用数据讲故事——我们有哪些误解？

数据正在商务对话中扮演着越来越重要的角色。从直接面对客户的一线员工到商业领袖，用数据交流的能力已经成为了职场必备技能。那些曾经能够轻易避开讨论数据的人会发现，在这个时代，他们已经不得不面对数据。如果你对数据比较陌生，工作上就可能会感到困扰，比如搞不懂数据到底在讲什么，亦或是无法利用数据和他人有效沟通。在当今高速运转的数据经济体中，不熟悉数据越来越在工作中拖你的后腿。

幸运的是，我们可以求助于一种省时高效的方式来表达数据——用数据讲故事。不过，这种方式需要对数据进行一点点演绎。我们可以通过排山倒海的数据可视化让数据里的故事活起来。比如说，你可以把一个很有说服力的故事和非常有料的数据表格结合在一起，来解释为什么销售额下降，然后敦促你解决销售渠道里的问题。用数据讲故事的能力不仅仅是数据分析师或数据科学家的必备技能；它更是我们所有人都必须掌握的技能。自助式数据分析所提供的解决方案正在源源不断地向人们输送信息。现在越来越多的人需要用数据讲故事，来为行动和改变导航。

尽管还是个相对新颖、充满未知的概念，用数据讲故事已经在数据分析界和商界变得炙手可热。随着越来越多的人开始评论如何用数据讲故事，我发现，如果不对错误信息进行指正，这些信息很可能误导一腔热情的讲故事的人。接下来，我会重点讲解我最近碰到的关于用数据讲故事的误解。

误解一：所有数据可视化案例背后都有一个故事。

尽管任何一个数据可视化案例背后都可能有一个故事，这并不意味着相应的图标能够清晰有效地把故事传达出来。数据故事应当传达或构建一个主题。如果读者无法准确理解你所表达的中心思想，那么这个数据可视化就是失败的。如果在一个（或一组）数据可视化案例中有多个亮点，这些亮点将会分散读者的注意力，甚至干扰理解。如果你没能有目的地让读者去关注一个或是一系列洞见（也就是信号），那么这个数据可视化案例就不能很好地传达它背后的故事。我见过做的不太好的交互式数据可视化案例，这些案例都没有明确的主题。虽然案例中的图表也许能让读者自己解读探究一番，但是这些案例并没有把数据中的故事表达出来。

左图展示了多个话题，分散了读者的注意力；右图则把重点明确独立出来。

误解二：用数据讲故事等于数据可视化。

虽然数据可视化通常是数据故事的一大亮点，故事的叙述部分其实是同等重要的。一个好故事应当由一系列因果实践组成，而并不仅仅是花花哨哨的图片堆砌。叙述元素能够将杂乱无章的数据点进行归纳，并赋予其含义。此外，叙述元素还能鼓动读者的情绪。这是数据本身绝对不可能做到的。想要讲一个有意义的数据故事，至关重要的一点就是，要有机结合数据、视觉表达和叙述元素三部分。

用数据讲故事要做到有机结合数据、视觉表达和叙述元素三方面，才能产生实际效果。

误解三：数据故事都有开头、内容和结尾。

故事都有开头、内容和结尾，这个思想起源于古希腊哲学家亚里士多德。然而，课本也有开头内容结尾，财务报表和电话簿也有开头内容结尾，这些东西可称不上故事。我认为弗赖塔格金字塔模型对戏剧结构的定义对数据故事更加实用——铺垫、渐进、发展、高潮、淡出、结束。在故事开端做好角色设定和讲述故事如何演进是同等重要的。引导读者感受中心思想（故事高潮），然后再提出建议（故事淡出）的叙事结构对讲述数据故事非常有用，比亚里士多德的开头内容结尾模型要实用得多。

从提供背景信息开始，重点标出有趣的异常的地方，提供数据，达到高潮（主要部分），然后讨论建议和下一步计划

误解四：数据本身是数据故事中的角色。

很多人都不清楚如何在数据故事中呈现各种叙述元素。一个常见的误区是：人们总是把数据本身当做数据故事里的角色，甚至主角。也许你很倾心于某个特别的数据洞见，但人类才应该是数据故事中的主角，而非数据本身。绝大多数商业数据都是直接或间接和人类有关，比如顾客、潜在顾客、员工、合作伙伴、投资者等等。读者们会关心各种人群中发生的事情。比如，销售人员会关心潜在客户的情况，管理人员会关注顾客的信息。所以尽管数据洞见可以塑造并影响数据故事的走向，人类才是故事的绝对主角。如果你的读者正式故事中的角色，那他们更应该是故事的重中之重。让数据故事尽量贴近人类的生活，就能够让读者和故事产生更强烈的共鸣。

误解五：数据故事的开头都是假说或疑问句。

写好数据故事的开头是非常重要的。或许你的分析过程源起于一个假说，但讲故事的时候并不一定要用这个假说作为开头——那样的话，整个故事就太偏重于数据分析，忽视了你发现的独到结论。就像小说家需要为故事铺陈一样（比如，在一个遥远的星系…），数据故事也需要足够的背景来引导读者。数据故事的开头应该提供足够多的背景信息（时间跨度、数据来源、曾经轨迹等等）来帮助读者正确理解你接下来要讲的洞见。同时，你还可以在背景中介绍故事的主要角色。

误解六：数据故事能被自动生成

我见过无数人吹捧用自然语言生成系统来自动生成数据故事有多么多么好。相对于“难以理解”的数据可视化，这些人觉得描述性文字能让读者更好地理解数据。事实上，人类的连续注意力集中时间比金鱼还要短；对我们来说，文字不可能比图片更易懂。再者，文字的优势在于解释数据而非描述数据。打个比方，读者应该能通过规划良好的图表中轻松看出，从第三季度到第四季度，收益增加了72%，并不需要描述性文字再把同样的信息重复一遍。如果不加文字看不懂，那应该修改图表而非继续添加文字。然而，这72%的收益增长来自于新的市场营销活动——要是能让读者知道这个信息就更好了。对于这种情况，可以酌情添加解释性文字，而非描述性文字。在缺少背景信息和专业知识的情况下，机器很难“自动生成”数据故事的。

左图用文字描述了第三季度到第四季度的收益变化。右图用文字解释了收益变化的原因，有助于读者理解

既然我们有那么多重要的数据故事要讲，那我们就应该尽职尽责地确保我们的发现被恰当地传播、理解、利用。错误观念可能不经意间弱化并干扰你想要通过故事传达的信息。如果作者的洞见没有引起读者共鸣，甚至被无视，一般来讲是作者讲故事的时候出了问题，数据本身并没有问题。

William Playfair(18世纪的苏格兰工程师、政治经济学家，现代统计学图形奠基人)曾说，“如果你不动脑筋、缺乏想象力，统计学将是世界上最枯燥无味的学科。”用数据讲故事能为你打开新世界的大门。曾经数据仅仅在IT部门的角落或者高层会议里被提起，如今对它的重视被逐渐普及。事实上，数据在人们工作中的地位已经令人瞩目，如果你能用数据雕琢出一个好故事，那你离成功就又近了一步。以后用数据讲故事的时候，请记得避开我提到的那些误区，确保故事的有效性和感染力。

原作者：Brent Dykes

编译：聂煜绮 编辑：张璇策划：樊茜茜