[ad_1]
Hồi học cao học, khoa Vật lý tổ chức hàng tuần câu nói thông tục, nơi các diễn giả khách mời sẽ đến trình bày nghiên cứu của họ. Câu chuyện điển hình là hầu hết khán giả đều hiểu slide đầu tiên (tiêu đề) và có thể là slide thứ hai (chương trình nghị sự) nhưng lại quên mất sau đó.
Các điều tương tự cũng xảy ra trong khoa học dữ liệu khi các bên liên quan phi kỹ thuật ngồi xem các bài thuyết trình của (hầu hết) các nhà khoa học dữ liệu. “Nó có ý nghĩa cho đến khi bạn bắt đầu nói về sự phân chia thử nghiệm xe lửa và AUC,” họ có thể nói.
Mặc dù điều này có vẻ như là một thực tế không thể tránh khỏi của khoa học dữ liệu, nhưng tôi đã học được rằng việc giải thích những chủ đề này hiệu quả hơn không những là có thể mà còn cần thiết để thúc đẩy sự nghiệp khoa học dữ liệu.
Tại đây, tôi chia sẻ các mẹo giao tiếp quan trọng mà tôi đã sử dụng để thăng tiến, tiếp cận khách hàng và giải thích AI cho 100k+ người.
Tầm quan trọng của giao tiếp có thể gây sốc cho một số người và gặp phải một số phản kháng. Vì vậy, hãy cho phép tôi giải thích điều này thêm một chút.
Các nhà khoa học dữ liệu thường không giải quyết được vấn đề của họ; đúng hơn, họ giải quyết các vấn đề của người khác (tức là các bên liên quan). Đây là cách các nhà khoa học dữ liệu tạo ra giá trị trong bối cảnh kinh doanh.
Do đó, lượng giá trị mà nhà khoa học dữ liệu cung cấp tỷ lệ thuận với mức độ hiệu quả mà họ có thể cộng tác với các bên liên quan phi kỹ thuật. Nói một cách rõ ràng, nếu các bên liên quan không hiểu và áp dụng giải pháp của bạn, nó cung cấp giá trị bằng không.
Một số người có thể nghĩ rằng giao tiếp là một trong những kỹ năng bạn có hoặc không có. Tất nhiên, điều này là sai. Giao tiếp (giống như bất kỳ kỹ năng nào khác) có thể và phải được phát triển thông qua thực hành.
Ví dụ: tôi bắt đầu hành trình này với tư cách là một sinh viên tốt nghiệp vật lý kỹ thuật quá mức, nhưng sau 5 năm tích cực thuyết trình, viết bài, làm video YouTube, tổ chức sự kiện, phỏng vấn doanh nhân và tư vấn kỹ thuật, giờ đây tôi đã được khen ngợi (và được trả tiền) cho kỹ năng giao tiếp của tôi. Nếu tôi làm được thì bạn cũng có thể.
Sau đây là những mẹo giao tiếp tôi sử dụng thường xuyên nhất. Mặc dù ở đây tôi đang tập trung vào các bài thuyết trình kỹ thuật, những mẹo này áp dụng rộng rãi cho các cuộc hội thoại, viết lách và hơn thế nữa.
Ưu điểm của việc phát triển kỹ năng này với tư cách là một nhà khoa học dữ liệu là tiêu chuẩn này thấp đến mức thậm chí trở thành một người giao tiếp tử tế có thể đưa bạn vượt lên trên hầu hết các đồng nghiệp của mình (tôi là bằng chứng sống cho điều đó).
Cách giao tiếp mạnh mẽ nhất là thông qua kể chuyện. Bộ não của chúng ta được kết nối với những câu chuyện (1). Vì vậy, bạn càng có thể sử dụng chúng thì càng tốt.
Khi tôi nói “câu chuyện”, bạn có thể nghĩ đến định nghĩa trong sách giáo khoa, tức là một tài khoản của những người và sự kiện tưởng tượng hoặc thực tế (2). Tuy nhiên, tôi muốn nói nó theo nghĩa rộng hơn, mà tôi đã học được từ cuốn sách Bí mật của người kể chuyện (1).
