# डेटा सायन्स जीवनचक्र: संवाद |](../../sketchnotes/16-Communicating.png)| |:---:| | डेटा सायन्स जीवनचक्र: संवाद - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | ## [पूर्व-व्याख्यान प्रश्नमंजूषा](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/30) वरील पूर्व-व्याख्यान प्रश्नमंजूषेद्वारे येणाऱ्या गोष्टींचे आपले ज्ञान तपासा! # परिचय ### संवाद म्हणजे काय? या धड्याची सुरुवात संवादाची व्याख्या करून करूया. **संवाद म्हणजे माहिती देणे किंवा आदानप्रदान करणे.** माहिती म्हणजे कल्पना, विचार, भावना, संदेश, गुप्त संकेत, डेटा – काहीही जे **_प्रेषक_** (माहिती पाठवणारा) **_प्राप्तकर्ता_** (माहिती स्वीकारणारा) समजून घेण्याची अपेक्षा करतो. या धड्यात, प्रेषकांना संवादक आणि प्राप्तकर्त्यांना प्रेक्षक म्हणू. ### डेटा संवाद आणि कथाकथन आपल्याला समजते की संवाद करताना उद्दिष्ट माहिती देणे किंवा आदानप्रदान करणे असते. परंतु डेटा संवाद करताना, आपले उद्दिष्ट केवळ आकडेवारी देणे नसावे. आपले उद्दिष्ट डेटा-आधारित कथा सांगणे असावे - प्रभावी डेटा संवाद आणि कथाकथन हातात हात घालून चालतात. आपले प्रेक्षक आपल्याकडून दिलेली कथा अधिक लक्षात ठेवतील, आकडेवारीपेक्षा. या धड्याच्या पुढील भागात, आपण डेटा अधिक प्रभावीपणे संवाद साधण्यासाठी कथाकथन कसे वापरता येईल यावर चर्चा करू. ### संवादाचे प्रकार या धड्यात संवादाचे दोन वेगवेगळे प्रकार चर्चिले जातील: एकमार्गी संवाद आणि द्विमार्गी संवाद. **एकमार्गी संवाद** तेव्हा होतो जेव्हा प्रेषक माहिती पाठवतो, परंतु कोणतेही अभिप्राय किंवा प्रतिसाद मिळत नाही. आपण दररोज एकमार्गी संवादाचे उदाहरण पाहतो – मोठ्या प्रमाणात ईमेल्स, बातम्या जेव्हा ताज्या गोष्टी सांगतात, किंवा टीव्ही जाहिरात जेव्हा आपल्याला त्यांच्या उत्पादनाबद्दल माहिती देते. या प्रत्येक उदाहरणात, प्रेषक माहितीची देवाणघेवाण करण्याचा प्रयत्न करत नाही. ते फक्त माहिती पोहोचवण्याचा प्रयत्न करतात. **द्विमार्गी संवाद** तेव्हा होतो जेव्हा सहभागी सर्वजण प्रेषक आणि प्राप्तकर्ता म्हणून कार्य करतात. प्रेषक संवाद सुरू करतो आणि प्राप्तकर्ता अभिप्राय किंवा प्रतिसाद देतो. द्विमार्गी संवाद म्हणजे आपण पारंपरिकपणे संवादाबद्दल विचार करतो. आपण सहसा लोकांना संभाषणात गुंतलेले पाहतो - प्रत्यक्ष भेटीत, फोन कॉलवर, सोशल मीडियावर किंवा मजकूर संदेशाद्वारे. डेटा संवाद करताना, काही प्रसंगी आपण एकमार्गी संवाद वापराल (उदाहरणार्थ, परिषदेत सादरीकरण करताना किंवा मोठ्या गटासमोर जेथे प्रश्न त्वरित विचारले जाणार नाहीत) आणि काही प्रसंगी आपण द्विमार्गी संवाद वापराल (उदाहरणार्थ, डेटा वापरून काही भागधारकांना सहमती मिळवण्यासाठी किंवा सहकाऱ्याला नवीन गोष्टी तयार करण्यासाठी वेळ आणि प्रयत्न खर्च करण्यासाठी पटवून देण्यासाठी). # प्रभावी संवाद ### संवादक