FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

书籍与课程

试点成功了,为何仍会输在 30 分钟汇报上

Knaflic 2015 年的《用数据讲故事》从决定扩大还是叫停的那个人讲起,FDE 也该从这里开始。

封面: Storytelling with Data: A Data Visualization Guide for Business Professionals
Storytelling with Data: A Data Visualization Guide for Business Professionals · Cole Nussbaumer Knaflic · 封面图片:Open Library
分享微博

要点速览

  • 《Storytelling with Data》(Wiley,2015)是 Cole Nussbaumer Knaflic 的第一本书,她曾任 Google People Analytics 团队经理。
  • 全书循序渐进,从选择图表类型讲到像设计师一样使用颜色、添加标注。
  • 对 FDE 来说,最大的价值在第一步:弄清受众是谁,以及需要他们知道什么、做什么。
同一张折线图的两个版本。左侧为“改版前”:有边框、网格线,五条数据序列各用一种颜色,标题为描述性的“试点结果:第 1–6 周”。右侧为“改版后”:四条灰色序列,没有网格线,只有一条橙色线从第 1 周的 20% 升至第 6 周的 45%;第 4 周处标注“新增规则”,标题直接给出结论:“智能体解决 45% 的简单工单”。图中数字均为假设。
把 Knaflic 的思路用在试点报告上:删掉干扰,只给关键序列上色,把标注放在拐点旁,并把标题改成结论。灰线仅作示意。来源:本文的假设数字示例,基于《Storytelling with Data》(Wiley,2015)

设想你刚为一家客户做完为期六周的工单分诊智能体试点。数据一应俱全:准确率、处理时长、经由智能体处理的工单数量。接下来,你有 30 分钟面对一位从没打开过仪表盘的副总裁,由他决定是扩大规模还是叫停。

最省事的做法,是把从 notebook 直接导出的十张图表贴进幻灯片。Cole Nussbaumer Knaflic 专门写了一整本书来纠正这种习惯。Wiley 介绍 Storytelling with Data 时只用了一句号召:不要只是展示数据,要用数据讲故事。

对前线部署工程师(FDE)来说,这不是锦上添花的技能。当扩大还是叫停取决于这样一场会议时,客户在这 30 分钟里看到的东西,实际上就是你交付的成果。

作者是谁,为什么值得信任?

这本书的全名是 Storytelling with Data: A Data Visualization Guide for Business Professionals。Wiley 于 2015 年 10 月推出电子版,2015 年 11 月推出纸质版。这是 Knaflic 的第一本书,出版时距她 2010 年创办公司 storytelling with data 已有五年。

据芝加哥大学布斯商学院(Chicago Booth)的个人介绍,Knaflic 此前在银行和私募股权领域从事分析工作,后来成为 Google People Analytics 团队的经理。换句话说,她站在需要把数字摆到决策者面前的那一方写作,这正是 FDE 在试点汇报时所处的位置。

作者网站称,这本书面向希望用图表打动、说服他人的商务人士,并未提到 FDE。不过,你的客户需要的也不是漂亮的图表,而是知道下一步该做什么。

一套流程,拆成小步

据作者网站介绍,书中各课遵循一套流程:从选择图表类型,一直到像设计师一样思考如何使用颜色、添加标注。

期刊 Information Research 对配套练习册 Storytelling with Data: Let’s Practice! 的书评指出,每一步都被拆成更小的步骤,带着读者走完整个流程。

Wiley 的新书发布公告把起点定在理解背景和受众,然后借助故事让信息引起共鸣。Knaflic 在 Chicago Booth 说得更直白:从受众出发,确定需要他们知道什么或做什么,想清楚他们是谁、什么在驱动他们。

同一篇 Let’s Practice! 书评也指出两点局限:书中假定数据已经准备好,而且理论部分偏少。对 FDE 而言,第一点最关键:在这套流程开始之前,到客户现场清洗日志、关联数据表、定义指标,仍然是你的工作。

打开作图工具之前,先写一句话

一篇该书的读书摘要建议,前期花时间思考背景、核心信息和故事线。回到试点的例子,最简单的做法是把信息浓缩成一句话。

不要用“第 1–6 周试点结果”这样的标题,而是写一句“智能体已能稳定处理简单工单,下季度应扩展到另外两个支持团队”。这句话会逼你做取舍:凡是无助于证明它的图表,都放进附录。

故事线负责安排其余内容的顺序:问题、结果、遗留风险、建议。在 2019 年的一期播客中,Knaflic 建议先想清楚受众首先需要知道什么,让他们进入合适的状态。对这位副总裁来说,可能是原来的问题代价有多大。

先删干扰,再引导视线

摘要把干扰定义为一切占用空间却无助于观看者理解的东西。想象一张折线图,五条数据序列各用一种颜色:观看者得先解一道谜题,才能明白你想说什么。

现在用假设的数字重做一遍。假设智能体独立解决的简单工单占比从第 1 周的 20% 升到第 6 周的 45%。

应用书中思路的一种做法是:把另外四条序列改成灰色,删掉网格线和边框,只给这一条序列上色,再把标题改成结论:“第 6 周智能体独立解决了 45% 的简单工单,是第 1 周的两倍多”。

然后在拐点旁边加一行标注,例如“第 4 周:新增密码重置工单规则”,而不是把解释留在脚注里。观看者读标题、看到彩色的线、找到原因,就足以点头认可或追问一句。这不需要任何新工具,只需要敢于删减。

你说的是谁的语言?

Knaflic 主张围绕受众需求来组织演示,这对 FDE 有一个非常实际的推论:使用客户的术语和单位,而不是你团队的。如果客户的运营团队以“每班处理小时数”来衡量,就别让他们去读 F1 分数。

这正是这本书与客户需求调研直接相连的地方。只有在项目一开始问过,你才知道什么在驱动受众,所以从第一次会议起,就记下客户如何衡量自己的工作。

发出幻灯片前,检查三件事:有没有一句核心信息?标题是结论,还是“各周自助解决率”这类单纯的描述?用的是谁的单位?三项都能在一个下午内改好。

谁该读,按什么顺序读?

这本书适合经常向非技术人员汇报成果的工程师。先读原书,再做配套的 Storytelling with Data: Let’s Practice!。Information Research 的书评作者向图书馆与信息领域推荐这本练习册,同时指出它偏重商业和营销。

如果你正在转向 FDE 岗位,可以在作品集里加一组“改前与改后”:原始图表、重新设计的版本,以及那句核心信息。面试时,讲清楚这张图表帮助受众做出了什么决策。

下次准备试点汇报时,先写核心信息,再画第一张图。如果这句话还写不出来,很可能你还不清楚客户需要做什么决定。

这篇文章对你有帮助吗?

8 个信源
路线图上的下一篇 · 阶段 6: 价值度量监管客户的 AI Agent,不等于每一步都审批用风险标记和审批队列,让 Agent 只在真正需要人拍板时暂停,审完后从原处顺利恢复。