Data-Science-For-Beginners/translations/mr/4-Data-Science-Lifecycle/16-communication

डेटा सायन्स जीवनचक्र: संवाद

डेटा सायन्स जीवनचक्र: संवाद - Sketchnote by @nitya

पूर्व-व्याख्यान प्रश्नमंजूषा

वरील पूर्व-व्याख्यान प्रश्नमंजूषेच्या माध्यमातून येणाऱ्या विषयाची आपली माहिती तपासा!

परिचय

संवाद म्हणजे काय?

या धड्याची सुरुवात संवादाची व्याख्या करून करूया. संवाद म्हणजे माहिती देणे किंवा आदान-प्रदान करणे. ही माहिती कल्पना, विचार, भावना, संदेश, गुप्त संकेत, डेटा – काहीही असू शकते, जे प्रेषक (माहिती पाठवणारा) प्राप्तकर्ता (माहिती मिळवणारा) समजून घेईल अशी अपेक्षा करतो. या धड्यात, प्रेषकांना संवादक आणि प्राप्तकर्त्यांना प्रेक्षक म्हणू.

डेटा संवाद आणि कथाकथन

आपल्याला समजते की संवाद करताना उद्दिष्ट माहिती देणे किंवा आदान-प्रदान 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 दोन वेगवेगळ्या प्रकारच्या संवादांवर चर्चा केली जाईल: 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 घडामोडी 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 संवाद म्हणतो ते. आपण सहसा लोकांना संभाषण करताना विचार करतो - 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 थेट विचारले जाणार नाहीत) आणि काही प्रसंगी आपण द्विमार्गी संवाद वापराल (उदाहरणार्थ, डेटा वापरून काही भागधारकांना सहमती मिळवण्यासाठी किंवा सहकाऱ्याला नवीन गोष्ट 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/प्रेक्षक आपल्याला हवे असलेली माहिती समजून घेत आहेत. डेटा संवाद करताना, आपल्याला फक्त आकडेवारी देऊन थांबायचे नाही, तर आपल्याला डेटा-आधारित कथा सांगायची आहे. एक चांगला डेटा संवादक म्हणजे एक चांगला कथाकथनकर्ता.

डेटासह कथा कशी सांगायची? यासाठी अनंत मार्ग आहेत – परंतु खाली दिलेले 6 मार्ग या धड्यात आपण चर्चा करू.

1. आपल्या प्रेक्षक, माध्यम, आणि संवाद पद्धती समजून घ्या
2. शेवट लक्षात ठेवून सुरुवात करा
3. याला खऱ्या कथेसारखे सादर करा
4. अर्थपूर्ण शब्द आणि वाक्ये वापरा
5. भावना वापरा

या प्रत्येक रणनीतीची सविस्तर माहिती खाली दिली आहे.

1. आपल्या प्रेक्षक, चॅनेल आणि संवाद पद्धती समजून घ्या

आपण कुटुंबीयांशी संवाद साधण्याचा मार्ग मित्रांशी संवाद साधण्यापेक्षा वेगळा असतो. आपण कदाचित वेगळे शब्द आणि वाक्ये वापरता जे आपल्याला वाटते की समोरचा व्यक्ती अधिक चांगल्या प्रकारे समजून घेईल. डेटा संवाद करताना आपण याच दृष्टिकोनाचा अवलंब करावा. आपण कोणाशी संवाद साधत आहात याचा विचार करा. त्यांच्या उद्दिष्टांचा विचार करा आणि आपण त्यांना सांगत असलेल्या परिस्थितीबद्दल त्यांना असलेल्या संदर्भाचा विचार करा.

आपण बहुतेक प्रेक्षकांना एका श्रेणीत वर्गीकृत करू शकता. हार्वर्ड बिझनेस रिव्ह्यू च्या "डेटासह कथा कशी सांगावी" या लेखात, डेलचे कार्यकारी रणनीतिकार जिम स्टिकलेदर पाच प्रकारच्या प्रेक्षकांची ओळख करून देतात.