म्हणून आपली जबाबदारी संवाद करताना, हे सुनिश्चित करणे आपले काम आहे की आपले प्राप्तकर्ता/प्राप्तकर्ते आपल्याला हवे असलेली माहिती घेत आहेत. डेटा संवाद करताना, आपल्याला फक्त आकडेवारी देण्याची इच्छा नसते, तर आपल्याला डेटा-आधारित कथा सांगण्याची इच्छा असते. एक चांगला डेटा संवादक म्हणजे एक चांगला कथाकथनकार. डेटासह कथा कशी सांगायची? यासाठी अनंत मार्ग आहेत – परंतु खाली दिलेले 6 मार्ग आपण या धड्यात चर्चा करू. 1. आपले प्रेक्षक, आपले माध्यम, आणि आपली संवाद पद्धत समजून घ्या 2. शेवट लक्षात ठेवून सुरुवात करा 3. याला प्रत्यक्ष कथा म्हणून हाताळा 4. अर्थपूर्ण शब्द आणि वाक्ये वापरा 5. भावना वापरा या प्रत्येक रणनीतीची अधिक सविस्तर माहिती खाली दिली आहे. ### 1. आपले प्रेक्षक, आपले चॅनल आणि आपली संवाद पद्धत समजून घ्या आपण कुटुंबातील सदस्यांशी संवाद साधण्याचा मार्ग कदाचित मित्रांशी संवाद साधण्याच्या मार्गापेक्षा वेगळा असेल. आपण कदाचित वेगळे शब्द आणि वाक्ये वापरता जे आपल्याशी बोलणाऱ्या लोकांना अधिक समजतील. डेटा संवाद करताना आपण समान दृष्टिकोन स्वीकारावा. आपण कोणाशी संवाद साधत आहात याचा विचार करा. त्यांच्या उद्दिष्टांचा विचार करा आणि आपण त्यांना समजावून सांगत असलेल्या परिस्थितीबद्दल त्यांना असलेल्या संदर्भाचा विचार करा. आपण बहुतेक प्रेक्षकांना एका श्रेणीत वर्गीकृत करू शकता. _हार्वर्ड बिझनेस रिव्ह्यू_ च्या "[डेटासह कथा कशी सांगावी](http://blogs.hbr.org/2013/04/how-to-tell-a-story-with-data/)" या लेखात, डेलचे कार्यकारी रणनीतिकार जिम स्टिकलेदर पाच प्रकारच्या प्रेक्षकांची ओळख करतात. - **नवशिक्या**: विषयाचा पहिला अनुभव, परंतु अतिशय साधेपणा नको - **सामान्यतज्ञ**: विषयाची माहिती असलेला, परंतु एकूण समज आणि मुख्य थीम्स शोधत असलेला - **व्यवस्थापक**: गुंतागुंतींचे आणि परस्परसंबंधांचे सखोल, कृतीक्षम समज, तपशीलासह प्रवेश - **तज्ञ**: अधिक शोध आणि कमी कथाकथन, तपशीलासह - **कार्यकारी**: फक्त महत्त्व आणि संभाव्य निष्कर्ष समजून घेण्यासाठी वेळ असलेला या श्रेणी आपल्याला आपल्या प्रेक्षकांसाठी डेटा सादर करण्याच्या पद्धतीची माहिती देऊ शकतात. आपल्या प्रेक्षकांच्या श्रेणीचा विचार करण्याव्यतिरिक्त, आपण आपल्या प्रेक्षकांशी संवाद साधण्यासाठी वापरत असलेल्या चॅनलचा विचार करावा. आपण मेमो किंवा ईमेल लिहित आहात की बैठक घेत आहात किंवा परिषदेत सादरीकरण करत आहात यावर आपला दृष्टिकोन थोडा वेगळा असावा. आपल्या प्रेक्षकांना समजून घेण्याव्यतिरिक्त, आपण त्यांच्याशी कसा संवाद साधणार आहात (एकमार्गी संवाद किंवा द्विमार्गी) हे जाणून घेणे देखील महत्त्वाचे आहे. जर आपण बहुसंख्य नवशिक्या प्रेक्षकांशी संवाद साधत असाल आणि आपण एकमार्गी संवाद वापरत असाल, तर प्रथम प्रेक्षकांना शिक्षित करणे आणि त्यांना योग्य संदर्भ देणे आवश्यक आहे. त्यानंतर