Vad är historieberättande?

Data storytelling är ett sätt att ta numerisk information och bygga en kontextuell berättelse kring den som människor kan förstå och relatera till.

Översikt över dataredigering

Ren, rå data talar ett mycket exakt språk som bara ett fåtal specialister kan förstå. Data storytelling är helt enkelt ett sätt att ta den platta, numeriska informationen och bygga en kontextuell berättelse runt den som människor kan förstå och relatera till. En rapport som statistiskt korrelerar gröttemperatur till björnstorlek lär knappast få många synpunkter. Medan en berättelse som visar en bild av Goldilock med jämförande bilder av olika storlekar björnar, sängar och stolar har en mycket bättre chans att bli läst och mer grundligt förstådd. Och är inte det hela poängen?

 

Den globala datafonden har vuxit exponentiellt på bara några decennier dit IDC förutspår att fram till 2025 kommer världens datagenereringsvolymer att nå upp till 175 zettabyte – vilket är en häpnadsväckande 175 miljarder terabyte. Den hastighet med vilken Big Data har ökat i volym och komplexitet har gjort att många företag tävlar för att hålla jämna steg med hur man bäst kan utnyttja och utnyttja den. Datavisualisering handlar om att använda diagram och grafer för att bättre representera data – och detta är användbart fram till en punkt. Men dagens företag måste gå utöver enkel grafik. De måste sätta datadrivna idéer i sitt sammanhang och göra dem mer kraftfulla och övertygande. Data storytelling är nästa generations affärskommunikation, som hjälper företag att kommunicera bättre och fatta smartare, handlingskraftiga affärsbeslut.

Elementen i datadrivet berättande

Varje datastory måste innehålla tre element:

 

  1. Datadriven storytelling bör baseras (så mycket som möjligt) på rena och fullständiga data. Det kan verka självklart, men det är utmanande eftersom data finns i flera länder, affärsenheter och avdelningar. Tillkomsten av nya datakällor, som IIoT, ökar bara datavolymen. För företag som drunknar i data (de flesta av dem) hjälper datahanteringslösningar till att lösa dessa problem genom att samla in data från alla källor och leverera tillförlitliga, utförbara insikter. Här börjar vi.
  2. Berättande Genom historien har människan effektivt förmedlat information genom berättande. Även datadriven storytelling följer en traditionell berättarberättelse (aka ”berättarbåge”) med början, mitten och slutet. Berättelsen bör berätta historien om vad data avslöjar, belysa dess kontext och föreslå potentiella åtgärder. Data storytelling programvara arbetar med ERP-plattformar, som innehåller flera typer av dataanalys (beskrivande, diagnostisk, prediktiv, preskriptiv) för att hjälpa till att avslöja vilka data som är mest relevanta eller övertygande för storyn.
  3. Visualiseringar En bra visualisering illustrerar dataanslutningar på ett sätt som läsaren snabbt kan förstå och sedan använda för att beakta potentiella resultat. Även om befintliga program för kalkylblad och datavisualisering kan generera diagram, kartor, grafer och diagram, är kombinationen av grafiken och berättandet det som ger dem det viktigaste sammanhanget och betydelsen. En bild är värd mer än tusen ord: Det är värt tusentals Excel-rader.

Data storytelling handlar om att ta komplexa data och analyser och bygga en övertygande berättelse – en som fångar publikens intresse, förmedlar ett tydligt budskap och påverkar en handling eller nästa steg.

Varför datadrivet berättande är så effektivt

Den mänskliga hjärnan föredrar berättelser framför rena data. Kort sagt, de är mer tilltalande för ögat och lättare att förstå. Detta ger moderna, datadrivna storytelling många fördelar jämfört med kalkylblad, data whiteboards och digitala instrumentpaneler. Datadrivna storyer är effektiva eftersom de:

 

  • Förenkla den överväldigande mängd data som hindrar beslutsfattandet. Enligt Gartner kommer 80 procent av de traditionella analysinsikterna inte att leverera affärsresultat fram till 2022.

  • Engagera fler delar av hjärnan än rena data, vilket ökar förståelsen och bevarandet

  • Kan illustrera varför något händer

  • Stöds av bevis

  • Använd data för att upptäcka nya mönster

  • Kan utnyttja läsarnas känslor och intellekt

  • Generera insikter som kan åtgärdas

  • Kan ansluta till realtidsdata för alltid aktuell analys

  • Kan personanpassas i stor skala

  • Erbjud värde till målgruppen

  • Utför bra mätetal, till exempel klickfrekvens och konverteringar

  • Ge trovärdighet åt sitt företag eller sin bransch

 

Som vi kommer att se är datadrivet berättande effektivt internt och externt, vilket ökar dess antagande.

Upptäck insikter och extrahera värde: Exempel på dataredigering

Chansen är att du har sett exempel på data-storytelling utan att inse det. Det är en del av dess skönhet: Eftersom det är engagerande visuellt, känner du inte att du sloggar genom data.

 

  • Sjukvård: Världshälsoorganisationen spårar COVID över hela världen i en interaktiv instrumentpanel. Läsarna kan välja att se antalet COVID-fall, dödsfall eller vaccinationer, de olika åtgärder som vidtas av varje land och dussintals lättförståeliga visualiseringar som regeringar och sjukvårdspersonal kan använda för att hjälpa till att ”berätta” sina egna lokala berättelser. Vårdorganisationer kan också kombinera historiska data med kliniska prövningsresultat för att förklara nyttan och riskerna med nya behandlingar för patienter.