Ở đó, tác giả định nghĩa một câu chuyện BẰNG bất kỳ câu chuyện 3 phần nào. Một số ví dụ về điều này là:
- Hiện trạng. Vấn đề. Giải pháp.
- Cái gì? Tại sao? Làm sao?
- Cái gì? Vậy thì sao? Gì bây giờ?
Đây là ví dụ đầu tiên ở trên trông như thế nào khi hoạt động.
AI đã gây bão trên thế giới kinh doanh (hiện trạng). Mặc dù tiềm năng của nó là rõ ràng nhưng việc chuyển nó thành các ứng dụng kinh doanh tạo ra giá trị cụ thể vẫn là một thách thức (vấn đề). Ở đây tôi thảo luận về 5 câu chuyện thành công về AI để giúp định hướng sự phát triển của nó trong doanh nghiệp của bạn (giải pháp).
Khoa học dữ liệu chứa đầy những ý tưởng trừu tượng ít giống với cuộc sống hàng ngày của chúng ta (ví dụ: các tính năng, trang bị quá mức, lời nguyền về chiều). Một cách mạnh mẽ để làm cho những ý tưởng trừu tượng này trở nên dễ hiểu hơn thông qua các ví dụ cụ thể.
Hãy chứng minh sức mạnh của ví dụ bằng ví dụ. Giả sử một bên liên quan hỏi bạn, “Tính năng là gì?”
Bản năng của bạn có thể là đưa ra một định nghĩa, tức là, “Các tính năng là những gì chúng tôi sử dụng để đưa ra dự đoán.” Tuy nhiên, đây là một tuyên bố khá mơ hồ.
Một cách đơn giản để làm rõ điều này là theo dõi định nghĩa chung bằng một ví dụ cụ thể như, “Ví dụ: các tính năng liên quan đến khách hàng rời bỏ của chúng tôi là Tuổi tài khoản và Số lần đăng nhập trong 90 ngày qua.”
Mặc dù các ví dụ rất có tác dụng nhưng đôi khi chúng không hoàn thành được công việc. Đây là nơi mà sự tương tự xuất hiện. Tương tự mạnh mẽ bởi vì họ ánh xạ cái quen thuộc đến cái không quen thuộc.
Ví dụ, ngày nọ, tôi thấy mình đang giải thích Khả năng giải thích cơ học cho một khách hàng không có kỹ thuật. Đây là một thuật ngữ lớn và đáng sợ (ngay cả đối với các nhà khoa học dữ liệu), vì vậy đây là cách tôi giải thích nó.
Các AI hiện đại như ChatGPT rất mạnh mẽ, nhưng chúng ta thực sự không biết chúng hoạt động như thế nào. Ý tưởng của Khả năng diễn giải cơ học là xem xét kỹ lưỡng để tìm hiểu xem các phần khác nhau của mô hình làm gì.
Bằng cách so sánh LLM (không quen thuộc) với động cơ ô tô (quen thuộc), khái niệm trừu tượng này trở nên dễ hiểu hơn nhiều.
Trong biển ý tưởng và ngôn từ, những con số có xu hướng nổi bật. Điều này làm cho chúng trở thành một cách hiệu quả để truyền đạt thông tin.
Ví dụ: tôi đang sử dụng kỹ thuật này để cấu trúc 7 mẹo giao tiếp trong bài viết này. Tuy nhiên, điều này vượt xa danh sách thông thường trên Web mà bạn có thể thấy.
Một cách khác để sử dụng danh sách đánh số là khi tạo ra nhiều điểm trong luồng giao tiếp. Ví dụ: tôi muốn nêu 2 điểm ở đây: 1) những con số nổi bật đối với chúng tôi và 2) chúng cung cấp một cách rõ ràng để cấu trúc thông tin.
Lý do (IMO) điều này hoạt động rất tốt là vì các số như 1, 2, 3, v.v., là những khái niệm cơ bản và quen thuộc đến mức chúng đòi hỏi ít nỗ lực nhận thức để xử lý.
“Tôi không có thời gian để viết một bức thư ngắn nên thay vào đó tôi đã viết một bức thư dài.” — Mark Twain
Đây là nguyên tắc cơ bản nhất của giao tiếp hiệu quả. Khán giả của bạn chỉ có một sự chú ý có hạn để cung cấp cho bạn. Vì vậy, với tư cách là người giao tiếp, chúng ta cần tiết kiệm khi thu hút sự chú ý của khán giả.
