Это один из блогов, который мне очень нравится писать. Концепция эмпатии не только в науке о данных, но и в жизни в целом действительно упускалась из виду. Я бы считал эмпатию навыком, а не талантом.

Я был очень удивлен, наткнувшись на японское понятие «са-ши-су-се-со лести». Японских женщин учат использовать определенные фразы, чтобы понравиться мужчинам и потенциально завоевать будущего мужа. Например:

· Вс: Сугой! - Удивительный! Потрясающий! Вау!

· Se: Sensu ii desu ne! - У тебя хороший вкус!

· Итак: Соу нан да! - Действительно? Я понимаю! Это так?

Не для пропаганды сексизма, а просто для того, чтобы показать пример того, как эмпатия рассматривается в другой культуре.

Да, к эмпатии нельзя относиться легкомысленно. Особенно в эту эпоху, когда человечество находится в ne plus ultra развития сверхлюдей.

Что касается науки о данных, насколько важна эмпатия при нарезке и обработке данных?

"Поставьте себя на место клиента. Если модель говорит звонить клиенту два раза в день, что бы вы сделали? Звонить и раздражать его? Или использовать эмпатию? Хотите получить то, что предлагаете клиенту? — Кришна Кумар CS, директор по аналитике и директор Rainman Consulting»

Вот фрагмент интересного разговора, который у меня был с г-ном Кришной Кумаром об эмпатии в науке о данных.

КК: "Поступайте со своими клиентами так, как хотите, чтобы поступали с вами"

Я: «Иисус был бы потрясающим специалистом по данным»

КК: «Помните, он тоже был распят»

Я: «Правда, быть чутким нелегко. Особенно в науке о данных, где вы разрываетесь между своей моделью и своим чутьем».

Эмпатия не обязательно означает слабость, как широко распространено в наши дни. Вот отрывок из широко популярного сериала «Форс-мажоры».

https://www.youtube.com/watch?v=yMJzThNPkpA

Правда или вымысел? Разумное сочетание того и другого?

Пришло время опасаться аналитиков, которые игнорируют культурные последствия технологии и представляют факты вне эмоционального контекста. Необходимость часа — сопереживать пользователю, понимать более широкие факторы проблемы, чтобы прийти к лучшему решению.

С проектами, начиная от пространственной аналитики, использования датчиков и камер, чтобы помочь розничным торговцам читать комнату, чтобы оптимизировать поток клиентов, до эффективных и эмоциональных вычислений, включая разработку интерфейсов, которые могут реагировать на мимику и голосовые сигналы, сочетание качественных и количественных показателей востребовано как никогда. .

Люди — социальные существа, и чтобы жить в обществе, нам нужны доброта и сочувствие. Это то, что определяет нашу культуру и отличает нас от животных. Через 10-20 лет машины могут стать такими же умными, как мы. Если они не будут чуткими, человечество может столкнуться с проблемами. Машинное обучение — мощное оружие, с которым нужно обращаться осторожно. Например: использование машинного обучения для создания военных машин, использование аналитики для поиска чувствительных людей и маркетинг продуктов, которые могут вызвать у них привыкание и т. д. — «Шиварам К.Р., генеральный директор Curl Analytics «

Растет потребность в демистификации некоторых концепций. Люди слышат, что искусственный интеллект и машинное обучение отнимают у нас рабочие места, но никто не говорит о более ощутимых проблемах в этой области, которые необходимо решить, например, о том, что люди не могут заниматься математикой, необходимой им для сохранения работы.

Говорить на языке клиента, а не на своем, и сотрудничать — это то, на что способны только люди. Ни один Data Scientist не заявил открыто, что когда-нибудь машины смогут полностью заменить человеческий интеллект. Они говорят о гуманизации технологий.

Вот 3 причины, по которым технологии должны стать более человечными:

Удобство. Потребители страдают от информационной перегрузки. Им нужен персонализированный, быстрый и легкий доступ к информации или результатам, которые имеют отношение к их конкретной ситуации.

Упрощение. Предполагается, что технологии упрощают нашу повседневную жизнь, которая частично вызвана самими технологиями. Развивающиеся технологии будут и впредь становиться все более ориентированными на человека, чтобы помочь нам упростить, оценить и отфильтровать.

Более широкое участие. Скорость, с которой развиваются технологии, несет в себе риск исключения менее технически подкованных людей из их преимуществ. Например, люди, которые не знают, как работать с поисковой системой, смартфонами или приложениями, будут иметь трудности с доступом к информации, которая может быть для них актуальной. Google известен своим вниманием к полезным и удобным для человека технологиям. Он использует систему искусственного интеллекта с машинным обучением под названием RankBrain и постоянно предпринимает шаги по совершенствованию своих алгоритмов для интерпретации и понимания запросов, которые отправляют люди.

Человеческая субъективность — это не яд. Это противоядие.

Человеческое суждение не является загрязнителем, который можно удалить из данных. Эмпатия к данным делает науку о данных лучше, умнее и мощнее.

Рассмотрим пример, когда заинтересованная сторона не обязательно обладает статистическим ноу-хау, когда дело доходит до работы с данными. Чаще всего его решения основаны на интуиции, основанной на том, что им говорят данные. Это называется принятием решений, основанных на данных. Эти интуитивные представления о данных могут быть правильными или неправильными. И заинтересованные стороны учатся на этом, приобретая опытные знания, или то, что экономисты называют неявными знаниями.

Трэвис Каланик столкнулся с серьезными проблемами, когда Uber ввела повышенные цены. Спорный шаг генерального директора, казалось, обязательно разозлит и оттолкнет. Его называли сумасшедшим. Но Uber придерживался своих взглядов и законов спроса и предложения и при необходимости менял свою политику резкого роста числа клиентов. Алорс! Динамическое ценообразование теперь является общепринятым аспектом ее бизнеса, и даже такие компании, как Disney, экспериментируют с этой концепцией.

Среднего клиента может пугать наука, но он понимает истории.

Визуализации очень помогают. Люди реагируют на истории и картинки больше, чем на цифры. Рассказ о данных — это прекрасное сочетание аналитики данных и эффективной коммуникации.

Мы в Институте лидерства в области продуктов — одни из первых, кто понял важность эмпатии в науке о данных. Мы даже разработали наши программы по науке о данных, чтобы они соответствовали этой концепции. На самом деле, у нас есть эксклюзивный и захватывающий Учебный курс по науке о данных, посвященный созданию замечательных историй на основе данных с пониманием требований клиентов.

Мы хотим создать сообщество чутких специалистов по науке о данных и не остановимся ни перед чем, чтобы это произошло. С этой целью мы предлагаем вам вебинар, посвященный этому важному аспекту науки о данных.Забронируйте свое место СЕЙЧАС!