Esplorare e descrivere i dati

Data Fluency

Konstantinos Kattidis

Data Analytics Lead

Scenario: analizzare il calo dell’engagement

Katia è Customer Success Manager in "Xcelerate Solutions"
Ha rilevato un calo dell’engagement degli utenti
Ora analizza i dati per trovare la causa radice:
- Verifica outlier e qualità dei dati
- Crea visualizzazioni

Donna al laptop che esplora dati

Ha scoperto che l’engagement cala durante i periodi di scarse prestazioni del software
Conferma i risultati controllando i feedback dei clienti
Questo esempio mostra:
- Come esplorare e descrivere i dati aiuti a trovare la causa radice del problema di business

Donna che mostra un grafico con correlazione

Dottore che avverte di problemi nei dati

Persona che esplora

Le persone data-fluent sanno descrivere i dati
Questo aiuta a trarre conclusioni efficaci dai dati
Significa riassumere le caratteristiche del dataset:
- Misure di tendenza centrale
- Misure di variabilità
- Misure delle relazioni tra variabili

Persona con un grafico di distribuzione

Persona che riflette sui risultati di analytics

Considerare il contesto in cui i dati sono stati raccolti
- Tenere conto di fattori esterni che influenzano i dati
Affrontare l’analisi con mentalità critica e curiosa:
- Mettere in discussione le assunzioni
- Sfida delle interpretazioni
- Cercare spiegazioni alternative

Le persone data-fluent sanno usare gli strumenti e le tecnologie necessari:
- Strumenti di visualizzazione e reporting
- Fogli di calcolo
L’IA generativa apre nuove possibilità per la data fluency!

Persona che lavora con strumenti e tecnologie

Data Fluency