Thiết kế tư duy cho một thực hành khoa học dữ liệu liền mạch
Mọi tổ chức cung cấp dịch vụ dữ liệu hiện nay đều chấp nhận thực tế rằng việc có thể quản lý dữ liệu tốt cùng với việc cho phép khách hàng quản lý dữ liệu của họ tốt là con đường chắc chắn để đạt được lợi thế cạnh tranh. Vậy nhiều tổ chức nói về dữ liệu khác với một số ít tổ chức lấy dữ liệu làm động lực như thế nào? Tại sao họ không thể đưa ra quyết định dứt khoát?
Để trả lời những câu hỏi này, trong số nhiều câu hỏi, tôi muốn thảo luận về một khía cạnh mà tôi đã quan sát được là lý do rõ ràng khiến nhiều dự án dữ liệu không thành công. Với khía cạnh này, tôi cũng muốn nêu bật sự tương đồng với Khoa học dữ liệu – lĩnh vực may mắn là có nhu cầu rất cao nhưng không may cũng là nạn nhân mới nhất của việc thiếu quy trình và hướng dẫn chuẩn, nhân tài không đủ và quan trọng hơn là tư duy chưa được chuẩn bị.
Ở đây, tôi đề xuất và giới thiệu quy trình Tư duy thiết kế để củng cố và trao quyền cho nhiều dự án dữ liệu, đặc biệt là thông qua lăng kính Khoa học dữ liệu.
Để hiểu theo ngữ cảnh, tôi đưa ra bốn góc phần tư của phiên bản chu kỳ của Tư duy thiết kế từ nhà thiết kế Michael Barry và khiêm tốn thêm một vài chiều từ suy luận của riêng tôi về chủ đề này vào phần giải thích của họ.
Tư duy thiết kế bao gồm những gì:
Quan sát: Hãy đào sâu sự tò mò để lắng nghe (không chỉ nghe) những câu chuyện của con người đằng sau các vấn đề kinh doanh. Kết hợp các quan sát của bạn về hành vi, biểu cảm, ngôn ngữ của khách hàng với những yêu cầu được nói ra và các vấn đề khó khăn được giải thích chi tiết. Việc tìm dữ liệu rất dễ dàng, nhưng hướng tìm dữ liệu thường bị bỏ qua. Ở đây, bạn sẽ khai thác những vấn đề không được nói ra đó và ghi lại chúng giống như một bác sĩ làm với bệnh nhân dựa trên việc lắng nghe các triệu chứng của họ. Ở đây, bạn cũng cần thiết lập một thuật ngữ chung – theo cách nói của tôi, tôi gọi đó là thuật ngữ của bệnh nhân. Là một bác sĩ, bạn sẽ không sử dụng thuật ngữ y khoa. Bạn sẽ đi sâu vào sự hiểu biết và lựa chọn từ ngữ của họ để đưa ra chẩn đoán.
Thông tin chi tiết: Sau khi biết được vấn đề và thu thập hướng đi với dữ liệu phù hợp, sẽ có lúc tạo ra thông tin chi tiết đa góc độ sau khi tổng hợp tất cả các yếu tố dự đoán phần EDA dành cho những ai hiểu biết về trò chơi này. Dựa trên bước trước đó, những câu chuyện nổi bật nhất và những nhu cầu tiềm ẩn mà bạn phát hiện ra sẽ là nền tảng cho kỹ thuật tính năng của bạn để chuẩn bị dữ liệu cho mô hình hóa. Bạn có thể muốn sử dụng sơ đồ Affinity để nhóm các phát hiện gần đúng của mình lại với nhau, điều này sẽ giúp bạn thấy được mô hình mới nổi.
Các khái niệm: Đây là giai đoạn cụ thể hóa tùy chọn đẹp nhất sau khi thử nhiều tùy chọn khả thi khác nhau và đưa tùy chọn đó vào bản đồ trực quan. Cho phép khách hàng của bạn xem trước giải pháp trực quan của bạn. Trong Khoa học dữ liệu, đây không gì khác ngoài sơ đồ kiến trúc tổng thể với luồng dữ liệu và hiển thị càng nhiều chi tiết nhỏ của các sắc thái tinh tế càng tốt. Ví dụ, phác thảo cây quyết định hoặc biểu đồ 2D với các cụm được điền. Điều này hoàn toàn phụ thuộc vào khả năng chuyển đổi trí tưởng tượng của một cá nhân thành bản phác thảo trên giấy hoặc hình ảnh đồ họa trên bộ slide. Điều này sẽ giúp khách hàng hình dung trước khi đưa vào sản phẩm và bạn có thể kiểm tra kỳ vọng một lần nữa.
Nguyên mẫu: Giai đoạn cuối cùng này là về việc thực hiện thực tế. Khi bạn nhận được sự đồng thuận từ khách hàng về kết quả trực quan được đề xuất, đây là lúc bạn cần đưa bản vẽ đó vào hình dạng thực tế bằng cách thổi hồn vào đó. Một trong những yếu tố quan trọng nhất của việc tạo mẫu là tốc độ. Tất cả là về việc xây dựng một nguyên mẫu và ngay lập tức quay lại vạch xuất phát quan sát. Xác minh thực tế so với kỳ vọng và xác thực nó. Ở đây, tôi cảnh báo rằng bạn phải tránh sự cám dỗ của việc chìm đắm vào bài tập đạt đến sự hoàn hảo trong lần lặp đầu tiên. Nó sẽ làm mất thời gian quan trọng mà nếu không, bạn sẽ phải tận dụng để loại bỏ các phần không cần thiết thông qua thử nghiệm.
