Behrad Chatrchi

Growth Director

Martech

CRM

AI & Automation

Behrad Chatrchi
Behrad Chatrchi

Growth Director

Martech

CRM

AI & Automation

Menu

My take on Storytelling with Data

16 نوامبر 2018 Investigations
My take on Storytelling with Data

این کتاب دوباره یادم انداخت که نمودار خوب، الزاماً نمودار پیچیده نیست. پیش از انتخاب رنگ و ابزار باید بدانیم مخاطب قرار است چه چیزی را ببیند، درباره‌ی چه چیزی تصمیم بگیرد و کدام جزئیات واقعاً به او کمک می‌کنند.


اگر چند سالی در حوزه داده، مارکتینگ یا تحلیل کسب‌وکار کار کرده باشید، احتمالاً بارها این اتفاق را تجربه کرده‌اید؛ ساعت‌ها روی داده‌ها وقت می‌گذارید، مدل می‌سازید، تحلیل انجام می‌دهید و در نهایت همه آن زحمت‌ها را داخل چند نمودار در پاورپوینت قرار می‌دهید. اما وقتی جلسه تمام می‌شود، احساس می‌کنید هیچ تصمیم مهمی گرفته نشد.

مشکل معمولاً داده نیست؛ مشکل روایت است.

کتاب Storytelling with Data نوشته Cole Nussbaumer Knaflic دقیقاً روی همین فاصله تمرکز می‌کند؛ فاصله‌ای بین «تحلیل کردن» و «متقاعد کردن».


این کتاب درباره چیست؟

کول ناسبامر نافلیک که سابقه فعالیت در تیم People Analytics گوگل را دارد، در این کتاب تلاش می‌کند نشان دهد مصورسازی داده صرفاً ساختن نمودار نیست؛ بلکه طراحی یک روایت است.

به اعتقاد او، ابزارهایی مثل Excel، Power BI یا Tableau فقط نمودار تولید می‌کنند. اما اینکه مخاطب از آن نمودار چه برداشتی داشته باشد، کاملاً به کسی بستگی دارد که آن را طراحی کرده است.

یکی از بهترین جمله‌های کتاب همین ایده را خلاصه می‌کند:

در داده‌های شما داستانی وجود دارد که ابزار شما از آن خبر ندارد.


اولین سؤال، نمودار نیست

یکی از مهم‌ترین نکاتی که کتاب از همان ابتدا روی آن تأکید می‌کند این است که قبل از باز کردن هر نرم‌افزاری باید دو سؤال را از خودمان بپرسیم:

  • مخاطب من چه کسی است؟
  • بعد از دیدن این داده، قرار است چه کاری انجام دهد؟

به ظاهر سؤال ساده‌ای است اما بخش بزرگی از ارائه‌های ضعیف دقیقاً از همینجا ضربه می‌خورند.

خیلی وقت‌ها تحلیلگر تمام مسیر کشف داده را به مخاطب نشان می‌دهد؛ در حالی که مخاطب فقط نتیجه را می‌خواهد.

نویسنده مثال جالبی می‌زند؛ لازم نیست تمام سنگ‌هایی را که برای پیدا کردن مروارید زیر و رو کرده‌ای، به مخاطب نشان بدهی. فقط خود مروارید را نشان بده.


همیشه نمودار بهترین انتخاب نیست

یکی از بخش‌هایی که برای من جذاب بود، نگاه کتاب به انتخاب ابزار نمایش است.

برخلاف تصور رایج، نویسنده اعتقاد ندارد هر داده‌ای باید تبدیل به نمودار شود.

گاهی:

  • یک جمله کافی است.
  • یک جدول از هر نموداری بهتر عمل می‌کند.
  • یک عدد بزرگ وسط صفحه، اثرگذارتر از ده نمودار رنگارنگ است.

در ادامه هم تقریباً تمام نمودارهای رایج کسب‌وکار را بررسی می‌کند:

  • نمودار خطی
  • نمودار میله‌ای
  • نمودار آبشاری
  • نمودار شیب‌دار
  • نمودارهای انباشته
  • Heatmap
  • جدول
  • و حتی نمودارهای دایره‌ای و سه‌بعدی

و برای هرکدام توضیح می‌دهد در چه شرایطی مناسب هستند و چه زمانی نباید از آن‌ها استفاده کرد.


حذف هر چیزی که داستان را خراب می‌کند

یکی از مفاهیم کلیدی کتاب، حذف شلوغی است.

نویسنده با استفاده از اصول روان‌شناسی گشتالت توضیح می‌دهد که مغز انسان دائماً تلاش می‌کند نظم را در تصاویر پیدا کند.

هر عنصر اضافه:

  • خط‌های اضافی
  • Gridهای بی‌دلیل
  • رنگ‌های زیاد
  • سایه‌ها
  • افکت‌های سه‌بعدی

تنها بار شناختی مخاطب را افزایش می‌دهند.

پیام کتاب ساده است:

اگر چیزی اطلاعات جدیدی اضافه نمی‌کند، حذفش کن.