त्यांना आपला डेटा सादर करावा आणि आपला डेटा काय दर्शवतो आणि का महत्त्वाचा आहे हे सांगावे. या परिस्थितीत, आपण स्पष्टता वाढवण्यावर लक्ष केंद्रित करावे, कारण आपले प्रेक्षक आपल्याला थेट प्रश्न विचारू शकणार नाहीत. जर आपण बहुसंख्य व्यवस्थापक प्रेक्षकांशी संवाद साधत असाल आणि आपण द्विमार्गी संवाद वापरत असाल, तर कदाचित आपल्याला आपल्या प्रेक्षकांना शिक्षित करण्याची किंवा त्यांना फारसा संदर्भ देण्याची गरज नाही. आपण कदाचित थेट आपल्याकडून गोळा केलेल्या डेटावर आणि त्याचा महत्त्वावर चर्चा करण्यास सुरुवात करू शकता. या परिस्थितीत, वेळेवर लक्ष केंद्रित करणे आणि आपल्या सादरीकरणावर नियंत्रण ठेवणे महत्त्वाचे आहे. द्विमार्गी संवाद वापरताना (विशेषतः व्यवस्थापक प्रेक्षकांसह जे "गुंतागुंतींचे आणि परस्परसंबंधांचे कृतीक्षम समज" शोधत आहेत) संवादादरम्यान प्रश्न उपस्थित होऊ शकतात जे आपल्याला सांगायच्या कथेशी संबंधित नसलेल्या दिशेने चर्चा घेऊन जाऊ शकतात. असे झाल्यास, आपण कृती करू शकता आणि आपली कथा पुन्हा ट्रॅकवर आणू शकता. ### 2. शेवट लक्षात ठेवून सुरुवात करा शेवट लक्षात ठेवून सुरुवात करणे म्हणजे संवाद सुरू करण्यापूर्वी आपल्या प्रेक्षकांसाठी इच्छित निष्कर्ष समजून घेणे. आपल्या प्रेक्षकांना काय समजून घ्यायचे आहे याबद्दल आधी विचार करणे आपल्याला एक कथा तयार करण्यात मदत करू शकते जी आपले प्रेक्षक अनुसरण करू शकतात. शेवट लक्षात ठेवून सुरुवात करणे एकमार्गी संवाद आणि द्विमार्गी संवाद दोन्हीसाठी योग्य आहे. शेवट लक्षात ठेवून सुरुवात कशी करावी? आपला डेटा संवाद साधण्यापूर्वी, आपले मुख्य निष्कर्ष लिहून ठेवा. नंतर, आपली कथा तयार करत असताना प्रत्येक टप्प्यावर स्वतःला विचारा, "हे मी सांगत असलेल्या कथेत कसे समाविष्ट होते?" सावध रहा – शेवट लक्षात ठेवून सुरुवात करणे आदर्श असले तरी, आपण फक्त आपल्या इच्छित निष्कर्षांना समर्थन देणारा डेटा संवाद साधू नये. असे करणे म्हणजे चेरी-पिकिंग, जेव्हा संवादक फक्त त्यांना समर्थन देणारा डेटा संवाद साधतो आणि इतर सर्व डेटा दुर्लक्षित करतो. जर आपल्याकडून गोळा केलेला सर्व डेटा स्पष्टपणे आपल्या इच्छित निष्कर्षांना समर्थन देत असेल, तर उत्तम. परंतु जर आपल्याकडून गोळा केलेला डेटा आपल्या निष्कर्षांना समर्थन देत नसेल, किंवा अगदी आपल्या मुख्य निष्कर्षांविरुद्ध समर्थन देत असेल, तर आपण तो डेटा देखील संवाद साधावा. असे झाल्यास, आपल्या प्रेक्षकांना स्पष्टपणे सांगा की आपण का आपली कथा टिकवून ठेवण्याचा निर्णय घेत आहात जरी सर्व डेटा त्याला समर्थन देत नाही. ### 3. याला प्रत्यक्ष कथा म्हणून हाताळा पारंपरिक कथा 5 टप्प्यांमध्ये घडते. आपण कदाचित हे टप्पे एक्सपोजिशन, रायझिंग अॅक्शन, क्लायमॅक्स, फॉलिंग अॅक्शन, आणि डिनाउमेंट म्हणून ऐकले असतील. किंवा अधिक सोपे शब्दांत, संदर्भ, संघर्ष, क्लायमॅक्स, समारोप, निष्कर्ष. आपला