Data Storytelling: Zahlen in eine Erzählung verwandeln

Gewinne:

• Fähigkeit, Erkenntnisse in eine Kontext-Spannungs-Auflösungs-Erzählung einzuordnen und Erkenntnisse hervorzuheben („Was bedeutet das?“)
• Fähigkeit, die Botschaft durch Kontraste wie Vorher/Nachher und Ziel/Realität zu schärfen und jede Grafik mit einem Satz in der Erzählung zu verbinden
• Fähigkeit, eine ehrliche Geschichte aufzubauen, ohne in die Fallen selektiver Daten, Übertreibungen und falscher Kausalitäten zu tappen

Menschen vergessen Gemälde, sie erinnern sich an Geschichten. Data Storytelling verwandelt Zahlen von einem trockenen Stapel Grafiken in eine Erzählung mit Anfang, Mitte und Ende. Das Ziel besteht nicht darin, die Daten zu verschönern; Es geht darum, die Fragen des Publikums „Was ist passiert, warum ist es wichtig, was soll ich tun“ in der richtigen Reihenfolge zu beantworten. In dieser Einheit lernen wir, wie Sie künstliche Intelligenz nutzen, um aus Ihren Daten eine ehrliche und einprägsame Erzählung zu erstellen.

Drei Teile der Geschichte: Kontext, Konflikt, Lösung

Jede Datengeschichte hat ein Rückgrat:

• Kontext: Wo stehen wir? „Letztes Jahr haben wir drei neue Märkte erschlossen.“
• Konflikt/Spannung: Was hat sich verändert, welches Problem/welche Chance besteht? „Aber in einem davon sind die Umsätze seit sechs Monaten rückläufig.“
• Lösung/Maßnahme: Was sollen wir tun? „Wir müssen den Preis in diesem Markt überprüfen.“

Es gibt auch das Konzept der Einsicht: eine aussagekräftige Erkenntnis aus den Daten, die das Publikum zuvor noch nicht gesehen hat. Die Grafik zeigt die Daten; Insight sagt Ihnen, was es bedeutet. Storytelling ist der passende Einblick in eine Erzählung.

Tipp: Sagen Sie nicht „Die Daten zeigen das“, sondern denken Sie „Die Daten sagen das.“ Das Diagramm ist der Beweis; Die Geschichte ist die Bedeutung dieser Beweise.

Von der Einsicht zur Erzählung: Schritt für Schritt

1. Schreiben Sie die wichtigste Erkenntnis in einen Satz. „Im Markt X ist der Rückgang nicht auf den Preis, sondern auf die Lieferzeit zurückzuführen.“
2. Stellen Sie den Kontext her. Wo soll der Betrachter anfangen?
3. Spannung zeigen. Der Unterschied zwischen dem, was erwartet wird, und dem, was tatsächlich passiert.
4. Fügen Sie die Beweise ein (Grafik). Jeder Graph beweist einen Satz.
5. Geben Sie die Lösung/Maßnahme an. Was soll der Betrachter am Ausgang tun?
6. Reduzieren Sie es auf eine einzige Nachricht. Die Geschichte sollte in einem Satz zusammengefasst werden.

Ihre Rolle: Data Story Editor. Meine Erkenntnisse (roh): [Artikel nach Artikelnummern/Beobachtungen]. Meine wichtigste Erkenntnis: „[einzelner Satz]“. Aufgabe: Verwandeln Sie dies in eine Erzählung mit der Struktur „Kontext → Spannung → Lösung“. Für jeden Abschnitt: 1-2 Textsätze + ein Vorschlag für einen Grafiktyp zur Veranschaulichung dieses Abschnitts. Übertreiben Sie nicht, erfinden Sie Zahlen; Markieren Sie den Anspruch, der nicht in den Daten enthalten ist, als „[Bestätigung]“. Ton: [objektiv / inspirierend / anregend].

So verbinden Sie das Diagramm mit der Erzählung:

Machen Sie diese Grafik zu einem Teil einer Geschichte: Schreiben Sie die EINE Botschaft, die die Grafik zeigt, in einen Satz, schlagen Sie dann einen „Einleitungssatz“ vor, der das Publikum auf die Grafik vorbereitet, und einen „Na und?“-Satz nach der Grafik.Grafik: [Rezept]. Einblick: [ ... ].

