用数据讲故事：Data-Science-For-Beginners 第 16 课 “Tell a Story“ 沟通作业实战指南

用数据讲故事Data-Science-For-Beginners 第 16 课 Tell a Story 沟通作业实战指南【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners数据科学离不开讲故事。在 Data-Science-For-Beginners 项目中数据科学生命周期的第三个主题专门探讨如何围绕数据展开沟通其中第 16 课 16-communication 的课程作业 Tell a story 要求你选取任意数据集撰写一篇一页纸的短文把数据背后的故事讲清楚。本文将以该作业为骨架完整解析作业要求与评分标准并结合本课的方法论受众分析、五种讲故事策略、单向/双向沟通和仓库内可直接使用的数据集与测验题给出从选题、探查数据、组织叙事到成文提交的完整实战方案。作业任务解读数据科学就是讲故事作业原文要求见 assignment.mdData Science is all about storytelling. Pick any dataset and write a short paper about a story you could tell about it. What do you hope your dataset can reveal? What will you do if its revelations prove problematic? What if your data doesnt easily unlock its secrets? Think of the scenarios your dataset might present and write them down.拆解后作业要求你完成四件事选择数据集从任意来源挑选一个数据集仓库 data/ 目录下已备有多种可选手数据集见下文撰写短文围绕这个数据集能讲述什么故事写一篇短文预判洞见说明你希望从数据中揭示什么hoped-for insights应对意外写出如果数据揭示的结论与预期不符revelations prove problematic、或者数据并不容易显露出模式doesnt easily unlock its secrets时你打算如何处理——把数据集可能呈现的各类场景逐一写下来。换句话说这个作业的核心不是跑出多好看的图表而是提前想清楚数据的多种可能性并在论文中诚实记录。这与课程中以终为始但绝不 cherry-picking只挑支持自己观点的数据的原则一脉相承见 16-communication/README.md。为什么讲一个数据故事而不是报一串数字在动手写作前先理解课程给出的核心立场沟通to communicate是传递或交换信息而数据沟通的目标不是把数字原样抛给听众而是讲述一个由数据支撑的故事。听众更容易记住一个故事而不是一个孤立的数字。课程区分了两种沟通类型你的作业提交形式取决于你如何设想受众单向沟通One-Way Communication发送方只传递信息、不求反馈例如群发邮件、新闻播报、大会演讲。若你的短文面向这种场景就必须在文内给出足够上下文让读者不需要提问也能看懂。双向沟通Two-Way Communication双方互为发送方与接收方例如小组讨论、与利益相关方开会。若你设想作业会被讨论、被质疑写作时就要预埋可追问的细节并准备好回应。五种受众决定你的叙事密度课程引述了 Jim Stikeleather 提出的五类受众详见 16-communication/README.md 第 1 节写作业前先选定你假想的读者属于哪一类这直接决定文章的信息密度受众类别特征对应的写作策略Novice新手第一次接触该主题但讨厌过度简化先给背景上下文再讲数据含义与重要性重点追求清晰Generalist通才了解主题想要概览和主要脉络突出主线情节弱化技术细节Managerial管理者需要可执行的、深入的细节与关联可以直接切入数据与结论但要控制节奏、预防跑题Expert专家更想探索与发现而非听故事展示方法、假设与边界减少煽情Executive高管只有时间抓取关键意义与结论直接给结论、概率权重与建议在作业开篇用一句话声明本文面向 X 类读者既能让评分者看到你有受众意识也让后文的叙事密度有据可依。五种讲故事策略作业写作的方法论骨架课程给出了五种讲故事策略作业正文的组织可直接套用1. 了解受众、渠道与沟通方法写作前想清楚读者是谁、通过什么渠道阅读纸质文档 / 幻灯片 / 邮件、是单向还是双向沟通。这一点已在上节展开作业中体现为开头即交代受众假设。2. 以终为始Begin with the End in Mind动笔前先写下你希望读者带走的关键结论takeaways然后每写一段就问自己这段内容是否服务于我要讲的故事但要注意不能只挑支持结论的数据。如果收集到的数据里有一部分与你的结论相悖你应当如实呈现并正面说明为什么仍然坚持原故事——这正好呼应作业中 What will you do if its revelations prove problematic? 的要求诚实地讨论意外发现而不是隐藏它。3. 像真正的故事一样组织情节传统故事的五阶段——铺垫Context、冲突Conflict、高潮Climax、收束Closure、结论Conclusion——可以平移为论文结构Context交代背景让读者站在同一页面上为什么要选这个数据集Conflict指出问题当初为了回答什么才收集这些数据Climax展示数据本身——数据是什么、意味着什么、指向什么解决方案Closure重申问题与提出的方案Conclusion总结关键结论与建议的下一步行动。作业的篇幅要求一页纸正好适合这个五段式结构。4. 使用有意义的词语而不是模糊措辞我们的用户 onboarding 耗时很长到底有多长一小时还是一周改用用户平均花费 3 分钟完成注册与 onboarding才是清晰的数据沟通。写作时把模糊词替换为具体数字不要写我们度过了令人印象深刻的一年有人理解为收入增长 2%3%有人理解为 50%60%要给出具体增长率不要写成功率大幅提升要给出提升的百分点不要写这项工作需要巨大努力要给出工时、成本等量化口径。模糊词可以作为引入或总结的过渡但正文的每个关键论断都必须清晰到读者不会产生歧义。