Beyond the Numbers: A Data Analyst Journey | Anna Leach | TEDxPSU

Summary

Le transcript parle de l'aventure et des expériences qui façonnent notre parcours de vie, notamment dans le domaine de l'analyse de données. L'oratrice partage son cheminement depuis son diplôme en mathématiques jusqu'à son rôle dans l'éducation supérieure, où elle a appris à gérer les données et à les interpréter. Elle évoque les défis rencontrés, les biais dans l'analyse de données et l'importance de la collaboration et de la communication pour raconter une histoire avec les données. Elle conclut en soulignant le pouvoir de l'analyse de données pour créer des connexions et résoudre des problèmes, invitant chacun à apprécier son art et sa science.

Takeaways

• 🌟 La trajectoire de la vie est souvent imprévisible et complexe, semblable à une aventure plutôt qu'à un chemin droit.
• 🎓 Après avoir obtenu un diplôme en mathématiques, l'auteure a cherché des emplois dans le domaine de l'analyse, mais a trouvé que les tâches initiales étaient simples et ne correspondaient pas à ses aspirations.
• 🏫 Dans le secteur de l'éducation supérieure, l'intégration a été différente, impliquant des rencontres et l'apprentissage des processus métiers.
• 🔄 L'auteure a vécu une transformation significative lors de la migration d'un système informatique de type mainframe vers PeopleSoft, ce qui a changé sa perspective sur les données.
• 🤔 L'importance de la compréhension des processus de données et de passer du temps avec les personnes concernées pour comprendre les données a été soulignée.
• 👶 La notion de biais a été abordée, en utilisant l'exemple des préférences alimentaires des enfants de l'auteure pour illustrer comment les préjugés peuvent influencer l'analyse des données.
• 🚀 L'auteure a appris de ses erreurs en se dépassant et en cherchant à être irremplaçable, ce qui a mené à des erreurs et à un manque de confiance.
• 📈 Après plusieurs années d'expérience, l'auteure a développé de nouveaux modèles de pensée et de travail basés sur l'apprentissage et l'interaction avec les données.
• 🏡 Le déménagement de l'auteure et sa famille a été un tournant, lui permettant de poursuivre des études supérieures et d'explorer de nouveaux domaines.
• 🗣️ L'importance de la communication et de la présentation des données a été reconnue, ainsi que la passion pour partager les connaissances et les expériences.
• 🔗 L'auteure a identifié un écart entre la pratique éducative et la recherche académique, soulignant le rôle potentiel de l'analyse des données pour combler ce fossé.

Q & A

Quelle est la métaphore utilisée pour décrire le parcours de la vie dans le script?

Le script utilise la métaphore d'un chemin venteux et confus, semblable à une aventure, pour décrire le parcours de la vie.

Quel domaine d'études a terminé la narratrice avec son premier diplôme universitaire?

La narratrice a obtenu son premier diplôme universitaire en mathématiques.

Quel type de travail a-t-elle d'abord cherché après avoir obtenu son diplôme en mathématiques?

Elle a cherché des emplois avec le titre 'analytics', car elle voulait travailler avec les maths mais pas dans une position de mathématiques appliquées.

Quels étaient les premiers travaux en analytics de la narratrice et qu'est-ce qu'elle a fait dans ces rôles?

Dans ses premiers emplois en analytics, elle a d'abord saisi des chiffres dans des feuilles de calcul et a utilisé des formules très simples dans Excel pour additionner des nombres dans les lignes et les colonnes.

Pourquoi la narratrice a-t-elle décidé de quitter son travail dans le secteur de l'éducation supérieur?

Elle a cherché un nouveau défi et a voulu s'engager dans un projet qui consistait à identifier les nouveaux étudiants de première année dans un nouveau système informatique.

Quelle leçon importante a-t-elle tirée de son expérience dans le secteur de l'éducation supérieur?

Elle a appris qu'il fallait passer du temps avec les gens pour vraiment comprendre le processus des données.

Quel est l'exemple de biais que la narratrice mentionne chez son fils de sept ans?

Son fils a un 'biais des condiments', il n'a jamais goûté la mayonnaise et la tient à distance lorsqu'il l'utilise pour aider à préparer des sandwichs.

Quels sont les deux principaux biais que la narratrice identifie dans son approche du travail d'analyste des données?