Mặc dù bạn có thể nghĩ rằng ít từ hơn có nghĩa là ít thời gian hơn, nhưng điều ngược lại thường đúng. Việc chắt lọc các ý tưởng đến mức cần thiết nhất phải mất nhiều lần lặp lại.
Điều này có thể có nghĩa là cắt giảm số lượng trang trình bày trong bản trình bày, số phần tử trên mỗi trang trình bày và thậm chí cả số ký tự được sử dụng trong tiêu đề.
Dưới đây là một số phương pháp phỏng đoán tôi sử dụng trong bối cảnh kinh doanh:
- Nói chuyện trong 20 phút hoặc ít hơn (~10 slide hoặc ít hơn)
- Không có nhiều hơn 3–5 phần tử trên mỗi slide
- Tạo các gạch đầu dòng càng ngắn càng tốt (theo ký tự)
Một hệ quả tất yếu của ít hơn là nhiều hơn hình ảnh thay lời nói. Bộ não của chúng ta cần nhiều thời gian để xử lý văn bản hơn là hình ảnh, vì vậy việc truyền tải ý tưởng qua hình ảnh là một cách vô cùng hiệu quả để duy trì sự chú ý hạn chế của mọi người trong khi vẫn đưa ra quan điểm.
Đây là sự tương tự tinh tế từ Mẹo 3, so với cách trình bày trực quan của cùng một ý tưởng.
Điều này nhấn mạnh sức mạnh của trực quan hóa dữ liệu. Mặc dù chủ đề này xứng đáng được viết riêng nhưng nó chia sẻ nguyên tắc nền tảng của càng đơn giản càng đẹp.
Mẹo cuối cùng này đã thay đổi cuộc chơi đối với tôi. Trước đây, tôi có xu hướng vội vã thuyết trình. Đây có thể là kết quả của sự căng thẳng và chỉ đang cố gắng vượt qua nó. Tuy nhiên, cuối cùng tôi nhận ra thần kinh sẽ dịu đi một cách tự nhiên bằng cách làm chậm tốc độ của tôi và sử dụng giọng điệu bình tĩnh hơn.
Việc chậm lại có thêm lợi ích là cải thiện trải nghiệm của khán giả. Một cuộc nói chuyện vội vã có thể giống như bị thổi bay bởi một lò cứu hỏa, trong khi một cuộc nói chuyện có nhịp độ tốt giống như một dòng suối êm dịu. Do đó, một cuộc nói chuyện ngắn, vội vã sẽ gây đau đớn hơn một cuộc nói chuyện dài và có nhịp độ phù hợp.
Mặc dù các mẹo ở trên có thể mang lại những cải thiện nhanh chóng cho khả năng giao tiếp của một người nhưng tác động của chúng sẽ bị hạn chế nếu giao tiếp không được điều chỉnh phù hợp với khán giả. Điều này nhấn mạnh tầm quan trọng của sự đồng cảm.
đồng cảm có nghĩa nhìn mọi thứ từ quan điểm của người khác. Nó rất cần thiết để giao tiếp hiệu quả vì nó cung cấp bối cảnh để định hình tất cả các khía cạnh của bài thuyết trình của bạn.
Bạn càng đặt mình vào vị trí của khán giả thì bạn càng có thể nói lên điều họ quan tâm và hiểu một cách hiệu quả hơn.
Yếu tố hạn chế của hầu hết các nhà khoa học dữ liệu không phải là kỹ năng kỹ thuật mà là khả năng giao tiếp hiệu quả của họ. Phát triển kỹ năng này là một trong những cách tốt nhất để các chuyên gia khoa học dữ liệu thăng tiến trong sự nghiệp và tạo ra tác động lớn hơn.
Ở đây, tôi đã chia sẻ 7 lời khuyên hữu ích nhất với tôi trong việc cải thiện khả năng giao tiếp của mình. Nếu bạn có những lời khuyên đã giúp ích cho mình, hãy để lại chúng trong phần bình luận 🙂
[ad_2]
Source link