大数据分析答辩ppt怎么做：数据来源和方法比结论更该讲清

在大数据领域的答辩当中，评审常常去问的不是“你察觉到了什么”，而是“您的数据是从哪里来的，方法是怎么样的”

实际情况是：数据类的研究结论很大程度上依赖数据以及方法的可信度。同一份数据换个清洗的方式，换个模型的结论或许完全不一样。因此评审得先确定过程是站得住的，才会认定结论。

材料要是仅仅讲结果，就会被一直追问；讲清楚过程，反而是省时间的。

一、结构：五段，方法占三分之一

第一段是问题以及目标。需要回答业务或者研究方面的问题，这个问题是否值得去回答。

第二段是数据。那数据从哪里来，多大、字段、有哪些局限。

第三部分：方法。采用了什么样的处理办法以及模型，选取了哪些方面的对比。

第四部分：结果以及验证。察觉到了什么，如何去验证这个察觉是可信的。

第五段是结论以及不足之处。结论的应用范围以及本次没有做到的地方。

在五段当中，第二到第三段得占据三分之一及更多的篇幅。此比例和普通的答辩不一样— —普通答辩着重于结果，而数据答辩侧重于过程。

二、数据这一段要交代的四件事

第一件乃来源之事。数据为自采，是公开的数据集，还是单位所提供。每一种可靠性不一样，评审得知道。

第二件乃规模。有多少记录，多少字段，时间跨度有多长。规模所决定的分析，同时也决定结论能否被推广。

第三件乃是清洗。一般原始数据存在缺失值，异常值，重复记录，格式不一样。处理了哪些情况、处理掉多少，处理是否引入偏差情况。

这一层极易被跨越，同时也极易遭遇追问。若删除缺失值，这些样本缺失究竟是随机的，还是具有规律性的？这类问题要是答不上来的话，整个研究的可靠程度就会降低。

第四件乃局限之事。数据有无覆盖的群体，时间有无断档，标注有无可靠。主动说出局限，比问出来要强很多。

三、方法这一段要讲"为什么是它"

选模型可不能只说我使用了某一个模型。

要么进行对比：尝试了两三种办法，各自效果是如何的，为何最后选择了这一个办法。

要么提供依据：此方法的假定与数据结构的契合情况。

要是都没有的话，至少得说明这个办法是该领域常用的办法，并且要注明参考的来源。

评审对于“使用了最新的模型”并无兴趣，而是对“你为什么觉得这个模型合适这份数据”才产生兴趣。

还有一个要讲的是参数以及超参数的定义情况。网格搜索是经验值，还是引用别人设定。此层面决定结果能否重现。

四、结果要能自证

数据类的答辩结果，得有自证的机制。

常见的有三种情况：留出法以及交叉验证指标，和基线进行对比，还有个例进行检验。

三种当中，和基线进行对比最能够体现价值。要是一个复杂的模型准确率达到八成五，简单的规则就能够达成八成二，复杂模型意义就需要重新去论证。

指标的挑选也得说清楚。准确率精确率召回率F1，选择哪一个取决业务目标，如果错判代价是不对称的，就不能仅仅看准确的率。

在可视化的层面上，数据类型材料的图片数量比一般的汇报要多。但是每一张图都得有用处：混淆的矩阵表示什么，ROC的曲线阐述什么以及特征的重要性阐释什么。不要放置很专业但读者难以理解的图。

五、可视化页面的几条规则

首先，坐标轴需具备量纲与刻度，不可仅绘制形状。

其二，配色得能区分并且对于色盲是友好的，不能只用红绿来分辨正负。

第三，要写清楚这一页说明的内容，不要只是写结果分析。

第四，不同组数据的各个图，尺度得相同。

第五，像热力图，网络图这类大数据的可视化情况，要是细节没有看清楚，就把局部放大或者把统计汇总放进去。

六、材料怎么落地

多数数据答辩的材料图，需要精细把控。技术类的图架构图流程图，建议先用专业的工具画好之后插入，不能用形状拼凑。

二狗 PPT能够承接版式方面的内容：把五段文字整理成为文字并且粘贴到文档里面或者上传文档系统产生结构化的大纲，在卡片式的编辑器里面调整章节并且提前方法部分；确认之后按照页匹配的版式来生成，之后选择模板导出PPTX。技术方面的材料采用通用的商务系列是比较合适的，底色是干净的，图表区域留白足够。

若数据存储于Excel中，可借助智能图表向xlsx上传，以自然语言阐述所期望的趋势或者对比，进而生成图表并导出SVG，矢量格式于投影及打印时均清晰可辨，较截图更为明显。

需要重指出的是，工具没有参与计算以及判断的情况。数据的清洗，方法的选取，结果的验证，得由你以及导师来把控。工具只是把已有的内容排列整齐。

七、一个判断办法

材料完成之后，请一位同专业的学生查看一遍，询问他两个方面的问题：此数据能否支撑此结论，此方法为何不采用另一个方法。

两个都能够答得上，表明过程已经讲清楚；第二个没有答上来，一般方法部分仅仅写了用了什么，没有写了为什么。

数据进行答辩的起始点不是呈现出美丽的结果，而是让人觉得这个结果是值得信赖的。把过程讲清楚，结论才能够稳固。