डेटा आणि कथा संवाद साधताना, आपण समान दृष्टिकोन स्वीकारू शकता. आपण संदर्भाने सुरुवात करू शकता, मंच तयार करा आणि आपले प्रेक्षक एकाच पृष्ठावर आहेत याची खात्री करा. नंतर संघर्ष सादर करा. आपल्याला हा डेटा गोळा करण्याची गरज का होती? आपण कोणत्या समस्यांचे निराकरण करण्याचा प्रयत्न करत होतात? त्यानंतर, क्लायमॅक्स. डेटा काय आहे? डेटा काय दर्शवतो? डेटा आपल्याला कोणते उपाय सांगतो? नंतर आपण समारोपाकडे येता, जिथे आपण समस्या आणि प्रस्तावित उपाय पुन्हा सांगू शकता. शेवटी, आपण निष्कर्षाकडे येता, जिथे आपण आपले मुख्य निष्कर्ष आणि पुढील पायऱ्या सारांशित करू शकता. ### 4. अर्थपूर्ण शब्द आणि वाक्ये वापरा जर आपण आणि मी एखाद्या उत्पादनावर एकत्र काम करत असतो, आणि मी आपल्याला सांगितले "आमचे वापरकर्ते आमच्या प्लॅटफॉर्मवर ऑनबोर्ड होण्यासाठी खूप वेळ घेतात," तर "खूप वेळ" किती वेळ असेल असे आपल्याला वाटेल? एक तास? एक आठवडा? हे समजणे कठीण आहे. जर मी ते संपूर्ण प्रेक्षकांना सांगितले तर काय? प्रेक्षकांतील प्रत्येकजण आमच्या प्लॅटफॉर्मवर ऑनबोर्ड होण्यासाठी वापरकर्त्यांना किती वेळ लागतो याबद्दल वेगवेगळ्या कल्पना करू शकतो. त्याऐवजी, जर मी सांगितले "आमचे वापरकर्ते, सरासरी, आमच्या प्लॅटफॉर्मवर साइन अप आणि ऑनबोर्ड होण्यासाठी 3 मिनिटे घेतात." ते संदेश अधिक स्पष्ट आहे. डेटा संवाद साधताना, असे वाटणे सोपे असते की आपले प्रेक्षक आपल्यासारखेच विचार करत आहेत. परंतु ते नेहमीच तसे नसते. आपल्या डेटा आणि त्याचा अर्थ स्पष्ट करणे हे संवादक म्हणून आपले एक उत्तरदायित्व आहे. जर डेटा किंवा आपली कथा स्पष्ट नसेल, तर आपले प्रेक्षक त्याचे अनुसरण करण्यात अडचणीत असतील, आणि त्यांना आपले मुख्य निष्कर्ष समजण्याची शक्यता कमी असेल. आपण अस्पष्ट शब्दांऐवजी अर्थपूर्ण शब्द आणि वाक्ये वापरून डेटा अधिक स्पष्टपणे संवाद साधू शकता. खाली काही उदाहरणे दिली आहेत. - आमच्यासाठी *आश्चर्यकारक* वर्ष होते! - एक व्यक्ती आश्चर्यकारक म्हणजे 2% - 3% महसूल वाढ असेल असे विचार करू शकते, आणि दुसरी व्यक्ती 50% - 60% वाढ असेल असे विचार करू शकते. - आमच्या वापरकर्त्यांच्या यश दरांमध्ये *लक्षणीय* वाढ झाली. - लक्षणीय वाढ म्हणजे किती मोठी वाढ? - हे काम *महत्त्वपूर्ण* प्रयत्नांची गरज असेल. - किती प्रयत्न महत्त्वपूर्ण आहेत? अस्पष्ट शब्दांचा उपयोग अधिक डेटा येत असल्याचे परिचय म्हणून किंवा आपण सांगितलेल्या कथाचा सारांश म्हणून उपयुक्त असू शकतो. परंतु आपल्या सादरीकरणाचा प्रत्येक भाग आपल्या प्रेक्षकांसाठी स्पष्ट असल्याची खात्री करा. ### 5. भावना वापरा कथाकथनात भावना महत्त्वाची असते. डेटा संवाद करताना ती आणखी महत्त्वाची असते. डेटा संवाद करताना, सर्वकाही आपल्याला आपल्या प्रेक्षकांकडून हवे असलेल्या निष्कर्षांवर केंद्रित असते. जेव्हा आपण प्रेक्षकांसाठी