• नवशिक्या: विषयाचा पहिला अनुभव, परंतु अतिशय साधेपणा नको
• सामान्य: विषयाची माहिती असलेला, परंतु एकूण समज आणि मुख्य थीम्स शोधत असलेला
• व्यवस्थापकीय: गुंतागुंतींचे आणि परस्परसंबंधांचे सखोल, कृतीक्षम समज, तपशीलासह प्रवेश
• तज्ञ: अधिक शोध आणि कमी कथाकथन, तपशीलवार माहिती
• कार्यकारी: फक्त महत्त्व आणि संभाव्य निष्कर्ष समजून घेण्यासाठी वेळ असलेला

या श्रेणी आपल्याला आपल्या प्रेक्षकांसाठी डेटा कसा सादर करायचा याबद्दल मार्गदर्शन करू शकतात.

आपल्या प्रेक्षकांच्या श्रेणीचा विचार करण्याव्यतिरिक्त, आपण प्रेक्षकांशी संवाद साधण्यासाठी वापरत असलेल्या चॅनेलचा 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 आपण 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 व्यवस्थापकीय 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 आपल्याकडील डेटा आणि त्याचा महत्त्व यावर चर्चा करण्यास सुरुवात करू शकता. या परिस्थितीत, वेळेवर लक्ष केंद्रित करणे आणि आपल्या सादरीकरणावर नियंत्रण ठेवणे महत्त्वाचे आहे. द्विमार्गी संवाद वापरताना (विशेषतः व्यवस्थापकीय प्रेक्षकांसोबत जे "गुंतागुंतींचे आणि परस्परसंबंधांचे कृतीक्षम समज" शोधत असतात) संवादादरम्यान प्रश्न उपस्थित होऊ शकतात जे कथेच्या मुख्य विषयापासून दूर जाऊ शकतात. अशा वेळी, आपण कृती करून संवाद पुन्हा आपल्या कथेच्या मुख्य विषयावर आणू शकता.

2. शेवट लक्षात ठेवून सुरुवात करा

शेवट लक्षात ठेवून सुरुवात करणे म्हणजे संवाद सुरू करण्यापूर्वी आपल्या प्रेक्षकांसाठी अपेक्षित निष्कर्ष समजून घेणे. आपल्या प्रेक्षकांना काय समजून घ्यायला हवे आहे याबद्दल आधी विचार करून आपण एक कथा तयार करू शकता जी प्रेक्षकांना समजेल. 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. त्यानंतर, डेटा सादर करण्यासाठी कथा तयार करताना प्रत्येक टप्प्यावर स्वतःला विचारा, "हे माझ्या कथेच्या मुख्य विषयाशी कसे संबंधित आहे?"

सावध रहा – शेवट लक्षात ठेवून सुरुवात करणे आदर्श असले तरी, आपल्याला फक्त आपल्या अपेक्षित निष्कर्षांना समर्थन देणारा डेटा सादर करायचा नाही. असे करणे म्हणजे चेरी-पिकिंग, जेव्हा संवादक फक्त त्याच्या मुद्द्याला समर्थन देणारा डेटा सादर करतो आणि इतर सर्व डेटा दुर्लक्षित करतो.

जर आपल्याकडील सर्व डेटा स्पष्टपणे आपल्या अपेक्षित निष्कर्षांना समर्थन देत असेल, तर उत्तम. परंतु जर आपल्याकडील डेटा आपल्या निष्कर्षांना समर्थन देत नसेल किंवा अगदी त्याविरुद्ध असलेला डेटा असेल, तर तो डेटा देखील सादर करावा. अशा परिस्थितीत, आपल्या प्रेक्षकांना स्पष्टपणे सांगा की सर्व डेटा समर्थन करत नसतानाही आपण आपल्या कथेवर का टिकून राहण्याचा निर्णय घेत आहात.

3. याला खऱ्या कथेसारखे सादर करा

पारंपरिक कथा 5 टप्प्यांमध्ये घडते. आपण कदाचित हे टप्पे एक्सपोजिशन, रायझिंग अॅक्शन, क्लायमॅक्स, फॉलिंग अॅक्शन, आणि डिनाउमेंट म्हणून ऐकले असतील. किंवा अधिक सोप्या शब्दांत, संदर्भ, संघर्ष, क्लायमॅक्स, समारोप, निष्कर्ष. आपला डेटा आणि कथा संवाद साधताना आपण याच दृष्टिकोनाचा अवलंब करू शकता.