5. 使用情感适度且诚实情感能帮助读者共情、记忆并采取行动。课程建议三种手法引用证言与个人故事在定量数据之外收集定性素材让数字背后有人使用意象让读者代入情境使用颜色注意文化差异蓝色常唤起平静与信任绿色关联自然与环境红色关联激情与兴奋黄色关联乐观与快乐。作业中可以在数据案例之外加入一段真实的用户/受访者证言让故事更立体但前提是数据真实、来源可查。案例研究Emerson 怎么把数据讲砸了又怎么讲好课程给出了一个贯穿全文的案例可直接作为作业的范本与反例见 16-communication/README.md 的 Communication Case Study 一节。反例产品经理 Emerson 发现用户周末提交的投诉与 bug 报告多 42%且投诉 48 小时未获回应的用户给应用打 12 星的概率高 32%。在 30 分钟的会议上Emerson 花 5 分钟讲低评分的坏处、10 分钟讲研究过程、10 分钟逐条念用户投诉、最后 5 分钟草草带过两个解决方案。结果一位负责人只记住了投诉内容一位只记住了研究过程第三位记住了方案却不知道如何落地——讲的内容与听众带走的结论严重错位。正例Context–Conflict–Climax–Closure–ConclusionEmerson 重构会议为——先用 5 分钟给出背景当前应用评分 2.5评分影响 App Store 搜索可见度进而影响收入再用 5 分钟讲冲突42% 的周末投诉增量、48 小时未回应与低评分的关系以及把评分提升到 4 分预计可提升 20%30% 的可见度、约 10% 的收入且这些数字都有据可查接着用 5 分钟到高潮介绍两个方案周末增派客服、采购可按等待时长排序投诉的新工单系统并给出实施路径、成本、ROI、界面草图以及超 48 小时未获回应的用户证言、一线客服的反馈再用 5 分钟收束重述问题、回顾方案、说明为何这是正确选择最后留 10 分钟给双向沟通——答疑澄清。这个案例演示了结构即说服力。写作作业时把案例中的5 分钟替换为一段话就是你的文章大纲。从仓库中选择数据集并完成作业作业要求选择任意数据集。仓库 data/ 目录已提供多个与本课程配套的数据集且均被各章课程与 notebook 实际使用过来源与用法都有据可查数据集路径在仓库中的用法鸟类观察数据data/birds.csv第 9 课数量可视化、第 10 课分布可视化大量使用见 09-visualization-quantities/README.md可讲鸟类翼展与体重的分布故事蘑菇分类数据data/mushrooms.csv第 11 课比例可视化使用见 11-visualization-proportions/README.md可讲可食与有毒蘑菇特征的分布故事纽约出租车数据data/taxi.csv第 15 课分析作业15-analyzing/assignment.md使用可讲冬季与夏季小费差异的故事新冠疫情时间序列data/COVID/第 7 课 Python 入门 notebook 使用可讲疫情扩散与死亡趋势的故事其他data/emails.csv、data/honey.csv、data/diabetes.tsv、data/SOCR_MLB.tsv、data/form.csv 等覆盖邮件、蜂蜜产量、糖尿病、棒球击球率等主题选题建议优先选择你能完整讲清数据从哪来、字段是什么、故事是什么的数据集。评分标准明确要求数据要被解释explained、被记录documented、被署名credited所以提交前务必写清楚数据集来源、字段字典要点与处理步骤。探查数据的小技巧衔接上一课分析阶段的方法先用 Pandas 的describe()获得数值列的计数、均值、标准差与分位数判断数据量是否足够用sample()随机抽样快速建立直觉用query()定向检索特定子集详见 15-analyzing/README.md。当数据不容易解锁它的秘密doesnt easily unlock its secrets时可以补充可视化探索——3-Data-Visualization 章节提供了直方图、箱线图、散点图等现成方法与 notebook 可参照。评分标准逐项解析作业附带的评分表见 assignment.md 的 Rubric只有三档写作时可对照自查维度Exemplary优秀Adequate合格Needs Improvement待改进篇幅一页纸的短文以 .doc 格式提交较短的短文细节较少缺少下述一项或多项要素数据集说明数据集被清晰解释、记录并署名说明较为简略说明缺失或不完整故事结构用数据中的详细示例构建出连贯一致的故事故事结构较松散故事缺少连贯性Exemplary的四个硬性检查点① 一页纸篇幅可交付② .doc 格式注意课程指定的交付格式③ 数据集 explained documented credited这是数据伦理与可复现性要求也与 02-ethics 课程一脉相承④ 用数据中的详细示例支撑连贯故事不能只给结论要给出具体的行、数字或样本。用课程测验自查理解仓库的测验应用 quiz-app 中收录了与本课配套的测验题可用于检查你是否真正掌握了数据沟通的核心概念见 quiz-app/src/assets/translations/en/group-4.json当面向受众沟通数据时最佳实践是只关注数字而不关注故事 —— 这是错误说法数据沟通应以故事为核心双向沟通的定义是演讲者向受众展示并开放提问与反馈单向沟通中受众是信息的接收者颜色可以用于唤起受众情绪面对 Executive 受众应选择能快速传达结论与意义的策略。这些题目直接复用了本课的受众分类、单向/双向沟通、颜色情感等概念。完成作业后自测一遍相当于给文章做了概念层面的校对。结语Tell a story作业的最终交付物虽然只有一页纸但它是一次完整的数据沟通演练从 16-communication/README.md 的方法论受众分析、以终为始、五段式叙事、清晰措辞、情感表达到 data/ 中的真实数据集再到评分表的四个硬性检查点——每一步都对应真实的数据科学沟通场景。按照本文给出的五段式结构组织你的短文在文中诚实地讨论数据揭示的意外结论并为数据集写清来源与字段说明你就能产出一篇经得起评分表检验、也经得起真实读者追问的数据故事。【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考