מדוע עצים החלטות מתכנסים לקהלים לא טכניים

[העצים] נראים הגיוניים למדענים ולאנליסטים של נתונים, לאדם ללא רקע סטטיסטי, הם יכולים להופיע כאגרמות של גילוח כאוטי (הקריטריונים המפוזרים (ג'יני, אנטרופיה, צ'י-קול), לוגיקה המכשולת, ומספר הצ'כים יוצר עומס קוגניטיבי (לא-טכני) לעתים קרובות שואל: FLT:0 "מהוהוא חסר אמון" (או"מ) או "איך אני לא מאמין באמון חזותי?"

הבעיה השורשית היא שעצים ההחלטות קודמים הסתברות, לא ודאות. ענף שמוביל לתוצאה של 70% עדיין פרוביליאיסט, אבל הייצוג החזותי בדרך כלל נראה בינארי: "אם זה, אז זה" משתמשים עסקיים שלא מתאימים אלה שרוצים תשובות ברורות. גשרי הדמיה יעילה הפערים על ידי תרגם מבנה מתמטי לנרטיבים בני אדם.

עקרונות מרכזיים ל Clear Visualization

לפני בחירת קוד כלי או כתיבת, להגדיר מה משמעות בהירות לקהל שלך.העקרונות הבאים חלים אם אתה מייצא PNG סטטי או בונה לוח נתונים אינטראקטיבי בתוך FLT:0DirectusFLT:1.

« « « « « « « « « פשט את מבנה העץ

עצי ההחלטות הגדלים לעתים קרובות עולים על 100 צמתים, מראים כי הכל הוא מנוגד. Prune העץ שלך FLT:1 למעמקים המכסה 80 & #8201;% של מסלולי ההחלטות למעשה נתקל. לדוגמה, אם העץ צופה מחדלי ההלוואה, להראות את חמשת הפיצולים המובילים (ציון אשראי, יחס חוב הכנסה, סכום תעסוקה, היסטוריה, צדדית), עיגולים אחרים לקטגוריה ".

  • (ב) מעבר לכך, מעל ל- 4-5 רמות.Imit עומק ל- 4-5 רמות.IIRLT:1, אפילו מומחים מאבדים את המסלול.
  • (ב) תוצאות דומות של FLT:0Group;0021:1 במקום 12 צמתים עלים, משלבים אותם ל"סיכון גבוה", "סיכון בינוני", "סיכון נמוך".
  • [01:0] ⁇ [=] ⁇ ] ⁇ [=ה], [ה], [ה'], [ה'], [ה'], [ה'], [ה'], [ה'], [ה'], [ה']'[דרושה']']'[דרושה']']' [ה']']'

השתמש בצבע וליילוט אסטרטגית

צבע משרת שני תפקידים: ענפים שונים ורגש קודים. השתמש בגלולה עקבית - ירוקה לתוצאות חיוביות (אושר, הצלחה), אדום שלילי (default, שגיאה), ואפור נייטרלי לצעדים ביניים.

ליילוט משנה באותה מידה.עצים הלמטה (בסיסים בראש) עוקבים אחר דפוסי קריאה מערביים והופכים את התחושה המפולגת הראשונה כמו נקודת התחלה טבעית. פריסות שמאל-לימין פועלות היטב לעצי החלטות המשווים בין חלופות לצד מה שתבחר, לשמור על ספיגה ואפילו תוויות כל קצה בבירור.

הוסף קידוד ו Annotations

עץ החלטות חשוף ללא הסברים הוא פאזל.הוספת אגדה המגדירה סמלים וצבעים. נקודות החלטה קריטיות עם חשיבה קצרה: "מדוע ההיסטוריה של תעסוקה חשובה כאן? כי מועמדים עם פערים יותר מ -6 חודשים לפני הספירה 40% יותר לעתים קרובות" להציב את ההערות בצד הצומת הרלוונטי, לא בנספח נפרד.כלי אינטראקטיבי יכול לחשוף מדדים עמוקים יותר (מרווחים, דגימות) ללא קלמנטציה הבסיסית.