  • Leveranskedjor: Hantering av hela försörjningskedjan hjälper till att centralisera flera datakällor. Ett argument för dataredigering i försörjningskedjor skulle kunna gälla inköp och härkomst. Data kan komma in från råmaterialleverantörer, RFID-taggar, tillverkningstillgångar samt leverans- och logistikpartner. Detta kan bidra till att berätta en mycket dynamisk historia om var en produkt kommer ifrån och illustrera varför de bästa arbetsmetoderna och tillverkningsmetoderna tillför värde och hållbarhet.    

  • Personal: I dagens komplexa arbetsvärld är företag mer fokuserade än någonsin på att inte bara anställa de bästa teamen utan att få dem att stanna kvar. Moderna HR-system samlar in och analyserar data från ”anställa till pensionera”. Detta ger möjlighet att skapa övertygande databerättelser – som visar affärs- och HR-ledare exempel på hur olika initiativ förbättrar rekrytering, upplevelse och bibehållande av medarbetare.  

  • Detaljhandeln: Med sitt B2C-fokus har detaljhandeln en enorm potential att få kontakt med kunderna på nya och interaktiva sätt. Den digitala tekniken som stöder omnikanalsdetaljhandel resulterar i princip i någon form av datagenerering eller kuration. Genom att dra nytta av data från smarta hyllor, e-handel och näthandel i allmänhet kan detaljhandlare generera mycket exakta och användbara databerättelser om exakt var, hur och varför deras kunder engagerar sig i sina produkter. Detta kan bidra till att informera affärsutveckling, lagerhållning, marknadsföring och mycket, mycket mer. 

Den växande trenden med databerättelser och förstärkt analys

Data storytelling är inte nytt för företaget. Men fram till nyligen var det till stor del en tidskrävande, manuell process: medarbetarna var tvungna att hämta data, designa och utveckla visualiseringar, utarbeta en berättelse och generera insikter. Företag förlitade sig vanligtvis på datavetare eller IT, som hanterar stora datavolymer, för att skapa analys-dashboards. Dessa anställda saknade ofta de mjuka färdigheterna för att utveckla tydliga, övertygande berättelser. Ofta kunde de resulterande instrumentpanelerna inte förmedla den mest relevanta informationen på ett sätt som ledarskap (eller någon annan) lätt förstod. 

 

Idag har storytelling-plattformar kopplade till ERP-tekniksystem demokratiserat data, så affärsanalytiker, marknadsförare, konstnärer och redaktionell personal kan samarbeta med datavetare för att skapa övertygande berättelser. Att ta in medarbetare från andra avdelningar tillför inte bara mjuka färdigheter utan genererar också insikter ur flera synvinklar.  

 

Med rätt verktyg kan vem som helst inom en organisation skapa en datastory. No- och lågkodsprogram och utökade analysverktyg – med artificiell intelligens, maskininlärning och bearbetning av naturligt språk – kan automatisera många funktioner som tidigare tog så mycket tid. Hela processen är snabbare, mer effektiv och mer effektiv.  

 

Således, enligt Gartner, data storyer (i motsats till dashboards) kommer att bli det mest utbredda sättet att konsumera analys till 2025, och förstärkt analysteknik kommer automatiskt att generera 75% av dessa storyer.  

Skapa effektiva databerättelser: De fem ”W’s”

Företagsanställda som lär sig att generera databerättelser har nytta av att anta journalistikens traditionella ”Five W’s”: vem, vad, när, var och varför. Så även en bra data story designer försöker svara på dessa grundläggande frågor.

 

Innan de påbörjar sin process kan en storydesigner (eller team) fråga:

 

  • Vem är berättelsens publik?

  • Vad är målet?

  • Vilka nyckeltal ska vi använda?

  • Vilka data och bilder bäst förmedlar denna information?

  • När (under vilken period) ska dataintervallet vara?

  • Var finns uppgifterna?

  • Vilka trender avslöjar uppgifterna?

  • Varför sker detta (sammanhang)?

 

Liksom kvalitetsjournalistik bör dataregistreringar försöka vara objektiva, icke-omdömesgilla och empatiska för sin publik. Företagen måste skydda sig mot såväl mänsklig partiskhet som partiskhet som den artificiella intelligensen ger upphov till. Denna tankeväckande strategi är avgörande för trovärdigheten.

 

Att framgångsrikt integrera storytelling inom företaget är mer än en mjukvaruuppgradering. Processen kräver inköp uppifrån och ner och avdelningsledningens vilja att bryta ner data och personalsilos att samarbeta. Medan vissa företag anlitar ”data storytellers” för en specifik roll, andra gör skickligheten till ett krav för analytikerpositioner. Med utbildning kan nuvarande medarbetare utanför datacentrerade avdelningar tillföra ovärderlig institutionell och situationell kunskap i att skapa berättelser som driver verksamheten framåt.

 

För att skapa den smidigaste utvecklingen av denna nya kommunikationsform bör företagen överväga att involvera experter som kan vägleda installation av teknik, planering av färdplaner, utbildning och kommunikation. Övergång av företagsdata från kalkylblad och instrumentpaneler till kontextdrivna visuella berättelser kan vara till nytta för många områden inom ett företag i alla branscher.

placeholder

Utforska SAP Analytics Cloud

Kontextualisera data för att dela resultat, förbättra storytelling och driva beslut.

placeholder

Idéer som du inte hittar någon annanstans

Registrera dig för en dos business intelligence som levereras direkt till din inkorg.

twitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixel