داستان سرایی داده Data Story telling

[Jamali]

از ترسیم صحنه شکار حیوانات در دیواره غارها توسط انسان‌های اولیه تا انتشار اخبار و تحلیل بازار بورس در یک وب سایت، افراد یک اجتماع داستان‌ها و اطلاعات خود را با شیوه‌های مختلفی برای هم تعریف می‌کنند. در حقیقت داستان سرایی یک سنت دیرینه در همه فرهنگ‌ها است تا بتوانند با سایر افراد و فرهنگ‌ها ارتباط برقرار کنند و اطلاعات خود را با دیگران به اشتراک بگذارند و در زندگیشان استفاده کنند. وجود فناوری‌ها و ابزارهای جدید انقلابی در عصر رسانه و اطلاعات ایجاد کرده است، از آنجایی که هر روز حجم زیادی اطلاعات تولید می‌شود، اگر می‌خواهید مخاطبانتان با داده‌ها و اطلاعات شما بهتر ارتباط برقرار کنند، باید بتوانید به شیوه ای تاثیرگذار و آن هم در کوتاه‌ترین زمان ممکن به مخاطبان منتقل کنید.

داستان سرایی داده‌ها چگونه سطح نوشتن شما را بالاتر می‌برد؟

در حقیقت هم داستان‌ها به داده نیاز دارند و هم داده‌ها به داستان. داده‌ها بدون داستان ساده و کسل کننده‌اند و برقراری ارتباط با آن سخت است. داستان‌ها نیز بدون داده غیر قابل اعتماد هستند.
داستان سرایی داده شکل جدیدی از ارتباط نوشتاری است که نویسنده حجم قابل ملاحظه ای از داده‌ها را تحلیل کرده و قسمت‌های مفید آن را استخراج و جداسازی می‌کند و با شکلی مناسب و جذاب ارائه می‌کند. به بیان دیگر داستان سرایان، داده‌های بزرگ را با هدف قابل درک کردن و ارائه بهتر، به داده‌های کوچک تبدیل می‌کنند. امروزه داستان سرایی داده‌ها به قدری اهمیت دارد که سرویس جدید گوگل با عنوان Google News Lab کاربران را در این زمینه یاری می‎رساند. متاسفانه تا این لحظه، این سرویس گوگل همچون برخی از سرویس‌های دیگر این شرکت، برای کاربرانی که از IP ایران استفاده می‌کنند، قابل دسترس نیست. لابراتوار خبر گوگل، هدفی بزرگ دارد تا آنجا که می‌گوید: “ ما با همکاری روزنامه نگاران و کارآفرینان به ساخت آینده رسانه کمک می‌کنیم ”

البته داستان سرایی داده‌ها تنها محدود به روزنامه نگاران نمی‌شود بلکه افرادی که با انتقال پیام سر و کار دارند از جمله طراحان، کپی‌رایتر ها، بازاریاب‌ها و وبلاگ نویسان، می‌توانند از این مهارت استفاده کنند و افراد بیشتری به به سمت خود جذب نمایند.

داده‌های مناسب را از کجا استخراج کنید؟

خوشبختانه امروزه به کمک وب سایت‌ها و منابع آنلاین گوناگون، امکان دسترسی به بخش‌های اعظمی از دانش جهان برایمان فراهم شده است. ازآنجا که دنیا مملو از اطلاعات است، پیدا کردن داده مناسب و قابل اعتماد مانند پیدا کردن سوزن در انبار کاه است. قبل از هر چیز داده‌هایی که شما پیدا می‌کنید باید قابل اطمینان و معتبر باشند. فراموش نکنید که دنیای اینترنت با وجود برخورداری از اطلاعات و مطالب مفید، سر شار از اطلاعات نادرست هم هست. پس لطفاً حواستان را جمع کنید.

مرکز ملی آمار، نهادها وابسته به سازمان ملل و سازمان‌های بین المللی سیاسی و اقتصادی از جمله منابع معتبر داخلی و خارجی متعددی هستند که اطلاعات قابل استنادی را ارائه می‌کنند. علاوه بر این‎ها Google News Lab ویدئوهای آموزشی متعددی درباره چگونگی استفاده از ابزارهای گوناگون گوگل دارد تا بتوانید داده‌های مناسبی را که برای یک داستان سرایی جذاب و البته معتبر! نیاز دارید، پیدا کنید. در ادامه به معرفی سه ابزار کاربردی گوگل خواهیم پرداخت. علاوه بر این با مراجعه به قسمت Research section با سایر ابزارهای گوگل بیشتر آشنا خواهید.

۱. جستجوی پیشرفته

ویژگی جستجوی پیشرفته گوگل به شما این امکان را می‌دهد که جستجویی با دقت و جزئیات بالا انجام دهید. با کلیک بر روی آیکون چرخ دنده در صفحه اصلی گوگل، گزینه Advanced Search را انتخاب کنید با این کار شما وارد صفحه جستجوی پیشرفته خواهید شد سپس شما می‌توانید عبارت کامل مورد نظر را جستجو کنید، کلمات خاصی را حذف یا اضافه نمایید، جستجوی خود را به زبان، منطقه، دامنه، آخرین به روز رسانی و نوع فایل و گزینه‌های دیگری که شما را به نتیجه ای دقیق هدایت می‌کند محدود کنید.