भावना निर्माण करता तेव्हा त्यांना सहानुभूती वाटते, आणि ते कृती करण्याची अधिक शक्यता असते. भावना देखील प्रेक्षकांना आपला संदेश लक्षात ठेवण्याची शक्यता वाढवते. आपण कदाचित हे टीव्ही जाहिरातींमध्ये अनुभवले असेल. काही जाहिराती खूप गंभीर असतात, आणि त्यांच्या प्रेक्षकांशी जोडण्यासाठी आणि त्यांच्याद्वारे सादर केलेला डेटा खरोखरच ठळक करण्यासाठी दु:खद भावना वापरतात. किंवा, काही जाहिराती खूप उत्साही आणि आनंदी असतात ज्यामुळे आपल्याला त्यांच्या डेटाशी आनंददायक भावना जोडल्या जातात. डेटा संवाद करताना भावना कशी वापरावी? खाली काही मार्ग दिले आहेत. - अनुभवकथन आणि वैयक्तिक कथा वापरा - डेटा गोळा करताना, परिमाणात्मक आणि गुणात्मक डेटा दोन्ही गोळा करण्याचा प्रयत्न करा, आणि संवाद साधताना दोन्ही प्रकारच्या डेटाचा समावेश करा. जर आपला डेटा प्रामुख्याने परिमाणात्मक असेल, तर व्यक्तींच्या कथा शोधा जेणेकरून आपला डेटा काय सांगतो याबद्दल अधिक जाणून घेता येईल. - प्रतिमा वापरा - प्रतिमा प्रेक्षकांना परिस्थितीत स्वतःला पाहण्यास मदत करतात. जेव्हा आपण प्रतिमा वापरता, तेव्हा आपण प्रेक्षकांना आपल्या डेटाबद्दल असलेल्या भावनेच्या दिशेने ढकलू शकता. - रंग वापरा - वेगवेगळे रंग वेगवेगळ्या भावना निर्माण करतात. लोकप्रिय रंग आणि त्यांच्याशी संबंधित भावना खाली दिल्या आहेत. सावध रहा, की वेगवेगळ्या संस्कृतींमध्ये रंगांचे वेगळे अर्थ असू शकतात. - निळा सहसा शांतता आणि विश्वास निर्माण करतो - हिरवा सहसा निसर्ग आणि पर्यावरणाशी संबंधित असतो - लाल सहसा आवेग आणि उत्साह निर्माण करतो - पिवळा सहसा आशावाद आणि आनंद निर्माण करतो # संवाद केस स्टडी एमर्सन हा एका मोबाइल अॅपसाठी उत्पादन व्यवस्थापक आहे. एमर्सनने लक्षात घेतले की ग्राहक आठवड्याच्या शेवटी 42% अधिक तक्रारी आणि बग रिपोर्ट्स सबमिट करतात. एमर्सनने हे देखील लक्षात घेतले की ग्राहक जे तक्रार सबमिट करतात आणि 48 तासांनंतर उत्तर मिळत नाही, ते अॅप स्टोअरमध्ये अॅपला 1 किंवा 2 रेटिंग देण्याची 32% अधिक शक्यता असते. संशोधन केल्यानंतर, एमर्सनकडे काही उपाय आहेत जे समस्या सोडवतील. एमर्सन कंपनीच्या 3 प्रमुखांसोबत डेटा आणि प्रस्तावित उपाय संवाद साधण्यासाठी 30 मिनिटांची बैठक आयोजित करतो. या बैठकीदरम्यान, एमर्सनचे उद्दिष्ट आहे की कंपनीचे प्रमुख खाली दिलेले 2 उपाय अॅपचे रेटिंग सुधारू शकतात हे समजून घ्यावेत, जे कदाचित उच्च महसुलात अनुवादित होईल. **उपाय 1.** ग्राहक सेवा प्रतिनिधी आठवड्याच्या शेवटी काम करण्यासाठी नियुक्त करा **उपाय 2.