين مختلف الأدوار الأخرى منفصلة في معظم الأوقات. ومع ذلك ، هذا ليس دائمًا ممكنًا أو جيدًا للتحليل ، وغالبًا ما تكون إدارة مختلف الأشخاص في هذه الأدوار هي الجانب الأكثر صعوبة لكونك محلل بيانات.

لطلب تحليل احصائي التواصل عبر الواتس اب اضغط هنا