आपण संदर्भाने सुरुवात करू शकता, मंच तयार करा आणि आपल्या प्रेक्षकांना एकाच पृष्ठावर आणा. त्यानंतर संघर्ष सादर करा. आपल्याला हा डेटा गोळा करण्याची गरज का वाटली? कोणत्या समस्यांचे निराकरण करण्याचा प्रयत्न केला? त्यानंतर क्लायमॅक्स. डेटा काय आहे? डेटा काय दर्शवतो? डेटा आपल्याला कोणते उपाय सुचवतो? त्यानंतर समारोप, जिथे आपण समस्या आणि प्रस्तावित उपाय पुन्हा सांगू शकता. शेवटी, निष्कर्ष, जिथे आपण आपल्या मुख्य निष्कर्षांचे आणि पुढील पायऱ्यांचे सारांश देऊ शकता.

4. अर्थपूर्ण शब्द आणि वाक्ये वापरा

जर आपण आणि मी एखाद्या उत्पादनावर काम करत असू, 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 सांगणे कठीण आहे. जर मी हे संपूर्ण प्रेक्षकांना सांगितले तर? प्रेक्षकांतील प्रत्येकजण वेगळ्या कल्पनेतून "खूप वेळ" समजून घेईल.

त्याऐवजी, जर मी सांगितले "आमचे वापरकर्ते सरासरी 3 मिनिटांत आमच्या प्लॅटफॉर्मवर साइन अप करून ऑनबोर्ड होतात."

हे संदेश अधिक स्पष्ट आहे. डेटा संवाद करताना, असे गृहीत धरले जाऊ शकते की प्रेक्षक आपल्यासारखेच विचार करत आहेत. परंतु असे नेहमीच नसते. आपल्या डेटा आणि त्याचा अर्थ स्पष्ट करणे हे संवादक म्हणून आपले एक महत्त्वाचे काम आहे. जर डेटा किंवा कथा स्पष्ट नसेल, तर प्रेक्षकांना ते समजणे कठीण होईल आणि आपले मुख्य निष्कर्ष समजून घेण्याची 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 समजेल, तर दुसरी व्यक्ती 50% - 60% वाढ समजेल.
• आमच्या वापरकर्त्यांच्या यश दरात लक्षणीय वाढ झाली.
  • लक्षणीय वाढ म्हणजे किती मोठी वाढ?
• हे काम महत्त्वपूर्ण प्रयत्नांची मागणी करेल.
  • महत्त्वपूर्ण प्रयत्न म्हणजे किती?

अस्पष्ट शब्दांचा उपयोग अधिक डेटा सादर करण्याच्या प्रस्तावनेत किंवा आपण सांगितलेल्या कथेच्या सारांशात उपयुक्त ठरू 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 आपल्या प्रेक्षकांना हवे असलेल्या निष्कर्षांवर केंद्रित असते. प्रेक्षकांमध्ये भावना जागृत केल्याने त्यांना सहानुभूती वाटते आणि ते कृती करण्याची शक्यता वाढते. भावना प्रेक्षकांना आपला संदेश लक्षात ठेवण्याची शक्यता देखील वाढवते.

आपण हे टीव्ही जाहिरातींमध्ये अनुभवले असेल. काही जाहिराती खूप गंभीर असतात आणि प्रेक्षकांशी जोडण्यासाठी आणि सादर केलेला डेटा खरोखरच ठळक करण्यासाठी दु:खद भावना वापरतात. किंवा, काही जाहिराती खूप उत्साही आणि आनंदी असतात ज्यामुळे आपल्याला त्यांच्या डेटाशी आनंदी भावना जोडली जाते.

डेटा संवाद करताना भावना कशी वापरावी? खाली काही मार्ग दिले आहेत.

