Data storytelling – czyli umiejętność prezentowania danych w logiczny, spójny i klarowny sposób za pomocą historii opartych na danych – coraz częściej decyduje o tym, czy analiza danych realnie wpłynie na decyzje w organizacji. W świecie narzędzi Business Intelligence, rozbudowanych zbiorów danych oraz rozbudowanych, interaktywnych dashboardów dostęp do informacji nie jest już problemem. Problemem staje się sposób ich komunikowania. O przeładowaniu danymi pisałem w jednym z poprzednich wpisów, niemniej jest jeden – szczególnie trudny do komunikacji typ danych. Bo dane, które są sprzyjające czyt pokazują realizację celów komunikuje się względnie łatwo. Problem pojawia się wtedy,gdy dane są niewygodne, podważają wcześniejsze założenia lub pokazują spadki zamiast wzrostów.
W takim przypadku musimy inaczej przygotować się do komunikowania danych treści – szczególnie, jeśli odbiorcy nie spodziewają się “złych wiadomości”. Dlaczego? . Bo nawet najbardziej precyzyjna analiza przygotowana przez zespół analityków nie spełni swojej funkcji, jeśli nie zostanie osadzona w przemyślanej strukturze narracyjnej. Data storytelling w kontekście takich danych to zarówno przejrzysta wizualizacja jak i proces świadomego prowadzenia odbiorcy przez kontekst, konsekwencje i wnioski.
Trudne dane wywołują emocje. Spadki, straty, przekroczone budżety czy błędne prognozy mogą uruchamiać mechanizmy obronne wśród interesariuszy. W takich sytuacjach naturalną reakcją jest szukanie winnych, podważanie metodologii lub ignorowanie problemu.
Drugim wyzwaniem jest różnica w poziomie kompetencji analitycznych w organizacji. Nie każdy odbiorca rozumie kontekst analityczny, sposób liczenia wskaźników czy ograniczenia danych. Jeśli komunikat jest zbyt techniczny, rośnie ryzyko niezrozumienia i oporu.
Trzecim problemem jest brak struktury narracyjnej. Dane przedstawione bez logicznego porządku zamieniają się w wątpliwej jakości raport techniczny, a nie w narzędzie skutecznej komunikacji wniosków. A przecież celem nie jest samo pokazanie liczb, lecz wyciągnięcie wartościowych wniosków i realne wsparcie procesu podejmowania decyzji.
Łagodzenie odbioru oznacza odpowiedzialne osadzenie ich w szerszym kontekście. Zamiast rozpoczynać prezentację od slajdu mówiącego “jest źle i będzie gorzej”,, warto zacząć od przedstawienia szerszego kontekstu i wskazania okresu analogicznego z przeszłości.. Dzięki temu odbiorca rozumie, dlaczego dane są prezentowane i jaki problem mają rozwiązać.
Kolejną techniką jest pokazanie trendu, a nie pojedynczego punktu w czasie. Spadek w jednym miesiącu może wyglądać alarmująco, ale w perspektywie roku może być naturalną fluktuacją. Wizualizacja danych powinna pokazywać pełny obraz, a nie fragment wyrwany z kontekstu. Warto również stosować porównania względne. Dane stają się bardziej zrozumiałe, gdy zestawimy je z sytuacją rynkową, celem strategicznym lub wcześniejszymi okresami. Liczba sama w sobie niewiele mówi. Dopiero w odniesieniu do czegoś nabiera znaczenia.
Najpoważniejszym błędem jest próba „upiększania” danych i manipulowanie sposobem wizualizacji. Ucinanie osi na wykresie, skracanie zakresu czasowego lub selektywne pokazywanie wskaźników (tzw. cherrypicking) prowadzi do błędnej interpretacji. Nawet jeśli intencją jest złagodzenie napięcia, efekt może być odwrotny i w konsekwencji ryzykujemy utratą wiarygodności.
Drugim błędem jest nadmierne skupianie się na detalach technicznych. Prezentowanie skomplikowanych modeli, szczegółowych tabel i złożonych definicji bez wyjaśnienia ich znaczenia sprawia, że odbiorcy nie rozumieją danych (z psychologicznego punktu widzenia mówimy tu o przeładowaniu lub obciążeniu poznawczym). Istotę tego problemu doskonale opisuje opublikowane w 2023 roku badanie przeprowadzone przez firmę Oracle, które jasno dowodzi, że przeładowanie odbiorców zbyt dużą ilością informacji wpływa negatywnie na procesy decyzyjne w dużych organizacjach…
Kolejnym problemem jest brak interpretacji. Sam panel raportowy w narzędziu do analizy danych pokazuje liczby i wskaźniki, ale nie opowiada historii. To jedynie zbiór informacji, które bez odpowiedniego komentarza mogą zostać zrozumiane na wiele sposobów. Rolą analityka nie jest więc wyłącznie przygotowanie zestawienia danych, lecz przede wszystkim przełożenie ich na jasne wnioski i rekomendacje.
Skuteczny data storytelling opiera się na przemyślanej strukturze narracyjnej. Każda prezentacja powinna mieć logiczny początek, rozwinięcie i zakończenie. Ta struktura pomaga uporządkować myślenie i ograniczyć chaos informacyjny. Początek powinien jasno definiować problem lub pytanie analityczne. Dlaczego analizujemy te dane? Co chcemy zrozumieć? Taki wstęp buduje ramę interpretacyjną.