Les deux biais sont: 1) l'assumption que si quelque chose s'est produit dans un rapport antérieur, elle n'a pas besoin de l'analyser à nouveau, et 2) la pression de se rendre irremplaçable en travaillant rapidement et en essayant de ne pas poser de questions pour ne pas paraître remplacement possible.

Quel changement majeur a la narratrice vécu dans sa vie qui a influencé sa carrière?

Elle a déménagé de Columbus, Ohio à Tucson, Arizona avec sa famille suite à une offre exceptionnelle pour son mari, ce qui a entraîné un changement de carrière et un retour à l'école pour poursuivre des études supérieures.

Quelle est la métaphore utilisée par la narratrice pour décrire l'analyse des données?

Elle utilise la métaphore de soulever une grande pierre pour regarder en dessous et apprécier le temps et les données disponibles.

Quel est le message final que la narratrice veut transmettre sur l'analyse des données?

Elle veut transmettre que l'analyse des données est aussi une art que la science, et que quiconque, quel que soit son arrière-plan, peut apprécier sa beauté et le pouvoir qu'elle peut apporter à nos relations.

Outlines

00:00

🌱 L'aventure de la vie et de la carrière

Le premier paragraphe décrit la complexité de la vie et des parcours professionnels, en utilisant l'exemple de la recherche d'emploi après une licence en mathématiques. L'auteur exprime son désir de travailler avec les maths, mais se retrouve initialement dans des emplois où les tâches sont simples et peu satisfaisantes. Il évoque ensuite son expérience dans le secteur de l'éducation supérieur, où il a appris comment les données sont traitées et comment les informations sont extraites pour générer des rapports. Ce paragraphe souligne l'importance de la compréhension des processus et de la collaboration avec les collègues pour réussir dans le domaine de l'analyse des données.

05:00

🧑‍🎓 La croissance professionnelle et les biais cognitifs

Dans ce paragraphe, l'auteur partage ses expériences et les leçons apprises au fil de sa carrière en tant qu'analyste des données. Elle aborde les biais qu'elle a eu, comme l'assumption que les événements passés étaient déjà analysés et ne nécessitaient pas d'attention, et la pression de paraître irremplaçable. Elle explique comment ces biais ont influencé sa manière de travailler et les erreurs qu'elle a commises en raison de cela. L'auteur met également en lumière l'évolution de sa compréhension de l'analyse des données et des meilleures pratiques qu'elle a adoptées, telles que passer du temps avec les données et avec les personnes pour comprendre les processus et les informations.

10:02

📊 L'art et la science de l'analyse des données

Le dernier paragraphe traite de l'impact de l'analyse des données sur l'éducation et la recherche. L'auteur raconte comment elle a découvert la possibilité d'utiliser ses compétences en analyse des données pour combler le fossé entre la pratique éducative et la recherche académique. Elle parle de sa participation à des conférences, des rencontres avec des professionnels du secteur et des chercheurs, et de la compréhension qu'elle a développée sur la manière dont l'analyse des données peut aider à résoudre des problèmes et à améliorer les relations entre différents groupes. L'auteur conclut en soulignant que l'analyse des données est à la fois une art et une science, et que son but est de connecter les personnes et de partager les informations pour créer de la valeur.

Keywords

💡Analyse de données

L'analyse de données est le processus de nettoyage, de transformation et de modélisation des données pour extraire des informations utiles. Dans le script, l'analyse de données est présentée comme une passion qui permet de découvrir des tendances et des insights à partir de grands ensembles de données. L'orateur partage son expérience de transition d'un analyste de données en quête de perfectionnement à travers des études supérieures et des conférences, montrant comment l'analyse de données peut révéler des histoires et aider à résoudre des problèmes.

💡Défi

Un défi est une situation difficile qui nécessite de l'effort pour être surmontée. Dans le contexte du discours, l'orateur aborde plusieurs défis tels que la transition de système d'information, la compréhension des processus d'apprentissage et la nécessité de s'adapter à de nouveaux environnements professionnels et académiques. Ces défis sont présentés comme des opportunités de croissance et d'apprentissage.

💡Biais

Un biais est une tendance non intentionnelle qui affecte la manière dont les informations sont interprétées ou traitées. L'orateur mentionne le 'biais' comme un obstacle dans l'analyse de données, où des préjugés antérieurs peuvent entraver la découverte de nouvelles informations. Par exemple, l'orateur évoque son propre biais en supposant que les problèmes rencontrés dans les rapports antérieurs ont déjà été analysés, ce qui peut conduire à ignorer des preuves cruciales.

💡Fractal

Un fractal est une forme géométrique qui se répète à une échelle infinie. L'orateur utilise l'image d'une plante de fleurs de sureau pour illustrer la beauté du mathématique et la notion de répétition dans la nature, qui est comparable à l'analyse de données où des modèles récurrents sont recherchés dans les données pour comprendre des phénomènes plus grands.

💡Système d'information

Un système d'information est un ensemble d'applications, de technologies et de processus utilisés pour gérer les données d'une organisation. Dans le script, l'orateur parle de la conversion d'un système d'information de type mainframe vers un système PeopleSoft, ce qui représente un changement significatif dans la manière dont les données sont traitées et extraites.

💡Enseignement supérieur

L'enseignement supérieur fait référence à l'éducation qui suit le niveau secondaire et inclut les études universitaires et les formations post-universitaires. L'orateur partage son expérience de transition vers l'enseignement supérieur, où elle a découvert des nouvelles perspectives sur l'analyse de données et a développé une passion pour le partage des connaissances et l'amélioration de l'éducation.

💡Conférence

Une conférence est un événement où des experts partagent leurs connaissances et leurs recherches sur un sujet spécifique. L'orateur parle de sa découverte des conférences et de son désir d'y participer et de présenter, ce qui lui a permis d'interagir avec d'autres professionnels et d'élargir son réseau et ses connaissances.

💡Histoire

Dans le contexte du discours, l'histoire fait référence à la manière dont les données peuvent être utilisées pour raconter une narrative ou expliquer des phénomènes. L'orateur mentionne que l'analyse de données est une forme d'art qui permet de 'raconter une histoire' à partir des données, ce qui est essentiel pour communiquer les résultats de l'analyse à d'autres.

💡Technologie de l'apprentissage

La technologie de l'apprentissage est l'utilisation de technologies pour améliorer l'efficacité et l'accessibilité de l'éducation. L'orateur parle de son intérêt pour les technologies de l'apprentissage et de son choix d'aller à l'école supérieure pour étudier ce domaine, ce qui reflète son désir de combiner son expertise en analyse de données avec une passion pour l'éducation.

💡Publication

La publication fait référence à la diffusion de travaux académiques ou professionnels à travers des articles, des rapports ou des présentations. L'orateur mentionne la publication comme un objectif pour les chercheurs et les étudiants, mais elle souligne également l'importance de la mise en pratique des recherches et de la résolution de problèmes réels.

Highlights

Life is not a clear and straight path; it's a journey and an adventure shaped by our experiences.

Transitioning from an undergrad math degree to various analytics jobs revealed a gap between expectations and the reality of simple tasks like working in Excel.

The switch from legacy mainframe systems to PeopleSoft led to new challenges in higher education data management and reporting.

Taking on a new challenge of identifying first-year students during a system conversion taught the importance of spending time with colleagues to understand the data processes.

The role of bias in data analysis, illustrated through personal experiences, emphasizes how assumptions based on past reports can lead to mistakes and missed evidence.

Early career mistakes stemmed from the pressure to be irreplaceable, leading to rushing through tasks and making avoidable errors.

Spending time with both people and data is crucial to successful data analysis, especially when dealing with quirks, errors, and timing differences in the data.

Transitioning from full-time work to being a part-time student and analyst while moving across the country was a major life shift, accompanied by a new field of study in learning technologies.

Presenting at conferences provided an opportunity to connect with others, share knowledge, and gather data in face-to-face interactions.

Storytelling in data analysis is crucial; it helps communicate complex data insights in a relatable way, similar to how stories connect us.

A gap exists between educational practice and academic research, with both sides feeling disconnected from each other, which could be bridged through better data analysis and sharing.

The realization that data analysis could help bridge gaps between research and educational practice led to a renewed sense of purpose in the field.

Good data analysis requires lifting the 'heavy rocks,' asking the right questions, and spending time to deeply understand what lies beneath the surface.

Data analysis is both an art and a science, and its power extends beyond technical expertise to building relationships and understanding different perspectives.