• अनुभवकथन आणि वैयक्तिक कथा वापरा
  • डेटा गोळा करताना, परिमाणात्मक आणि गुणात्मक डेटा गोळा करण्याचा प्रयत्न करा आणि संवाद साधताना दोन्ही प्रकारच्या डेटाचा समावेश करा. जर आपला डेटा मुख्यतः 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 जागृत करतात. लोकप्रिय रंग आणि त्यांच्याशी संबंधित भावना खाली दिल्या आहेत. लक्षात ठेवा, वेगवेगळ्या संस्कृतींमध्ये रंगांचे वेगळे अर्थ असू शकतात.
    • निळा सहसा शांतता आणि विश्वासाची भावना जागृत करतो
    • हिरवा सहसा निसर्ग आणि पर्यावरणाशी संबंधित असतो
    • लाल सहसा आवेग आणि उत्साहाशी संबंधित असतो
    • पिवळा सहसा आशावाद आणि आनंदाशी संबंधित असतो

संवाद केस स्टडी

एमर्सन हा एका मोबाइल अॅपसाठी प्रॉडक्ट मॅनेजर 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 करतात आणि 48 तासांनंतर उत्तर मिळत नाही, ते अॅपला 1 किंवा 2 रेटिंग देण्याची 32% अधिक शक्यता असते.

संशोधन केल्यानंतर, एमर्सनकडे काही उपाय आहेत जे समस्येचे निराकरण करतील. एमर्सन कंपनीच्या 3 प्रमुखांसोबत डेटा आणि प्रस्तावित उपाय संवाद साधण्यासाठी 30 मिनिटांची बैठक आयोजित करतो.

या बैठकीत, एमर्सनचे उद्दिष्ट आहे की कंपनीचे प्रमुख खाली दिलेले 2 उपाय अॅपचे रेटिंग सुधारू शकतात हे समजून घ्यावेत, जे संभाव्यतः 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 त्वरित संबोधित करू शकतील.

बैठकीत, एमर्सन 5 मिनिटे अॅप स्टोअरमध्ये कमी रेटिंग असणे का वाईट आहे हे स्पष्ट करण्यात घालवतो, 10 मिनिटे संशोधन प्रक्रिया आणि ट्रेंड कसे ओळखले गेले यावर चर्चा करतो, 10 मिनिटे काही अलीकडील ग्राहक तक्रारींवर चर्चा करतो, आणि शे एमर्सनने या बैठकीत संवाद साधण्यासाठी हा प्रभावी मार्ग होता का?

बैठकीदरम्यान, एका कंपनीच्या लीडने एमर्सनने मांडलेल्या ग्राहकांच्या तक्रारींच्या 10 मिनिटांवर लक्ष केंद्रित केले. बैठकीनंतर, या तक्रारीच त्या टीम लीडच्या लक्षात राहिल्या. दुसऱ्या कंपनीच्या लीडने मुख्यतः एमर्सनने संशोधन प्रक्रियेचे वर्णन केले यावर लक्ष केंद्रित केले. तिसऱ्या कंपनीच्या लीडने एमर्सनने प्रस्तावित केलेल्या उपायांची आठवण ठेवली, पण ते उपाय कसे अंमलात आणता येतील याबद्दल त्याला खात्री नव्हती.

वरील परिस्थितीत, तुम्ही पाहू शकता की एमर्सनने टीम लीड्सना काय समजावून सांगायचे होते आणि त्यांनी प्रत्यक्षात काय समजले यामध्ये मोठी तफावत होती. खाली एमर्सन विचार करू शकणारा दुसरा दृष्टिकोन दिला आहे.

एमर्सन हा दृष्टिकोन कसा सुधारू शकतो?
संदर्भ, संघर्ष, उत्कर्ष, समारोप, निष्कर्ष
संदर्भ - एमर्सनने सुरुवातीचे 5 मिनिटे संपूर्ण परिस्थितीची ओळख करून देण्यासाठी खर्च 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 आमचे अॅप शोधात किती वापरकर्त्यांना दिसते आणि संभाव्य वापरकर्त्यांना आमचे अॅप कसे दिसते यावर परिणाम करते. आणि अर्थातच, आमच्याकडे असलेल्या वापरकर्त्यांची संख्या थेट महसुलाशी जोडलेली आहे."

संघर्ष एमर्सन त्यानंतर पुढील 5 मिनिटे संघर्षावर बोलू शकतो.

