Na szkoleniach z prezentacji danych często powtarza się ten sam scenariusz. Uczestnicy przynoszą materiały, które od strony analitycznej są w porządku: dane zebrane rzetelnie – lub na tyle rzetelenie, na ile pozwala im jakość wewnętrznych danych, policzone poprawnie, wyniki się zgadzają. Schody zaczynają pojawiać się, gdy pytam o szersze wnioski, tzw. big picture lub wpływ na inne obszary organizacji niż na wąski prezentowany wycinek biznesu. Po tych pytaniach nierzadko uczestnicy i uczestniczki zaczynają się zastanawiać nad odpowiedzią i to nierzadko stoi za problemem z którym przychodzą pt. „Wszystko się zgadza, ale nikt nie chce tego słuchać”. To, że wszystko się zgadza, jest standardem. A nikt nie chce słuchać nie dlatego, że coś z danymi jest nie tak, a raczej dlatego, że jest ich po prostu za dużo i efekt jest taki, że tak duża ilość danych paraliżuje lub spowalnia niektóre procesy decyzyjne. Świetnie opisuje to zresztą badanie firmy Oracle z 2023 pt. „Decision Dillema”, w którym pokazana jest współzależność pomiędzy przeładowaniem danymi a spowolnieniem procesów decyzyjnych.
W jednym z wystąpień nazwałem ten stan Data Paralyzed: organizacja mierzy wszystko, raportuje regularnie, ma dane w kilku narzędziach naraz, a decyzje i tak zapadają na wyczucie. Prezentacja danych jest tym momentem, w którym analiza zamienia się w decyzję albo się w niej gubi.
Zacznijmy od podstaw – a podstawy, to wnioski wynikające z analizy danych… a raczej brak tych wniosków. Na warsztatach zaczynamy od tworzenia wniosków, które w metodologii pracy na szkoleniach, cytując N. Duarte, nazywam DataPOV. To właśnie od tego pojęcia, zanim ktokolwiek otworzy PowerPointa. DataPOV to tzw. punkt widzenia danych. Pozwala on odpowiedzieć na dwa pytania: jaką decyzję ma podjąć odbiorca oraz czego musi się dowiedzieć, żeby mógł ją podjąć.
Kiedy w prezentacji nie takich wniosków (czyli nie ma DataPOV), na slajdach ląduje wszystko, co udało się policzyć, a odbiorca dostaje zadanie domowe zamiast rekomendacji.
Drugi powód to szum wizualny. Opisywałem go szerzej w osobnym wpisie, więc tutaj skrót. Za Kahnemanem: szum, w tym szum wizualny, to rozrzut osądów. Wykres jest zaszumiony wtedy, gdy dwie osoby patrzące na niego wyciągają dwa różne wnioski, albo gdy ta sama osoba czyta go inaczej rano i inaczej po południu. Estetyka jest w tym rachunku drugorzędna. Liczy się to, ile interpretacji dopuszcza wykres.
Autorzy takich slajdów zwykle nie widzą problemu, bo znają swoje dane na pamięć. Klątwa wiedzy działa tu bezlitośnie: wykres, który Tobie zajmuje dwie sekundy, odbiorcy zajmuje pół minuty. Pół minuty, w którym nie słucha tego, co mówisz.
Mechanizm, na który powołuję się podczas warsztatów, to tzw. preattentive attributes czy też„atrybuty przetwrzane mimowolnie”: są cechy obrazu przetwarzane przez mózg jeszcze przed włączeniem świadomej analizy. C. Nussbaumer-Knaflic wyróżnia 12 takich atrybutów, do których należą kolor, kontrast, wielkość, położenie elementu na slajdzie.
W praktyce oznacza to, że jeden słupek w kolorze przy reszcie w szarości prowadzi wzrok dokładnie tam, gdzie chcesz. Bez strzałki i bez zdania „proszę spojrzeć na prawą stronę wykresu”.
Stosowanie atrybutów wymaga odpowiedniego podejścia i zrozumienia, że kontrastowanie polega na wizualnym zestawieniu elementów wyróżnionych z całą resztą. Problem zaczyna się przy wyróżnianiu wszystkiego. Kiedy każda kategoria dostaje swój kolor, żadna nie jest ważniejsza od pozostałych i odbiorca sam musi zdecydować, gdzie patrzeć. Zasada, którą stosuję: jeden akcent kolorystyczny na slajd, wyjątkowo dwa. Cała reszta jest tłem.
Wykres wybiera się na końcu. Najpierw powstaje zdanie, które odbiorca ma powtórzyć po wyjściu ze spotkania, a dopiero potem forma, która to zdanie pokazuje najszybciej. Stąd zasada, którą powtarzam na każdym szkoleniu: jeden wykres, jedna myśl. Tytuł slajdu komunikuje wniosek („Udział marki spadł o połowę w dwa lata”), zamiast opisywać zawartość osi („Udziały rynkowe 2022-2024”).
Wykres liniowy pokazuje zmianę w czasie. Do kierunku, dynamiki i pokazania trendów najczęściej nie ma lepszego narzędzia.
Wykres słupkowy i kolumnowy służy porównaniom między kategoriami i świetnie się w takich porównaniach sprawdza. Tu ważna sugestia – przy długich nazwach kategorii słupki poziome czytają się wyraźnie szybciej niż kolumny z obróconymi etykietami.