Anyone, regardless of their background, can appreciate the beauty and power of data analysis when applied thoughtfully.

Transcripts

[Music]

so when we're plotting our points in

life either as new parents new graduates

newlyweds we always think that path is

very clear and pretty straight but we

know better we know that it's windy and

a little confusing and more like a

journey and an adventure what we're

doing is having experiences that

culminate into the next great thing so

when I've completed my undergrad degree

in math this is how I felt I was

searching for jobs with the title

analytics in it because I knew I wanted

to work with math but I wasn't in the

applied math position those first few

jobs in analytics were really putting

numbers into spreadsheets and then doing

brace yourself really simple formulas in

Excel adding up numbers across the row

and columns the people were great the

companies were nice it just wasn't the

right fit so I kept looking for work and

eventually landed in higher education

now in higher education the process of

onboarding me and getting me started

into work was slightly different here

they had me sit in on meetings learning

about business processes business

processes like how a student would

enroll into a class and how we would

count that enrollment and then I would

sit in meetings learning how to take

that information out of the system that

big black box and put it into a pretty

PDF and send out so that people could

see how many people were enrolled it was

fine it was again good work but I got a

degree in math math to me is is

beautiful take this agave plant from

Tucson where I live it represents to me

a fractal a fractal is a geometric scuse

me

geometry shape that repeats itself and I

know it's not a perfect fractal so I

don't want my undergrad advisor to come

yelling at me but it's still beautiful

math is also certain two plus two equals

four every day it never changes this is

what I love about math so here I am

putting information into spreadsheets no

big deal and again like I said it worked

it wasn't until our system went through

in a complete conversion that it had a

difference in perspective and when I say

a system conversion I'm talking about a

legacy mainframe to a PeopleSoft system

and if you don't know what that means

it's essentially switching from like

Samsung to iPhone or back and forth it's

a completely different way of pulling

out your data out of this big black box

I didn't get drugged into a ton of

meetings cuz I had only been there a

couple years but I did know enough about

critical information that needed to be

reported to the state and federal

government so in our staff meetings we

would talk about how we're going to

report in this new world one of the

critical pieces of information in higher

education is whether or not a student is

a new first-year student freshman if you

will we didn't have a way of recording

this or reporting this in the new system

just yet so somebody had to spend the

time figuring out how to identify these

students I was ready for a new challenge

let's try this out so I approached my

boss and mentor and asked if I could

give it a go and she said go for it so I

met with my colleagues Bob and Harry and

asked them questions

how does this work in the old system how

do you think it's gonna work in the new

system

I spent time face to face with these

people really trying to understand how

the data worked and get that knowledge

from them in a way it was collecting

data myself in a different way then I

had to meet with different departments

because every department also cared

about how this data went into this big

black box or they cared about how it

came out so what I learned in this

portion of data analysis path is that I

had to spend time with people to really

understand the data process next I had

to spend time with the data itself

because as much as I'd love to say that

data goes into a system and it comes out

perfect every time that's

not true there's tons of errors and

quirks and exceptions and timing

differences so I had to spend time with

the data to really understand how it

works

so now let's talk about bias this little

boy is my seven-year-old son he has what

I like to call condiment bias

he has never tried mayonnaise but if he

has to put it on a knife and put it on a

sandwich to help me make lunches for the

week for his dad he holds it as far away

as he possibly can

he's never tried mayonnaise my daughter

on the other hand will only eat ketchup

she has a ketchup bias so the bias that

I brought whenever I was doing data

analysis for a couple the first is that

if something happened in a prior report

in the prior term in the prior year even

the prior week I would assume that I

already analyzed why that happened I'm

not gonna worry about it anymore and

moving on you make a lot of mistakes you

miss a lot of crucial evidence when you

do that the second thing is when I was a

newer analyst especially I was raised to

make yourself irreplaceable the only way

you're gonna keep a job especially in

that job climate that I was in was if

you couldn't be replaced my perception

was that if I looked like I could move

fast do a lot quickly and I knew what I

was talking about even though I didn't I

would not be replaced so when I needed

to spend time face to face with people

and ask questions I was very hesitant I

kept to myself or I did as much research

as I could on my own when all that

knowledge was in the cube right next to

me but I didn't want to look like I

could be replaced

I also made really dumb mistakes because

I was rushing through processes and

reports dumb mistakes like using a

greater than instead of a greater than

or equal to but some people may say so

what well it costs us time the company