हे असे जाऊ शकते: “वापरकर्ते आठवड्याच्या शेवटी 42% अधिक तक्रारी आणि बग रिपोर्ट्स सबमिट करतात. ग्राहक ज्यांची 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% सुधारेल, ज्यामुळे महसूल 10% वाढेल असे मी प्रोजेक्ट करतो." अर्थात, एमर्सनने या आकडेवारीचे समर्थन करण्यासाठी तयार असले पाहिजे.

उत्कर्ष पायाभूत माहिती दिल्यानंतर, एमर्सन पुढील 5 मिनिटे उत्कर्षावर जाऊ 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 तक्रारीला उत्तर मिळालेल्या वापरकर्त्याचे 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 पुनरुच्चारण करण्यासाठी, प्रस्तावित उपाय पुन्हा पाहण्यासाठी आणि त्या उपाय योग्य का आहेत याचे पुनरावलोकन करण्यासाठी खर्च करू शकतो.

निष्कर्ष कारण ही काही भागधारकांसोबतची बैठक आहे जिथे द्वि-मार्ग संवाद वापरला जाईल, एमर्सन 10 मिनिटे प्रश्नांसाठी ठेवण्याची योजना करू शकतो, जेणेकरून टीम लीड्ससाठी गोंधळात टाकणारी कोणतीही गोष्ट स्पष्ट केली जाऊ शकते.

जर एमर्सनने दृष्टिकोन #2 घेतला, तर टीम लीड्सने एमर्सनने त्यांना समजावून सांगायचे होते तेच समजावून घेतले जाईल – की तक्रारी आणि बग्स हाताळण्याचा मार्ग सुधारला जाऊ शकतो आणि त्या 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.
• संवाद साधण्याचे 2 प्रकार आहेत, एक-मार्ग संवाद (माहिती देण्याचा कोणताही प्रतिसाद मिळवण्याचा हेतू नसतो) आणि द्वि-मार्ग संवाद (माहिती परस्पर देवाणघेवाण केली जाते.)
• डेटा वापरून कथा सांगण्यासाठी तुम्ही अनेक रणनीती वापरू शकता, आम्ही ज्या 5 रणनीतींवर चर्चा केली त्या आहेत:
  • तुमच्या प्रेक्षक, माध्यम, आणि संवाद पद्धती समजून घ्या
  • शेवट लक्षात ठेवून सुरुवात करा
  • याला प्रत्यक्ष कथा म्हणून विचार करा
  • अर्थपूर्ण शब्द आणि वाक्ये वापरा
  • भावना वापरा

स्व-अभ्यासासाठी शिफारस केलेले संसाधने

The Five C's of Storytelling - Articulate Persuasion

1.4 Your Responsibilities as a Communicator – Business Communication for Success (umn.edu)

How to Tell a Story with Data (hbr.org)

Two-Way Communication: 4 Tips for a More Engaged Workplace (yourthoughtpartner.com)

6 succinct steps to great data storytelling - BarnRaisers, LLC (barnraisersllc.com)

How to Tell a Story With Data | Lucidchart Blog

6 Cs of Effective Storytelling on Social Media | Cooler Insights

The Importance of Emotions In Presentations | Ethos3 - A Presentation Training and Design Agency

Data storytelling: linking emotions and rational decisions (toucantoco.com)

Emotional Advertising: How Brands Use Feelings to Get People to Buy (hubspot.com)

Choosing Colors for Your Presentation Slides | Think Outside The Slide

How To Present Data [10 Expert Tips] | ObservePoint

Microsoft Word - Persuasive Instructions.doc (tpsnva.org)

The Power of Story for Your Data (thinkhdi.com)

Common Mistakes in Data Presentation (perceptualedge.com)

Infographic: Here are 15 Common Data Fallacies to Avoid (visualcapitalist.com)

Cherry Picking: When People Ignore Evidence that They Dislike – Effectiviology

Tell Stories with Data: Communication in Data Science | by Sonali Verghese | Towards Data Science

1. Communicating Data - Communicating Data with Tableau [Book] (oreilly.com)

पाठानंतरचा क्विझ

वर शिकलेल्या गोष्टींचा पुनरावलोकन करण्यासाठी वरील पाठानंतरचा क्विझ वापरा!

असाइनमेंट

Market Research

---

अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator वापरून 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 निर्माण होणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.