将数据分析方法普及到大众
普通公众的许多成员包括商业管理人员，并不真正了解分析是什么。这取决于数据科学家教育它们。
上个月，前NBA球员、现任电视篮球分析师查尔斯·巴克利(Charles Barkley)就自己对分析的看法发表了一些颇有见地的评论。在批评达里尔·莫雷时是，休斯顿火箭总经理是基于他对数据分析的许多球员决定，Barkley描述了较为“相信分析的那些白痴之一”。
巴克利并不是唯一一个理解分析如何工作的人。当麻省理工学院斯隆体育分析会议2月份在波士顿举行的会议上，关于是否应该“相信”分析的讨论很多。ESPN体育中心主播约翰·安德森多次表示，他确实相信分析学，他“想要改变人们，让他们相信。”
我不知道数据分析是你可以相信或不相信的事情。这是奇怪的，认为数据分析方法的有效性已经存在数百年并被证明太多时间来算是争论。
但这些评论员表达的情绪表明了公众是如何理解数据分析的——几乎是一种需要信念的神奇的东西——以及数据科学家需要做多少工作来提高公众的理解。
怀疑来自最高层
这不仅仅是困惑的jocks。企业中的数据科学团队经常表达他们的分析仅被视为的挫败感决策过程中许多因素。而不是制定真正的数据驱动的决定，高管仍然推迟了“最高有偿人员的意见”。
不幸的是，对于一些高管来说，它只需要一个分析错误来失去信仰。然而失火是不可避免的。即使是最强的数据科学团队也不能100％准确。基于数据的决策的目标只是为了使正确的决定依赖直觉。但即使预测模型指出了正确的75％的时间决定，剩下的25％的病例可能会使它在组织内是黑眼圈。
管理人员的支持是分析程序的关键，可能有一些数据科学团队可以提高高管之间的分析理解，并希望能够支持。首先，他们需要更好地沟通他们的发现。而不是简单地告诉决策者某种策略是正确的选择，因为数据这么说，他们应该尝试解释为什么数据支持推荐。
当TDWI执行峰会在2月在拉斯维加斯举行，群岛群岛信息战略管理合伙人迈克Lampa推荐雇佣数据记者，一个了解分析概念的人，但其主要技能是沟通。数据科学家不应该是解释他们的工作的责任。
拥有数据的参数
分析团队也应该承认他们的发现的局限性。当一个模型不能提供正确的建议时，高管们会感到更少的失望，因为他们在一开始就知道模型有可能出错。
承认数据集的偏差和限制也很重要。底层数据分析方法可能是完全的声音，但这些因素可以限制任何分析的有效性，并且他们并不总是讨论。对这种限制的会计有助于为高管和对冲对分析错误建立信任。
如今，对数据科学家的要求已经很高了，但也许是时候再增加一项职业资格了:教育家。事实是，今天的大部分公众并没有完全理解数据分析是什么。不管喜欢与否，数据科学家需要付出更大的努力，以确保每个人都理解他们的工作为什么有价值。
Ed Burns是SearchBusinessAnalyabo2008ytics的网站编辑器。给他发电子邮件[电子邮件受保护]在推特上关注他：@edburstt.。