Tabela ma sens, gdy odbiorca potrzebuje precyzyjnych wartości i będzie do nich wracał. W prezentacji na żywo działa rzadko, bo wymaga czasu i skupienia, których na sali nie ma. Niemniej dzięki odpowiednim atrybutom przetwarzanym mimowolnie możemy sprawić, by tabela była bardziej czytelna.
Wykres kołowy sprawdza się wyłącznie w bardzo prostych przypadkach – porównaniu 2/3 elementów pomiędzy sobą. Problem z wykresem kołowym jest taki, że jest to narzędzie poglądowe – podczas gdy wszystkie pozostałe formy wykresów można opisać osiami i podać skalę, wykres kołowy można ocenić jedynie poglądowo, co powoduje, że są to narzędzia bardzo podatne na manipulację i trudne do zweryfikowania.
Kolor w wizualizacji danych pełni funkcję komunikacyjną. Poniżej przedstawiam kilka zasad, które sprawdzają się w praktyce:
Szarość jako domyślne „ustawienie kolorystyczne”. Projektując dane, warto zacząć od szarości i w tych szarościach powinno pozostać wszystko, co nie jest kluczowe. Wtedy jeden wyróżniony element przyciąga wzrok bez dodatkowych oznaczeń.
Kolory semantyczne z ostrożnością. Czerwony i zielony są odczytywane jako „źle” i „dobrze”, ale po pierwsze – uwaga odbiorców zazwyczaj będzie się kierować w stronę komórek i kolumn zaznaczonych na czerwono a po drugie – takie założenia kolorystyczne nie są inkluzywne. Dlaczego? Bo zaburzenia rozpoznawania barw, w różnym stopniu, dotyczą około 8% mężczyzn (przy 0,5% kobiet), więc w kilkunastoosobowej sali szansa na taką osobę jest realna. Sprawa ma się inaczej przy stosowaniu różnych odcieni tego samego koloru – wówczas zwiększamy prawdopodobieństwo odczytu takiego koloru także wśród tych osób.
Jeden krój pisma. Dwa lub trzy rozmiary wystarczą do zbudowania hierarchii: tytuł, opis osi, etykiety danych. Hierarchia powinna być identyczna na wszystkich slajdach.
Kontrast tekstu do tła. Szare napisy na jasnym tle i drobne etykiety na kolorowych polach kosztują odbiorcę ułamki sekundy przy każdym odczycie. Te ułamki sumują się przez całą prezentację.
To pytanie wraca na każdym szkoleniu, w którym biorą udział osoby pracujące na co dzień z narzędziami BI.
Dashboard i prezentacja to dwa osobne produkty, projektowane pod inne sytuacje. Dashboard obsługuje pytanie „co się dzieje” i ma sens wtedy, gdy odbiorca sam eksploruje: filtruje, zmienia zakres dat, drąży w dół. Prezentacja obsługuje pytanie „co z tym zrobić” i ma na to kilkanaście minut.
Na żywo interaktywność kosztuje uwagę. Każde kliknięcie w filtr to moment, w którym sala patrzy na kursor zamiast słuchać wniosku. Jeśli musisz pokazać dashboard, przygotuj wcześniej widok wyjściowy i wracaj do niego co jakiś czas.
Dane same z siebie nie przekonują, bo nie zawierają rekomendacji. Zawierają stan rzeczy. Rekomendacja powstaje w głowie prezentera i musi zostać wypowiedziana.
Jeśli odbiorca po obejrzeniu slajdów nie wie, jaką decyzję ma podjąć, prezentacja nie wykonała swojej pracy, niezależnie od tego, jak czytelne były wykresy.
Data storytelling polega na uporządkowaniu analizy tak, żeby odbiorca przeszedł drogę od sytuacji do decyzji. Struktura, którą stosuję najczęściej, ma cztery kroki:
Element, który odpada najczęściej, jest ostatni. Prezentacja kończy się slajdem z wykresem i zdaniem „to tyle z mojej strony” i przy prezentacjach czysto informacyjnych, to może mieć zastosowanie, choć i tak bym tego unikał (podając choćby dwie-trzy najważniejsze rzeczy do zapamiętania). Jeśli natomiast wynikiem prezentacji ma być podjęcie jakiejś decyzji, wówczas warto przekazać, co rekomendujemy.
W module o narracji nazywam ten ostatni krok Data-Driven Action. Prezentacja domyka się propozycją konkretnego działania wraz z informacją, kto miałby je wykonać i w jakim terminie. Nawet jeśli rekomendacja zostanie odrzucona, dyskusja toczy się wokół decyzji zamiast wokół tego, czy wszyscy dobrze odczytali wykres. O samych strukturach narracyjnych pisałem szerzej w jednym z wcześniejszych wpisów.
Test, który możesz zrobić przed najbliższą prezentacją: napisz jedno zdanie, które twoi odbiorcy powinni zapamiętać po zakończeniu Twojej prezentacji. Potem przejrzyj slajdy i sprawdź, czy Twoja treść faktycznie prowadzi do takich wniosków i jeśli trzeba – skoryguj swoją treść.
I zawsze, ale to zawsze pamiętaj o kolejności, która zapewnia rzetelność Twojej pracy:
Analiza danych – wnioski, które z niej wynikają – narracja – wizualizacja. Jeśli będziesz się trzymać tej kolejności, możesz mieć pewność, że nawet selekcjonując dane, działasz rzetelenie.