time me time other people's time trying

to fix this error trying to explain the

same

and it costs a little bit of your

reputation rushing through and instead

of spending ten more minutes on this

side cost me three more hours on this

side and a little bit of trust so after

you know seven eight years and data

analysis I started learning new patterns

learning new things to try based on what

I'd learned from other people and from

my own experiences so instead of just

diving into a project I take a 30,000

foot view I bother people I look at the

data and I ask questions I look for

patterns and then I start slicing and

dicing so it's at this point in my

career that I thought I had a pretty

clear path I know what's going on I know

where I'm going and I'm pretty good at

this data analysis thing well two years

ago my husband received this

unbelievable offer and my family and I

picked up and moved from Columbus Ohio

to Tucson Arizona it was a big change

but it was an exciting change and we

said to ourselves you know what if we're

gonna do this we're gonna lay the chips

down where we want I wanted to go back

to grad school so why not I'll go back

to grad school I'll work part-time as an

analyst well I was going from full-time

worker and parent and juggling a family

and home to working part-time from home

it's very different it's good but it's

different also a full-time student in an

online program and still a parent and

mom oh and our family and friends were

all 1,700 miles away in Pennsylvania

Ohio oh and I was going into a different

field completely I was going into a

master of learning technologies program

something that had always been a passion

of mine but I just didn't make the time

for my first semester in this master of

long learning technologies program I got

to work with some excellent people the

way that we introduced and met each

other was a little

fun though it was through group work

everybody loves group work we did a

project on evaluating learning

management tool we formed team tank

which is Tim Nunn myself

Natalie Gunter and Karen North and when

our project was completed we spoke with

dr. ana paula crea who was our professor

for the class and she suggested that we

present our project at a conference well

I had never been to a conference let

alone presented at one but this sounded

like okay if they're gonna be with me I

can do this I immediately became a

conference junky I wanted to attend and

present and just be a part of this I

wanted to gather data and it be face to

face with more people I wanted to learn

more experiences and then I wanted to

share what I had to say because after

you present people come up to you

because they have questions and they

want to know it's exciting at that same

conference I met a lady named Katie

Stroud Katie Stroud likes to talk about

the power of story and like any human

being when I heard her information I

related it to myself and I thought

that's what a data analyst is really

you're taking information from this big

black box and you're telling a story

with it based on a question you may be

asked or something that you want to

share

I also learned at these conferences and

in this new world that instructional

designers teachers and educators really

don't have a lot of information or data

when they're trying to make an

assessment of the success of their class

or a tool they're trying to implement or

the teacher themselves they really have

a hard time measuring that qualitative

data I really began to appreciate the

fact that I had these massive data

points in my comfort zone job and then I

started thinking that maybe data

analysis is something that we should all

start to embrace we should all start to

try and figure out where we can pull

this information from at another

conference that was more academic based

I met a lot of graduate students and

professors that were presenting on their

research remember that I'm new to the

world of graduate school so when I would

listen to their presentation afterwards

I would say things like how it's

wonderful so what's next what are you

gonna do with this

everybody's response was to get

published and I thought well that that's

awesome let's do this get published

thing but what else are you going to do

with it what problem are you trying to

solve who are you trying to help what

are you going to look into next and I

realized I was coming across a bit of a

aggressive and backed off and just

stopped asking and started listening one

presentation by a dr. Thomas Reeves

started talking about a rift between

educational practice and academic

research the teachers feel like

researchers aren't looking into the

things that they need or sharing

information with them and then

researchers feel like they provide all

this information and do all this

research but it's not applied and that's

when I realized that I have a different

perspective I'd been a data analyst all

this time and these pressures from

graduate school are completely different

and I thought again there's a gap here

this is data analysis this is one system

in one system and nothing's happening in

between this is where I started to think

there's purpose in data analysis to

bring these two people together to bring

these groups together to find a way to

share the information so when you think

about data analysis think about spending

time with people think about asking

questions thinking about lifting the

heavy rock before the presentation look

underneath things really appreciate the

time that can be spent and the data

that's out there data analysis is as

much an art as it is a science anyone

from any background can really

appreciate its beauty

and anyone from any background can

really appreciate the power it can bring

to our relationships thank you

[Applause]