** नवीन ग्राहक सेवा तिकीट प्रणाली खरेदी करा जिथे ग्राहक सेवा प्रतिनिधी सहजपणे ओळखू शकतात की कोणत्या तक्रारी सर्वात जास्त वेळ प्रतीक्षेत आहेत – जेणेकरून ते सर्वात बैठकीत, एमर्सनने अॅप स्टोअरवरील कमी रेटिंग का वाईट आहे याचे स्पष्टीकरण देण्यासाठी 5 मिनिटे खर्च केली, संशोधन प्रक्रिया आणि ट्रेंड कसे ओळखले गेले याचे स्पष्टीकरण देण्यासाठी 10 मिनिटे खर्च केली, काही अलीकडील ग्राहकांच्या तक्रारींवर चर्चा करण्यासाठी 10 मिनिटे खर्च केली, आणि शेवटच्या 5 मिनिटांत 2 संभाव्य उपायांवर थोडक्यात चर्चा केली. एमर्सनने या बैठकीत संवाद साधण्याचा हा प्रभावी मार्ग होता का? बैठकीदरम्यान, एका कंपनीच्या लीडने एमर्सनने घेतलेल्या ग्राहकांच्या तक्रारींच्या 10 मिनिटांवर लक्ष केंद्रित केले. बैठकीनंतर, या तक्रारीच त्या टीम लीडला आठवल्या. दुसऱ्या कंपनीच्या लीडने मुख्यतः एमर्सनने संशोधन प्रक्रिया कशी मांडली यावर लक्ष केंद्रित केले. तिसऱ्या कंपनीच्या लीडला एमर्सनने प्रस्तावित केलेले उपाय आठवले, पण ते उपाय कसे अंमलात आणता येतील याबद्दल खात्री नव्हती. वरील परिस्थितीत, तुम्ही पाहू शकता की एमर्सनने टीम लीड्सना काय समजावून सांगायचे होते आणि त्यांनी बैठकीतून काय घेतले यामध्ये महत्त्वाची तफावत होती. खाली एमर्सन विचार करू शकतो असा दुसरा दृष्टिकोन दिला आहे. एमर्सन हा दृष्टिकोन कसा सुधारू शकतो? संदर्भ, संघर्ष, उत्कर्ष, समारोप, निष्कर्ष **संदर्भ** - एमर्सनने पहिल्या 5 मिनिटांत संपूर्ण परिस्थिती सादर करावी आणि टीम लीड्सना हे समजावून सांगावे की समस्या कंपनीसाठी महत्त्वाच्या मेट्रिक्सवर कसा परिणाम करतात, जसे की महसूल. हे अशा प्रकारे मांडले जाऊ शकते: "सध्या, आमच्या अॅपचे रेटिंग अॅप स्टोअरमध्ये 2.5 आहे. अॅप स्टोअरमधील रेटिंग अॅप स्टोअर ऑप्टिमायझेशनसाठी महत्त्वाचे आहे, जे आमच्या अॅपला शोधात किती वापरकर्ते पाहतात आणि संभाव्य वापरकर्त्यांना आमचा अॅप कसा दिसतो यावर परिणाम करते. आणि अर्थातच, आमच्याकडे असलेल्या वापरकर्त्यांची संख्या थेट महसुलाशी जोडलेली आहे." **संघर्ष** - त्यानंतर एमर्सन पुढील 5 मिनिटे संघर्षावर चर्चा करू शकतो. हे असे जाऊ शकते: “वापरकर्ते आठवड्याच्या शेवटी 42% अधिक तक्रारी आणि बग रिपोर्ट्स सबमिट करतात. ज्या ग्राहकांची तक्रार 48 तासांनंतर उत्तर न मिळाल्यास ते अॅप स्टोअरमध्ये आमच्या अॅपला 2 पेक्षा जास्त रेटिंग देण्याची शक्यता 32% कमी असते. अॅप स्टोअरमध्ये आमच्या अॅपचे रेटिंग 4 पर्यंत सुधारल्यास आमची दृश्यमानता 20-30% ने सुधारेल, ज्यामुळे महसूल 10% ने वाढेल असे मी प्रोजेक्ट करतो." अर्थात, एमर्सनने या आकडेवारीचे समर्थन करण्यासाठी तयार असले पाहिजे. **उत्कर्ष** - पायाभूत माहिती दिल्यानंतर, एमर्सन पुढील 5 मिनिटे उत्कर्षावर चर्चा करू शकतो. एमर्सन प्रस्तावित उपाय सादर करू शकतो, त्या उपायांनी मांडलेल्या समस्यांचे निराकरण कसे होईल, ते उपाय विद्यमान कार्यप्रवाहांमध्ये कसे अंमलात आणता येतील, त्या उपायांचा खर्च किती आहे, त्या उपायांचा ROI काय असेल, आणि कदाचित त्या उपायांची अंमलबजावणी झाल्यास ते कसे दिसतील याचे स्क्रीनशॉट किंवा वायरफ्रेम्स देखील दाखवू शकतो. एमर्सन 48 