我们需要做的，有两个。第一，完成数据的初始加工，形成可用的数据集（一般有专业的团队完成基础工作）；另一方面，要知道我们想要什么，借由数据，来诉说观点，描述故事。
数据是现状的呈现。我们对现实的理解是定性的，比如好与坏的评价。好坏的程度，需要数据的介入，帮我们定量地把现状展现出来。
最关键的是，我们想要分析什么。这件事是任何工具无法帮助的。
AI可以提供上下文，延伸我们的思考，最终的判断和方向需要我们自己去完成。
数据分析是一场往复：我们有一个观点，数据辅助去我们雕琢这个观点，形成洞见；在读者心中，留下的数据支撑的洞见。数据常被遗忘，而洞见可以传递。
很多因素形成了这一点，核心是缺少背景信息。比如，听者缺少我们的思考过程，因而缺少思考中产生的洞见；表达过程中信息的折损（只能提炼，无法全貌还原）。
我们需要做的有两件事。第一，意识到这一点并牢记于心；第二，超额沟通。
-
复述：即使我们已经认为一件事情说得很清楚了，也要再重复一遍甚至几遍。
-
总结：会议结束后，进行提炼总结，形成Take Away，形成大家可以带走的知识，或者是需要完成的待办事项。
-
要谈具体的事情，不要谈感情。不要扭扭捏捏，不要唯唯诺诺，也不要咄咄逼人。与员工进行直截了当的对话，说具体的事情，不要谈观点、谈感情。 -
不要用表扬来中和批评。 -
不要进行微观管理，但要明确如何监控他人的进度。 -
学会拒绝。如果你确实需要推脱某件事，那么你应该告知你目前的工作量，用语要坚定且礼貌，不必因此而感到愧疚。 -
如果有人邀请你参加一个会议，但你觉得去参会不是利用这段时间的最佳选择，试着说「我认为我不应该参加这次会议」或「我认为我不能为这个会议带来贡献，但我很想看看会议纪要」。 -
理性决策并坚持你的选择。对不重要的事情说不。尽可能地帮助人们是一件好事，但有时他们的请求会与你自己的优先事项发生冲突。这时，你应该友好但坚定地说不。