בניית אינטראקטיבית לעומת ויזואליזציה סטטית

הפורמט שתבחר תלוי כיצד העץ יילקח.קובץ PDF מודפס דורש החלטות עיצוב שונות מאשר לוח המחוונים החי ב Directus.

מתי להשתמש ב- Static Diagrams

חזותיים סטטיים עובדים הכי טוב עבור אחד עמודים, שקופיות טבלאות, דוחות רגולטוריים.הם מכריחים אותך לפשט באכזריות כי אין גן או כלי כדי להסתיר מורכבות. השתמש פורמטים וקטור (SVG, PDF) כי קנה מידה זה בסדר גמור כלים כמו <חזק>נסיגת.io או <חזק> Lucidchartחזק> תן לך לייצא דיאגרמות חד-משמעיות.

מתי להשתמש ב-Dashboards אינטראקטיביים

(הופנה מהדף תלמוד ב') , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

לדוגמה, צוות תאימות לבריאות עשוי להשתמש בלוח נתונים ממוקד Directus כדי לדמיין עץ זכאות הניסוי הקליני.העומסים חיים נתונים מתוך ממשק API של Directus, עדכונים כאשר המודל מחזר, וכולל בקרה מסננים עבור תת-קבוצות דמוגרפיות.FLT:0Directus נתונים ויזואליזציה נתונים של Directus 1LT:1), לאפשר לא-devpers לנהל את המרכיב הבסיסי של נתונים תוך מיקוד נתונים אינטראקטיביים על רכיב נתונים.

כלים ל-Esption Tree Visualization

להלן כלים משותפים המיומנים על ידי מורכבות וקהל, לכל אחד יש נקודות חוזק; לבחור את זה שמתאים זרימת העבודה שלך ואת תחכום של בעלי העניין.

Tool Best For Key Consideration
Lucidchart / draw.io Quick one-off diagrams No automation; manual updates
Microsoft Visio Enterprise document standards Expensive, steep learning curve
D3.js / Cytoscape.js Interactive web visuals Requires JavaScript development
RapidMiner / KNIME Analysts familiar with data science Built for model building, not presentation
Graphviz Automated rendering from code Limited interactivity; output is static

עבור פתרון ברמת הייצור, לשקול הטמעת D3.js בתוך מודל נתונים גמיש של DirectusFLT:0PanelsFLT 1 או FLT:2PagecioFLT 3 Directus מאפשר לך לאחסן את אבני עץ ההחלטה, מערכות יחסים, metadata באוסף יחיד, ולאחר מכן לחשוף את הנתונים למרכיב הדמיה מותאם אישית.

שיתוף החלטות עם Storytelling

הדמיה של נתונים הופכת לבלתי נשכחת כאשר אתה מצמיד נרטיב אנושי, במקום להראות עץ גנרי ל"חיזוי צ'נדר", בעלי העניין עוברים דרך דוגמא קונקרטית:

  • (ב) "המאה" עם אדם: "מאט מריה, מנוי של שנתיים עם שלושה כרטיסים לגיבוי".
  • Trace העץ צעד אחר צעד: ראשית, לבדוק את אורך החוזה - מריה חודשית (סיכון) הבא, כרטיס - הכרטיס האחרון שלה היה כועס (סיכון גבוה) על עלה: "כמו לספוג בתוך 30 ימים".
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

גישה זו מפעילה מודלים נפשיים שמספרים גולמיים לא יכולים לראות את הלקוחות שלהם בתוך העץ, הם מבינים את ההיגיון, הם מפסיקים לשאול "איך המודל עובד?", ויתחילו לשאול "מה אנחנו יכולים לעשות כדי לשנות את התוצאה עבור אנשים כמו מריה?"