۲. جستجوگر داده‌های عمومی

جستجوگر داده‌های عمومی یا Public Data یک ابزار سودمند برای جستجوی داده‌ها و دیداری سازی آن‌ها است. این ابزار مجموعه داده‌ها را از منابع معتبر مثل بانک جهانی جمع آوری می‌کند و به شما اجازه می‌دهد تغییرات آن‌ها در طول زمان را ببینید و معیارهایی ازجمله منطقه، صنعت، کشورها، تنوع گونه‌ها و متغیرهای دیگر را باهم مقایسه کنید. شما می‌توانید از میان گزینه‌های متعدد بصری سازی داده‌ها مثل نمودارهای خطی، میله‌ای، نقشه‌ای یکی را انتخاب نمایید. همچنین می توانید “مجموعه‎داده‌”های از قبل ساخته‎شده خود را در پروفایل گوگل، ذخیره نمایید تا بعداً به آن‌ها دسترسی داشته باشید.

۳. گوگل ترندز

به کمک سرویس Google Trends، می‌توانید روند جستجوی واژه‌های مختلف در موتور جستجوی گوگل را مشاهده کنید. این سرویس به شما امکان می‌دهد که عنوان‌های مختلف را جستجوکنید و به کمک بخش Trending Stories، می‌توانید حجم جستجو برای واژه‌های مختلف، میزان جستجوی یک کلید واژه خاص و اخبار مربوط به آن را در طی یک دوره زمانی درقسمت اخبار گوگل بررسی کنید. شما می‌توانید با استفاده از این ابزار، روند علاقه‌مندی به یک کلید واژه در طول یک دوره زمانی و مکانی خاص را ببینید.

پس از پیدا کردن و جمع آوری اطلاعات مورد نظر زمان بصری سازی آن‌ها فرا می‌رسد. همانطور که در بالا اشاره شد، Public Data Explorer و Google Trends ابزارهای خوبی برای این کار هستند تا بدون هیچ مشکلی اطلاعاتی را که به کمک گوگل پیدا کرده‌اید، با خود گوگل نمایش دهید. اگر داده‌های شما مبتنی بر مناطق جغرافیایی است Google Map ابزار خوبی است تا به کمک آن نقشه‌هایی تعاملی و شخصی سازی شده بسازید و در وب سایت خود منتشر نمایید. یکی دیگر از ابزارهای مفید برای بصری سازی داده‌های جغرافیایی، نرم افزار Google Earth Pro است که امسال گوگل آن را به رایگان در اختیار عموم قرار داده است. نسخه پیشرفته گوگل ارث برخلاف ابزارهای معرفی شده قبلی، یک ابزار آنلاین نیست و برای استفاده باید آن را دانلود و روی کامپیوتر خود نصب کنید. این نرم افزار امکان ایجاد یک نقشه سه بعدی و تعاملی رابرایتان فراهم می‌کند تا دادهای پیچیده را ترسیم و تحلیل کنید.

منبع: design.hostiran.net

[Jamali]

داستان سرایی با داده ها چرا تا این حد مهم است و چرا ما انقدر در آن بد عمل می کنیم؟

استان سرایی با داده ها چرا تا این حد مهم است و چرا ما انقدر در آن بد عمل می کنیم؟

داستان ها همیشه برای تمام اقشار و سنین بشر جذابیت داشته اند. در این پست از سایت کانتنتیفای، دو مفهوم سنتی و جدید داستان سرایی را با هم ترکیب کرده ایم.

ابتدا در یک اینفوگرافیک جذاب و ساده که از سایت echostories ترجمه و بازطراحی کرده ایم، به قدرت داستان سرایی پرداخته ایم.

پنج دلیل برای این که بدانیم چرا داستان های مبتنی بر تحلیل های داده محور انقدر اهمیت دارند. چهار دلیل برای اینکه بدانیم چرا برخی از سازمان ها این کار را تا این حد بد انجام می دهند. یا اینکه اصلا انجام نمی دهند.

تام دَونپورت (Tom Davenport) استاد فناوری اطلاعات دانشگاه بابسون و هم بنیانگذار موسسه بین المللی تحلیل است. او دربارۀ داستان سرایی بر اساس داده ها چنین می گوید:

هرگاه با افراد موفق در زمینۀ تحلیل های داده محور صحبت می کنم (که تقریبا همیشه در حال انجام این کار هستم.) خیلی طول نمی کشد که آن ها عبارت «نقل یک داستان با داده ها» را به کار می برند. شاید واضح به نظر برسد که تقریبا هرکس که تحلیل های داده محور را انجام می دهد، به گونه ای داستان سرایی در مورد فرآیند و خروجی های کارش علاقه دارد. ولی بسیاری از تحلیل های داده، به راحتی قابل بیان کردن نیستند. پس در این مقاله، من ۵ دلیل را در مورد اهمیت داستان های داده محور برای سازمان ها بیان می کنم. همچنین، چهار دلیل را برای اینکه چرا بسیاری از سازمان ها در داستان سرایی با داده ها انقدر بد عمل می کنند. برخی از آن ها هم اصلا این کار را انجام نمی دهند.