نمونه‌های قبل و بعدی که در کتاب آورده شده، به‌خوبی نشان می‌دهد که گاهی فقط با حذف چند عنصر اضافه، کیفیت یک نمودار چند برابر می‌شود.


رنگ، ابزار زیبایی نیست

بخش دیگری که برایم جالب بود، نحوه استفاده از رنگ‌هاست.

اکثر ما رنگ را برای زیباتر شدن نمودار انتخاب می‌کنیم.

اما نویسنده نگاه متفاوتی دارد.

رنگ باید نقش هدایت‌کننده داشته باشد.

یعنی:

  • همه چیز خاکستری باشد.
  • فقط همان نقطه‌ای که می‌خواهیم دیده شود رنگ داشته باشد.

جمله معروف کتاب هم همینجاست:

اگر همه چیز را برجسته کنید، در واقع هیچ چیز برجسته نیست.

همین منطق برای اندازه فونت، ضخامت خطوط و محل قرارگیری عناصر هم استفاده می‌شود؛ همه چیز باید چشم مخاطب را به سمت پیام اصلی هدایت کند.


مثل یک طراح فکر کنید

کتاب در ادامه وارد دنیای طراحی می‌شود.

نه طراحی به معنای زیباسازی، بلکه طراحی برای فهم بهتر.

از موضوعاتی مثل:

  • خوانایی فونت‌ها
  • فاصله عناصر
  • تراز بودن اجزا
  • استفاده درست از فضای سفید
  • طراحی برای افراد کوررنگ

صحبت می‌کند و توضیح می‌دهد که ظاهر نمودار مستقیماً روی میزان اعتماد مخاطب به تحلیل اثر می‌گذارد.


داده بدون داستان، تصمیم نمی‌سازد

شاید مهم‌ترین پیام کل کتاب همین باشد.

داده به‌تنهایی احساس ایجاد نمی‌کند.

داده تصمیم ایجاد نمی‌کند.

این داستان است که باعث می‌شود مخاطب بفهمد:

  • چه اتفاقی افتاده؟
  • چرا مهم است؟
  • و حالا باید چه کاری انجام دهد؟

در فصل‌های پایانی، نویسنده چندین نمونه واقعی از نمودارهای ضعیف را مرحله‌به‌مرحله بازطراحی می‌کند و نشان می‌دهد که چگونه با رعایت همین اصول ساده، همان داده می‌تواند بسیار اثرگذارتر ارائه شود.


این کتاب مناسب چه کسانی است؟

اگر جزو یکی از این گروه‌ها هستید، احتمالاً از خواندن کتاب لذت خواهید برد:

  • تحلیلگران داده
  • مدیران بازاریابی
  • مدیران محصول
  • متخصصان BI
  • مشاوران مدیریت
  • مدیران مالی
  • پژوهشگران
  • هر کسی که باید نتیجه تحلیلش را به دیگران ارائه کند.

نکته مثبت کتاب این است که برخلاف بسیاری از کتاب‌های حوزه داده، تقریباً هیچ پیش‌نیاز فنی ندارد و بیشتر روی مهارت ارتباط، طراحی و انتقال پیام تمرکز می‌کند.


برداشت من

برای من مهم‌ترین ارزش این کتاب، صرفاً یاد گرفتن طراحی نمودار نبود.

چیزی که بیشتر از همه از آن گرفتم این بود که قبل از اینکه نمودار را انتخاب کنیم، باید زاویه نگاه خودمان به داده را انتخاب کنیم.

یک مجموعه داده می‌تواند چند روایت متفاوت داشته باشد.

اگر فقط به دنبال تأیید فرض اولیه خودمان باشیم، احتمالاً همان چیزی را در داده پیدا می‌کنیم که از قبل انتظارش را داشتیم. اما تحلیل واقعی زمانی شکل می‌گیرد که بتوانیم زاویه‌های مختلف یک مسئله را ببینیم، روایت‌های مخالف را پیدا کنیم و بعد تصمیم بگیریم کدام روایت با شواهد سازگارتر است.

بعد از آن تازه سؤال دوم مطرح می‌شود:

بهترین روش نمایش این داده چیست؟

گاهی یک نمودار خطی بهترین انتخاب است، گاهی یک نمودار میله‌ای، گاهی یک جدول و بعضی وقت‌ها حتی فقط یک جمله.

به نظرم ارزش اصلی این کتاب دقیقاً همین است؛ اینکه یادمان می‌اندازد هدف از تحلیل داده، ساختن نمودارهای زیبا نیست، بلکه کمک به تصمیم‌گیری بهتر است.


برداشت من

یک گزارش زمانی مفید است که ابهام را کمتر کند و آدم‌ها را به گفت‌وگویی دقیق‌تر برساند. انتخاب داده، حذف نویز و ساختن روایت، همه در خدمت همین هدف‌اند.

تسلط به ابزارها کمک می‌کند محدودیت‌ها و امکان‌ها را بهتر بشناسم؛ بااین‌حال، بخش دشوارتر معمولاً پیدا کردن سؤال درست و انتخاب شواهدی است که واقعاً به تصمیم کمک کنند. این همان بخشی است که هر بار باید از نو درباره‌اش فکر کرد.

Tags:
Write a comment