W rozwinięciu prezentujemy kluczowe dane i zależności. Nie wszystkie dostępne wskaźniki, lecz te, które realnie prowadzą do głównego wniosku i wspierają tezę prezentacji. Nadmiar informacji rozprasza uwagę i osłabia przekaz. Selekcja jest więc nie oznaką uproszczenia, lecz dojrzałości analitycznej. Budowanie narracji wokół danych polega na świadomym prowadzeniu odbiorcy przez kolejne etapy analizy. Najpierw pokazujemy punkt wyjścia, następnie zależności i przyczyny, a dopiero później konsekwencje. Taki układ porządkuje myślenie i pozwala uniknąć chaosu interpretacyjnego.
Zakończenie to moment przejścia od opisu do działania. Dane same w sobie nie zmieniają rzeczywistości. Są jedynie narzędziem. Rzeczywistość zmieniają decyzje podejmowane na ich podstawie – i to właśnie do nich powinna prowadzić dobrze zaprojektowana narracja.
Jedną z najskuteczniejszych strategii jest model „problem – przyczyna – rozwiązanie”. Najpierw jasno komunikujemy skalę i charakter problemu. Następnie pokazujesz analizę przyczyn, opartą na faktach – i tu bardzo ważne – pokazanie przyczyny nie oznacza szukania winnego. Dlatego unikajmy “wskazywania palcem” tych, którzy nie zrealizowali danego celu, a skupmy się na przedstawieniu sytuacji w oparciu o fakty, którymi dysponujemy. Na końcu przedstawmy plan działania – jeśli możemy, niech plan będzie mierzalny i osadzony w czasie. Taki schemat redukuje napięcie. Odbiorca widzi, że trudne dane nie są końcem procesu, lecz jego początkiem.
Każda grupa odbiorców ma inne potrzeby informacyjne. Zarząd koncentruje się na wpływie danych na strategię i wynik finansowy. Zespół operacyjny potrzebuje szczegółów dotyczących procesów i działań. Inwestorzy mogą zwracać uwagę na ryzyko i prognozy. Skuteczny prezenter wykorzystujący metody data storytellingu uwzględnia poziom zrozumienia danych i dostosowuje przekaz do odbiorcy.
Dostosowanie komunikatu to także umiejętność przewidywania pytań i wątpliwości. Jeśli wiesz, że dany wskaźnik budzi kontrowersje, wyjaśnij go wcześniej. Transparentność zmniejsza opór i buduje zaufanie.
Etyczna wizualizacja to fundament odpowiedzialnej komunikacji. Wizualizacja danych powinna wzmacniać zrozumienie, a nie maskować problem. W czasach powszechnego dostępu do kreatywnych narzędzi wizualizacyjnych łatwo o pokusę efektownych, lecz mylących wykresów. Profesjonalizm polega na przejrzystości a dobra wizualizacja to taka, która jest prosta i czytelna. Oś powinna zaczynać się w logicznym punkcie (nie zawsze zaczynamy od zera, ale warto sprawdzić, czy oś nie jest ucięta przez program do wizualizacji – MS Excel miewa takie tendencje). Zakres czasowy powinien być pełny, a skala – musi być czytelna. Proste wykresy liniowe czy słupkowe często są bardziej skuteczne niż rozbudowane formy, nie wspominając o wykresach 3D – te absolutnie warto wyłączyć ze swojego sposobu przedstawiania danych.
Musimy przy tym pamiętać jaki wpływ nasza wizualizacja może mieć na interpretację danych. To, co podkreślimy kolorem, wyrózniamy wielkością czy położeniem, zyska większą uwagę odbiorcy. Dlatego design musi być świadomy i odpowiedzialny.
Dobór wykresu powinien wynikać z celu analizy. Jeśli pokazujemy zmiany w czasie, naturalnym wyborem będzie wykres liniowy. Jeśli porównujemy kategorie – słupkowy. Jeśli zależy nam na precyzji a odbiorcy oczekują tzw. deep dive i trzech cyfr po przecinku – wówczas dobrym rozwiązaniem będzie po prostutabela. Ważne jest unikanie wykresów, które mogą nieświadomie wprowadzać w błąd. Zbyt agresywne kolory, brak opisów czy nielogiczna skala utrudniają obiektywną ocenę sytuacji.
Dashboard również powinien być zaprojektowany zgodnie z zasadą selektywności. Pokazujemy te wskaźniki, które wspierają główną narrację. Pozostałe dane mogą być dostępne jako uzupełnienie.
Design może kierować percepcją. Jeśli cała prezentacja skupia się wizualnie np. na czerwonych komórkach w tabeli,odbiorca zapamięta jedynie straty. Jeśli natomiast problem zostanie pokazany neutralnie, a plan działania wyróżniony w sposób czytelny, uwaga przesunie się na rozwiązanie.
Hierarchia informacji ma kluczowe znaczenie. Najpierw pokazujemy kontekst i problem biznesowy, potem jego przyczyny, na końcu konkretne działania. Odpowiednie rozmieszczenie treści i elementów wizualnych wspiera strukturę narracyjną i pomaga odbiorcy przejść od niepokoju do konstruktywnego myślenia.
Data storytelling w kontekście trudnych danych to umiejętność uczciwego, przejrzystego i strategicznego komunikowania faktów. Łączy w sobie analizę, wizualizację i świadomą narrację. W organizacjach, które chcą podejmować lepsze decyzje, ta kompetencja coraz częściej staje się koniecznością.