Hình ảnh sau đây cho thấy phân tích của tôi về cách Khoa học dữ liệu có thể được liên kết và được củng cố thông qua các giai đoạn khác nhau của Tư duy thiết kế.
Tôi khuyên bạn nên thử Design Thinking cùng với các sáng kiến về Khoa học dữ liệu của mình vì những lý do sau. Các điểm chính sau đây là những lợi ích trực tiếp của đề xuất của tôi.
Phương pháp tiếp cận nhân văn: Design Thinking như một phương pháp luận được thiết kế riêng để tách ra các chiều hướng hướng đến con người khỏi phát biểu vấn đề. Như bạn đã biết khi nói đến kinh doanh, khả năng thực hiện kỹ thuật có thể được giải quyết và có thể thuê được nhân tài. Điều duy nhất cản trở việc giành được doanh nghiệp là – kết nối và thuyết phục người có thể mua vào năng lực của chúng ta và đặt tiền lên bàn. Đặc biệt là trong thời đại ngày nay khi các lĩnh vực như Khoa học dữ liệu và AI là những lĩnh vực chịu ảnh hưởng của sự hiểu biết nửa vời, bạn không cần gì hơn là trình bày tư duy của người giải quyết vấn đề. Bước đầu tiên của Design Thinking – Đồng cảm – được nhắm mục tiêu để đảm bảo rằng bạn đặt bước chân đầu tiên của mình theo đúng hướng.
Ngôn ngữ chung: Như bạn có thể đã trải nghiệm, giao tiếp là một nghệ thuật có thể tạo nên hoặc phá vỡ những bài học lâu đời và những quan niệm cố hữu. Luôn luôn là về tai của người nghe chứ không phải lưỡi của người kể chuyện, nếu tôi nhớ lại lời cảnh báo vẫn còn giá trị của Shakespeare. Những thuật toán, kỹ thuật, công cụ, lời hứa thường được thốt ra của thế giới AI có nhiều thuật ngữ chuyên ngành và thậm chí nhiều cách diễn giải hơn. May mắn thay, quy trình thiết kế thúc đẩy một thuật ngữ chung mà tất cả các bên liên quan đều biết và chấp nhận. Điều này làm giảm khả năng khách hàng tiềm năng của bạn tưởng tượng bạn với một cây đũa thần và chiếc mũ phù thủy khi bạn giải thích trường hợp phân tích dự đoán.
Sửa chữa lộ trình nhanh hơn: Bất kể khách hàng của bạn đã phát triển được bao nhiêu hiểu biết, vào một ngày bình thường, anh ta có thể muốn giao dự án với tốc độ phản lực với ngân sách eo hẹp (giả sử anh ta đồng ý cho một Bằng chứng khái niệm có trả phí). Việc bạn cùng nhóm của mình ra mắt trong hơn một vài tuần/tháng để phát triển dựa trên một cuộc thảo luận lỏng lẻo và vẫn có nguy cơ khách hàng của bạn thấy nó không đúng vào cuối cùng là điều nản lòng. Rất may là phương pháp Tư duy thiết kế khuyến khích khả năng thất bại nhanh chóng thông qua việc tạo mẫu nhanh chóng, giúp bạn nhận được phản hồi sớm hơn và giúp bạn luôn bám sát và nhiệt tình với những gì được yêu cầu.
Cải tiến liên tục: Cả Tư duy thiết kế và Khoa học dữ liệu đều là các quy trình lặp đi lặp lại và nếu được áp dụng đúng cách, chúng đòi hỏi phải có sự kết nối chặt chẽ với văn hóa tổ chức của bạn. Nếu tổ chức của bạn thiên về dữ liệu và sẵn sàng tiếp thu những gì tôi gọi là văn hóa dữ liệu, thì việc liên tục làm mới thông qua quá trình lặp lại là một bước không thể thương lượng. Lưu ý rằng, phương pháp tiếp cận có thể sao chép này cần những người thực hành có kỹ năng, có thiện chí và có tầm nhìn xa, những người tin rằng dữ liệu và thiết kế là tài sản của tổ chức, không phải của những cá nhân là người giám hộ của chúng.
Tóm lại
Lý do tôi ủng hộ Tư duy thiết kế là vì nó tôn trọng thời gian, tài năng và mục tiêu của các tổ chức. Hầu hết các công ty đều đi sai hướng khi vô tình chia sẻ các yêu cầu sai hoặc vô tình cho rằng điều gì đó không nên cho rằng. Việc áp dụng sẽ cho phép bạn chỉ nhận một dự án hoặc nhiệm vụ khi đó là giải pháp đôi bên cùng có lợi cho cả bạn và khách hàng của bạn. Nó giới thiệu một cấu trúc trong phạm vi mơ hồ. Nó đảm bảo rằng không có chỗ cho sự hiểu lầm hoặc hiểu sai trong việc thể hiện ý định hoặc truyền đạt kết quả.
Tôi tin chắc rằng nếu bạn đang kinh doanh dịch vụ và bạn kiếm sống bằng dịch vụ thì hãy nhớ điều này: Phục vụ khách hàng mà không thể hiện sự đồng cảm chỉ là giao dịch tạm thời chứ không phải là mối quan hệ lâu dài cùng phát triển. Hãy áp dụng phương pháp thiết kế để cách ly rủi ro bất lợi của bạn trong việc cung cấp dịch vụ trong cuộc cách mạng công nghiệp lần thứ tư đang diễn ra nhanh chóng này.
Nguồn: https://www.bbntimes.com/technology/design-thinking-for-a-seamless-data-science-practice