तासांपेक्षा जास्त वेळ तक्रारींचे उत्तर मिळालेल्या वापरकर्त्यांचे प्रशंसापत्र आणि कंपनीतील विद्यमान ग्राहक सेवा प्रतिनिधीचे प्रशंसापत्र देखील शेअर करू शकतो, ज्याने विद्यमान तिकीट प्रणालीवर टिप्पणी केली आहे. **समारोप** - आता एमर्सन 5 मिनिटे कंपनीला भेडसावणाऱ्या समस्यांचे पुनरावलोकन करण्यासाठी, प्रस्तावित उपाय पुन्हा मांडण्यासाठी आणि ते उपाय योग्य का आहेत हे पुनरावलोकन करण्यासाठी खर्च करू शकतो. **निष्कर्ष** - कारण ही काही भागधारकांसोबतची बैठक आहे जिथे द्वि-मार्ग संवाद वापरला जाईल, एमर्सन नंतर 10 मिनिटे प्रश्नांसाठी ठेवू शकतो, जेणेकरून टीम लीड्ससाठी गोंधळात टाकणारी कोणतीही गोष्ट स्पष्ट केली जाऊ शकते. जर एमर्सनने दृष्टिकोन #2 घेतला, तर टीम लीड्सने एमर्सनने त्यांना काय समजावून सांगायचे होते ते नक्कीच घेतले असेल – की तक्रारी आणि बग्स हाताळण्याचा मार्ग सुधारला जाऊ शकतो, आणि ते सुधारणा घडवून आणण्यासाठी 2 उपाय अंमलात आणले जाऊ शकतात. हा दृष्टिकोन डेटा आणि कथा संवाद साधण्यासाठी एमर्सनला हवा असलेला अधिक प्रभावी दृष्टिकोन असेल. # निष्कर्ष ### मुख्य मुद्द्यांचा सारांश - संवाद साधणे म्हणजे माहिती देणे किंवा देवाणघेवाण करणे. - डेटा संवाद साधताना, तुमचे उद्दिष्ट केवळ तुमच्या प्रेक्षकांना आकडेवारी देणे नसावे. तुमचे उद्दिष्ट तुमच्या डेटाद्वारे माहिती दिलेली कथा सांगणे असावे. - संवादाचे 2 प्रकार आहेत, एक-मार्ग संवाद (माहिती दिली जाते पण प्रतिसादाची अपेक्षा नसते) आणि द्वि-मार्ग संवाद (माहिती परस्पर दिली जाते). - डेटा वापरून कथा सांगण्यासाठी तुम्ही अनेक रणनीती वापरू शकता, आम्ही ज्या 5 रणनीतींचा आढावा घेतला ते आहेत: - तुमच्या प्रेक्षकांना, माध्यमाला आणि संवाद पद्धतीला समजून घ्या - शेवट लक्षात ठेवून सुरुवात करा - वास्तविक कथा असल्यासारखे दृष्टिकोन ठेवा - अर्थपूर्ण शब्द आणि वाक्ये वापरा - भावना वापरा ### स्व-अभ्यासासाठी शिफारस केलेले संसाधने [The Five C's of Storytelling - Articulate Persuasion](http://articulatepersuasion.com/the-five-cs-of-storytelling/) [1.4 Your Responsibilities as a Communicator – Business Communication for Success (umn.edu)](https://open.lib.umn.edu/businesscommunication/chapter/1-4-your-responsibilities-as-a-communicator/) [How to Tell a Story with Data (hbr.org)](https://hbr.org/2013/04/how-to-tell-a-story-with-data) [Two-Way Communication: 4 Tips for a More Engaged Workplace (yourthoughtpartner.com)](https://www.yourthoughtpartner.com/blog/bid/59576/4-steps-to-increase-employee-engagement-through-two-way-communication) [6 succinct steps to great data storytelling - BarnRaisers, LLC (barnraisersllc.com)](https://barnraisersllc.com/2021/05/02/6-succinct-steps-to-great-data-storytelling/) [How