数据对话：建立你的数据流利度

作者：[瑞士]马丁·埃普勒 法比耶纳 宾兹利

书号：324197

定价：￥68 元

字数：176 千字

印次：1-1

开本：异16

出版时间：2024-02-01

ISBN：978-7-300-32419-7

包装：平

马丁·埃普勒（Martin J. Eppler），圣加仑大学副校长，管理学院通讯管理主席，媒体与通信管理研究所主任。其研究兴趣包括数据通信、可视化以及分析偏差。他著有20多本书，发表了300多篇学术论文。曾担任欧洲央行、联合国以及瑞士再保险等组织的顾问和培训师。

法比耶纳·宾兹利（Fabienne Bünzli），圣加仑大学研究员，宾夕法尼亚州立大学客座助理教授。其研究兴趣是视觉传达对个体态度和行为的说服作用。

译者简介

程絮森，中国人民大学信息学院教授、博士生导师，数字经济与商务协作实验室主任、元宇宙研究中心副主任，英国曼彻斯特大学信息学博士。入选国家重大人才工程、北京市国家治理青年人才培养计划、中国人民大学杰出学者。担任国家高端智库中国人民大学国家发展与战略研究院研究员、中国信息经济学会常务理事、管理科学与工程学会理事等。主要从事数字经济、元宇宙、人工智能与电子商务领域研究。

理解数据最有力的工具是良好的对话。现实中，如果数据分析师和管理者使用不同语言，拥有完全不同的观点，或者对彼此的方法和约束条件缺乏了解，那么双方将难以就数据达成共识。

本书旨在帮助读者建立一种称为数据流利度的技能，掌握一系列有效的数据分析交流技巧，使其能够清晰、准确地表达数据的含义并挖掘数据潜在的价值。

本书通过理解数据和数据交流两大模块，详细介绍有关数据概念、数据处理、数据建模以及数据展示等技能知识，在各章中以数据对话的形式将读者带入实际情境中，并辅以大量的图、表和数据以及相应的总结，以更加形象地帮助读者清晰地讨论数据。本书还关注如何有效地将数据结果传达给其他专业或非专业技术人员，以便更好地与他人分享和探讨数据。

引言 你的数据流利度指南

你将学到什么?

章节概述

每一章是如何组织的

第一部分 认识数据

第1 章 如何提高你的数据流利度: 克服分析焦虑

你将学到什么?

什么是分析焦虑?

你为什么要在意?

是什么导致了分析焦虑, 又是什么减少了分析焦虑?

关键要点

陷阱

更多资源

第2 章 理解统计数据: 全面了解你的数据

你将学到什么?

我的数据有何不同? 一个关于范围的离奇故事

关键要点

陷阱

更多资源

注释

第3 章 用数据模拟世界: 预测结果

你将学到什么?

线性关系

了解预测模型的工作原理

如何推广你的结果

显著效应和重要效应之间的区别

关键要点

陷阱

更多资源

第4 章 理解复杂的关系: 询问时间和原因

你将学到什么?

关键要点

陷阱

更多资源

第5 章 细分世界: 差异造就不同

你将学到什么?

聚类分析的工作原理

统计学上的相似性

可视化组

集群的注意事项

关键要点

陷阱

更多资源

第6 章 检测数据失真: 每个人都应该知道的分析偏差

你将学到什么?

数据收集偏差

数据分析偏差

数据沟通和使用偏差

关键要点

更多资源

第二部分 与数据交流

第7 章 提出关于数据的正确问题

你将学到什么?

与数据来源和数据质量有关的问题

与数据分析有关的问题

与应用有关的问题

建设性地提出问题

关键要点

更多资源

第8 章 如何对数据进行可视化设计: 图表指南

你将学到什么?

整理: 视觉清晰度的艺术

强调: 突出显示图表的主要信息

参与: 以交互方式吸引数据的受众

赋予意义: 使数据具有相关性的八种方法

不失真: 图表设计中应避免的问题

关键要点

陷阱

更多资源

注释

第9 章 数据叙事画布: 呈现数据的五个神奇要素

你将学到什么?

数据叙事画布

仪表盘示例

关键要点

陷阱

更多资源

第10 章 在他人面前使用分析软件工作

你将学到什么?

“演示恶魔”: 软件和分析演示是怎样失败的

设计好的演示: 从 “什么?” 到 “哇!”!

关键要点

陷阱

更多资源

第11 章 用数据传递坏消息: 如何将挫折转化为动力

你将学到什么?

关键要点

陷阱

更多资源

第12 章 处理数据分歧:围绕数据争论

你将学到什么?

围绕数据的辩论过程

关键要点

陷阱

更多资源

第13 章 下一步是什么? 保持数据流利度

你将学到什么?

关键要点

更多资源

参考文献

前言

本书的目的是让你能够建立一种称为数据流利度的技能，并帮助你在组织中与不同群体的人进行高质量的分析对话。我们相信，通过高度可视化的方法，以及生动真实的对话、简单多样的事例，可以帮助加快你的学习进度，使你的数据流利度之旅更加流畅和有趣。首先，问自己这样一个问题：

理解数据最强大的工具是什么?

如果你认为是一个巨大的关系数据库、一个强大的机器学习算法、一个聪明的Python库或一个复杂的R脚本，请再思考一下。

是的，你当然需要庞大的数据库来驾驭大数据的力量。同时，能够根据数据进行自主学习的算法是从持续的数据流中获得相关模式的关键因素。我们也同意Python和R是两种最广泛使用的编程方法来“折磨数据直到它对你回应”。但是你将在本书中发现一个理解数据的更强大的工具。

理解数据最有力的工具是良好的对话。

正是通过对话，业务需求被转化为分析工作和数据查询工作。

正是通过对话，查询结果和数据报告才得以共享、审查、纳入更广泛的背景，并最终得到应用。

如果没有高质量的对话，就不可能有高质量的数据分析。为了让数据变得真正有价值，它必须成为我们日常讨论的一部分。

然而在现实中，这样的对话往往会破裂或脱轨。数据分析师和管理人员不会说同一种语言，拥有完全不同的观点，或者对彼此的方法和约束条件缺乏了解。某些时候这会使得双方很难就数据达成共识。

你可以在本书中找到征服这一挑战的两个关键点。

首先，由于统计是数据的语言，因此我们都需要通过对基本统计(及其术语)的扎实掌握来理解数据的基础知识。在这项工作中，我们需要让事情尽可能简单(但不是更简单，如爱因斯坦所说)，并意识到我们的数据中潜在的偏见。

这将使我们有能力并且批判性地谈论数据。

其次，我们需要设计良好的数据对话，使分析在组织中发挥作用。我们需要知道如何提出与数据相关的好问题，如何(互动地)呈现和可视化数据，以及如何讲述好数据的故事。

这将使我们能够清晰地讨论数据。