„Vorher/Nachher“ und Vergleichserzählungen

Die aussagekräftigsten Datengeschichten bilden einen Gegensatz: Vorher/Nachher, Soll/Ist, Wir/Konkurrent, Erwartet/Was ist passiert. Kontraste erzeugen Spannung im Bewusstsein des Publikums und schärfen die Botschaft.

Kontrasttyp

Beispielerzählung

passende Grafik

vorher/nachher

„9 Tage vor Prozessänderung, 4 Tage danach“

Duales Balken-/Steigungsdiagramm

Soll/Ist

„Das Ziel war 10 % Wachstum, wir sind bei 4 % geblieben“

Ziellinienleiste

erwartet/geschehen

„Wir haben mit einem Rückgang im Sommer gerechnet, aber der Anstieg kam“

Linie + schattiertes Erwartungsband

Teil/Ganzes

„70 % der Verluste sind auf einen Schritt zurückzuführen“

Gestapelte Leiste mit Hover

Erstellen Sie eine „Vorher/Nachher“-Datengeschichte. Vorher: [Fall+Nummer].Nachher: ​​[Fall+Nummer]. Der Grund für die Änderung: [...].Aufgabe: Schlagen Sie eine dreiteilige Kurzerzählung (Kontext, Änderung, Ergebnis) und die Art von Diagramm vor, die diesen Kontrast am ehrlichsten darstellt. Versuchen Sie nicht, die Veränderung größer zu machen, als sie ist.

Integrität: Lassen Sie nicht zu, dass die Geschichte die Daten verfälscht

Die Schattenseite des Geschichtenerzählens besteht in der selektiven Präsentation von Daten, um die Erzählung zu stärken. Hüten Sie sich vor zwei Fallen:

• Selektive Daten (Rosinenpickerei): Es wird der Zeitraum/das Segment angezeigt, der zur Erzählung passt, und derjenige ausgeblendet, der nicht dazu passt.
• Pseudokausalität: „A nahm zu, B nahm zu, also verursachte A B“ – Korrelation ist keine Kausalität.

Achtung: Eine gute Geschichte überzeugt; Aber Überzeugung sollte nicht zur Erlaubnis zur Verfälschung von Daten führen. „Welche Daten passen nicht zu dieser Erzählung?“ Fragen Sie sich und zeigen Sie es gegebenenfalls.

drei Mini-Koffer

Fall 1 – Vom Gemälde zur Geschichte. Ein Team präsentierte dem Management eine Tabelle mit 12 Zeilen, aber niemand verstand etwas. Mit KI kamen sie zu der Erkenntnis: „80 % des Gewinns stammen aus 3 Produkten.“ Sie haben die Präsentation um diesen einen Satz herum aufgebaut. Zum ersten Mal hat das Management eine klare Entscheidung getroffen (Fokus auf diese 3 Produkte).

Fall 2 – Vorher/Nachher. Ein Krankenhaus hatte eine Änderung vorgenommen, die die Wartezeit verkürzte, doch die Präsentation bestand aus trockenen Zahlen. Sie erstellten ein Steigungsdiagramm mit dem Kontrast „Erst 47 Minuten, dann 19 Minuten“. Die Auswirkungen der Änderung wurden sofort erkannt und das Budget erweitert.

Fall 3 – Korrektur selektiver Daten. Ein Vermarkter hatte nur die zwei besten Wochen aufgezeichnet, um den Erfolg der Kampagne zu zeigen. Fragen Sie die KI: „Gibt es Daten, die nicht zu dieser Erzählung passen?“ er fragte; Das Modell erinnerte an den Niedergang nach der Kampagne. Das Team zeigte den gesamten Zeitraum und vermittelte die ehrliche Botschaft, dass „eine Nachverfolgung erforderlich ist, um eine dauerhafte Wirkung zu erzielen“.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwach:

Aus diesen Daten entsteht eine faszinierende Geschichte.

Der Wunsch nach „Beeindruckendem“ treibt das Modell zur Übertreibung und selektiven Darstellung; Ehrlichkeit geht verloren.

Stark:

Ihre Rolle: Data Story Editor. Wichtigste Erkenntnis: „70 % der Verluste entstehen im Lieferschritt.“ Ergebnisse: [Zahlen]. Aufgabe: Erstellen Sie eine ehrliche Erzählung in der Struktur Kontext→Spannung→Lösung, ordnen Sie jedem Abschnitt eine Grafik zu und geben Sie an, ob es Daten gibt, die NICHT zu dieser Erkenntnis passen. Übertreiben Sie nicht, stellen Sie Korrelation nicht als Kausalität dar, schreiben Sie [Bestätigung] für das, was nicht in den Daten enthalten ist.