מלכודות נפוצות וכיצד להימנע מהם

  1. (ב) ,0) שימוש בפיצול מתמטי גולמי.FreaLT:1 לעולם לא כותב "נחנופי= 0.3" במקום עם "חוסר ודאות של נתרן" השתמש במילים כמו "טהור" או "מעורב".
  2. (FLT:0) גיוס מידע.FLT:1 Node צריך להראות במרבית 3-4 פרטים: מצב החלטה, הסתברות, ספירת דגימות, ותיאור קצר.כל דבר אחר נכנס ל- Tooltips או מבט פרטי נפרד.
  3. (FLT:0) אבחון התחום של הקהל.אנדרל:1; עץ לסיכון אשראי משתמש בצנצנת התעשייה (DTI, LTV) עץ עבור triage המטופל משתמש במונחים קליניים (פסיכוסטולי, סטרופונין) להתאים את אוצר המילים לעולם בעלי העניין שלך.
  4. (ב) לא ניתן לאמת את הויזואליזציה.FLT:1) להראות טיוטה לחבר לא-טכני לפני המצגת הסופית.בקש מהם להסביר את העץ בחזרה אליך.
  5. (FLT:0) אכילת העץ כסוף.FLT1 עצי החלטות מעודכנים כדוגמת מודלים לאימון מחדש.להבטיח שצנרת הויזואליזציה שלך תוכל למשוך נתונים חדשים ממקורך (למשל, אוסף של Directus המשקף את המודל האחרון פועל).

השפעה מרגיעה: האם עבודת הויזואליזציה שלך?

המבחן האולטימטיבי הוא האם בעלי העניין מקבלים החלטות טובות יותר לאחר שמתבוננים בדמיון שלכם.עקוב אחר האותות האיכותיים והכמותיים הללו:

  • [ה]מבחינת [ה]: [ה] [ה]] [ה]] [ה]] לפני/ה]: כמה זמן לוקח לבעל-העניין להסביר את התובנה העיקרית של העץ?
  • (העיקרון של שאלות מעקב אחר .I.R.E.R) שאלות טובות (מה קורה אם נשנה את הסף?") מצביעות על מעורבות. שאלות רעות ("איפה אני לוחץ?")
  • (ב) אם העץ החזותי הופך למסמך התייחסות בפגישות, הצלחת.אם הוא יושב בתיקיה, לחשוב מחדש על התבנית.

שקול הוספת משוב בתוך לוח המחוונים של Directus שלך - פשוט "האם זה היה מועיל? כן / לא" מהר. השתמש בתוצאות כדי להסס על העיצוב.עם הזמן, אתה יכול אפילו מבחן A / B שני סגנונות חזותיים כדי לראות מי מניב הבנה מהירה יותר.

מסקנה

ויזואליזציה של עצי ההחלטות עבור קהלים לא טכניים אינה על נטישה של הנתונים.זה עומד לתרגם מודל אנליטי קפדני לפורמט שמיישר עם איך אנשים באופן טבעי סיבה: באמצעות סיפורים, השוואות ותוצאה ברורה. על ידי יזום אגרסיבי, באמצעות צבע עם כוונה, והטמעת העץ בתוך נרטיב, אתה הופך פלט שחור-box לתוך כלי קבלת החלטות משותף.

זכור כי ערמת הכלים חשובה פחות מהמחשבה העיצובית שמאחוריה.אם אתה בונה דיאגרמה סטטית בצייר.יו או פאנל אינטראקטיבי ב Directus, העקרונות נשארים זהים. שמור על העומס הקוגניטיבי של הקהל נמוך, את הסקרנות שלהם גבוה, ואת הביטחון שלהם בלוגיקה של המודל שלם.

לקריאה נוספת, בדוק את המאמר הזה על בלוג Nightingale: FLT:1 על סיפור סיפורים עם עצי החלטות, ולחקור את המדריך של 2Directus לבניית לוחות נתונים אינטראקטיביים איורFLT 3: כדי לראות כיצד לחבר את העץ שלך כדי לחיות נתונים.