to Tell a Story With Data | Lucidchart Blog](https://www.lucidchart.com/blog/how-to-tell-a-story-with-data) [6 Cs of Effective Storytelling on Social Media | Cooler Insights](https://coolerinsights.com/2018/06/effective-storytelling-social-media/) [The Importance of Emotions In Presentations | Ethos3 - A Presentation Training and Design Agency](https://ethos3.com/2015/02/the-importance-of-emotions-in-presentations/) [Data storytelling: linking emotions and rational decisions (toucantoco.com)](https://www.toucantoco.com/en/blog/data-storytelling-dataviz) [Emotional Advertising: How Brands Use Feelings to Get People to Buy (hubspot.com)](https://blog.hubspot.com/marketing/emotions-in-advertising-examples) [Choosing Colors for Your Presentation Slides | Think Outside The Slide](https://www.thinkoutsidetheslide.com/choosing-colors-for-your-presentation-slides/) [How To Present Data [10 Expert Tips] | ObservePoint](https://resources.observepoint.com/blog/10-tips-for-presenting-data) [Microsoft Word - Persuasive Instructions.doc (tpsnva.org)](https://www.tpsnva.org/teach/lq/016/persinstr.pdf) [The Power of Story for Your Data (thinkhdi.com)](https://www.thinkhdi.com/library/supportworld/2019/power-story-your-data.aspx) [Common Mistakes in Data Presentation (perceptualedge.com)](https://www.perceptualedge.com/articles/ie/data_presentation.pdf) [Infographic: Here are 15 Common Data Fallacies to Avoid (visualcapitalist.com)](https://www.visualcapitalist.com/here-are-15-common-data-fallacies-to-avoid/) [Cherry Picking: When People Ignore Evidence that They Dislike – Effectiviology](https://effectiviology.com/cherry-picking/#How_to_avoid_cherry_picking) [Tell Stories with Data: Communication in Data Science | by Sonali Verghese | Towards Data Science](https://towardsdatascience.com/tell-stories-with-data-communication-in-data-science-5266f7671d7) [1. Communicating Data - Communicating Data with Tableau [Book] (oreilly.com)](https://www.oreilly.com/library/view/communicating-data-with/9781449372019/ch01.html) ## [Post-Lecture Quiz](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/31) वर दिलेल्या पोस्ट-लेक्चर क्विझसह तुम्ही नुकतेच शिकलेले पुनरावलोकन करा! ## असाइनमेंट [Market Research](assignment.md) --- **अस्वीकरण**: हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) चा वापर करून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.