Letzteres gibt sowohl Struktur als auch erfordert Ehrlichkeit (nicht passende Daten anzeigen, keine Kausalität beanspruchen).

Eine Grafik, eine Botschaft: Die Erzählung auf Folien verteilen

Die stärkste Faustregel beim Einfügen einer Datenstory in eine Präsentation lautet: ein Diagramm auf einer Folie, eine Nachricht auf einem Diagramm. Der Betrachter kann nicht drei Diagramme gleichzeitig betrachten und daraus eine Schlussfolgerung ziehen. Anstatt ein komplexes Diagramm auf einmal anzuzeigen, ist es sehr effektiv, es nach und nach anzuzeigen: zuerst die leere Achse, dann die einzelne Linie, dann die Vergleichslinie und schließlich die Hervorhebung. Bei jedem Schritt erklären Sie, was Sie sagen; Der Betrachter „liest“ das Diagramm mit Ihnen.

Ihre Rolle: Datenpräsentationsredakteur. Ich habe ein einzelnes dichtes Diagramm: [Rezept]. Anstatt dies auf einer Folie zu zeigen, erstellen Sie einen 3-4-stufigen „Kaskaden-Enthüllungsplan“, der den Betrachter Schritt für Schritt führt. Was sollte in jeder Phase auf dem Diagramm erscheinen und was soll ich sagen? Die einzige hervorzuhebende Nachricht am Ende ist: „[Satz]“.

Machen Sie auch den Diagrammtitel zu einem Teil der Erzählung: „Die Region West allein treibt das Wachstum an“, nicht „Regionale Verkäufe“. Der Titel gibt das Ergebnis des Diagramms an; Der Betrachter schaut und weiß, was er sehen wird.

Tipp: Wenn eine Folie mehr als zwei Diagramme enthält, stopfen Sie wahrscheinlich zwei oder drei separate Nachrichten auf eine Folie. Aufteilen: Geben Sie jeder Nachricht eine eigene Folie.

Häufige Fehler

• Präsentieren eines Stapels von Grafiken: Aneinanderreihen von Grafiken ohne Erzählung.
• Geschichte ohne Einsicht: Sagen „was passiert ist“, aber weglassen „was es bedeutet“.
• Selektive Daten: Ausblenden von Daten, die nicht zum Narrativ passen.
• Falsche Kausalität: Korrelation als „verursacht“ darstellen.
• Auswählen von Genres zur Übertreibung: Verwendung irreführender Grafiken, um den Effekt zu verstärken.
• Mehrere Botschaften: Einfügen von mehr als einer „Hauptgeschichte“ in eine Präsentation.

Zusammenfassend

Beim Data Storytelling geht es darum, Zahlen in eine Kontext-Spannungs-Auflösungs-Erzählung zu bringen und Erkenntnisse hervorzuheben („Was bedeutet das?“). Kontraste (Vorher/Nachher, Soll/Ist) schärfen die Botschaft. KI ist wirkungsvoll darin, Ihre Erkenntnisse in Erzählungen umzuwandeln. Aber tappen Sie nicht in die Falle selektiver Daten, Übertreibungen und falscher Kausalitäten. Eine gute Geschichte überzeugt und verfälscht keine Daten.

Anwendungsaufgabe

Ziehen Sie Erkenntnisse aus Ihrem Datensatz. (1) Schreiben Sie es in einem Satz. (2) Lassen Sie die künstliche Intelligenz eine Erzählung in der Kontext-Spannungs-Auflösungs-Struktur erstellen und jedem Abschnitt eine Grafik zuordnen. (3) „Welche Daten passen nicht zu dieser Erzählung?“ und die Antwort ehrlich in die Erzählung einbeziehen. (4) Reduzieren Sie die Geschichte auf einen Satz.

Checkliste

• [ ] Ich habe eine wesentliche Erkenntnis und ich kann sie in einem Satz zusammenfassen.
• [ ] Die Erzählung war in einer Kontext-Spannungs-Auflösungs-Struktur strukturiert.
• [ ] Jede Grafik beweist einen Satz in der Erzählung.
• [ ] Ich habe keine Daten ausgeblendet, die nicht zur Erzählung passten.
• [ ] Ich habe Korrelation nicht als Kausalität dargestellt.
• [ ] Die Geschichte lässt sich auf einen einzigen Satz reduzieren.