من فکر می کنم کسانی که داده ها و تحلیل را دوست دارند، باید همان افرادی باشند که داستان های داده محور را خوب نقل می کنند.

من فکر می کنم کسانی که داده ها و تحلیل را دوست دارند، باید همان افرادی باشند که داستان های داده محور را خوب نقل می کنند. به این پنج دلیل:

دلیل اول

داستان ها همیشه ابزارهای اثربخشی برای انتقال تجربیات انسانی بوده اند. داستان های داده محور و تحلیل محور هم تنها، نمونه های جدید داستان هستند. داستان ها، راه هایی برای ساده سازی و قابل درک سازی یک جهان پیچیدۀ داده ها هستند. داستان ها، زمینه، بینش و ترجمان را برای معنی بخشی و ارتباط دهیِ داده ها و حقایق را فراهم می آورند. این کار، درک داده ها را نه تنها ساده تر، بلکه جذاب تر می کند.

دلیل دوم

هدف ما از ارائۀ تحلیل ها، غالبا این است که شخص یا سازمانی را به انجام کاری یا اتخاذ تصمیمی وادار کنیم. هدف ما از استفاده از این ابزارها اقناع، جلب اعتماد و ایجاد تغییر است. فرقی نمی کند که تحلیل های ما تا چه حد تاثیرگذار هستند. یا اینکه کیفیت داده های جمع آوری شده چقدر زیاد هستند. ما نمی توانیم سرمایه گذاران را وادار به تغییر رویه یا فعالیت کنیم، مگر این که کاری کنیم آن ها کرهای ما را درک کنند. این کار هم نیازمند یک ارائۀ تصویری یا داستانی است.

دلیل سوم

بسیاری از افراد قادر به درک جزئیات تحلیل ها نیستند. اما همواره برای تحلیل های ما، نیازمند شواهد و داده ها هستند. داستان سرایی بر اساس داده ها و تحلیل های داده محور، معمولا متقاعد کننده تر از داستان هایی هستند که بر اساس شهود یا تجربیات شخصی شکل گرفته باشند. شاید قانع کننده ترین داستان ها، آن هایی باشند که داده، تحلیل و نوعی زاویۀ دید که شخص یا سازمانی خاص را در بر می گیرد را با هم ترکیب کنند.

دلیل چهارم

جمع آوری، پاکسازی و تحلیل داده ها، همگی فرآیندهایی زمان بر هستند. اما معمولا برای ارائۀ نتایج، آنقدرها وقت در احتیار نداریم. آن هم برای افرادی که معمولا در جریان صفر تا صد کار نبوده اند. البته که داده ها و نتایج، به این افراد که معمولا مدیران، سرمایه گذاران یا مشتریان هستند، ربط پیدا می کند. ارائۀ همۀ جزئیات آن هم در مورد اطلاعاتی که از نظر آن ها مشتی عدد و رقم هستند، ممکن است کسل کننده و حوصله سر بر باشد. ما باید برای ارائۀ بهترین و کاربردی ترین یافته های خود از داده ها، راهی کوتاه و قابل درک بیابیم. داستان سرایی بر اساس داده ها، همواره بهترین و ایمن ترین راه است.

دلیل پنجم

درست مانند سایر انواع داستان ها، در داستان سرایی بر اساس داده ها نیز، تنها چند گونۀ محدود از داستان ها وجود دارد. ارائۀ تحلیل های خود در قالب داستان ها می تواند به استانداردسازی ارتباطات و ارائۀ نتایج کمک کند. همواره گفته شده که تنها هفت گونۀ مختلف از ارائه در تمام ادبیات وجود دارد. (منبع) البته من یک بار در جایی گفته ام که ده گونۀ مختلف از داستان های تحلیلی وجود دارد. جدا از این اعداد، لگر یک سازمان در مورد انواع داستان هایی که می تواند بر اسا داده ها و تحلیل هایش ارائه کند شفاف باشد، قاعدتا این تحلیل ها به مرور زمان، این انواع داستان را در ارائه ها به خود خواهند گرفت.

علی رغم این دلایل جالب برای اهمیت داستان سرایی بر اساس داده ها، تحلیل گران داده های کمی، معمولا در ارائۀ نتایج کارهای داده محور خود، موفق عمل نمی کنند. این امر می تواند تبعات ناخوشایندی را در بر داشته باشد. تبعاتی مانند عدم اثرگذاری تحلیل گران بر روی تصمیمات مدیران و رهبران. این یعنی وقت و هزینه های مالی که صرف جمع آوری، تحلیل و سایر امور مرتبط با داده ها می شوند، دور ریخته می شوند. معمولا هم یکی از دلایل نارضایتی های شغلی تحلیلگران، عدم مشاهدۀ تاثیر فعالیت های خود در تصمیمات و فعالیت های مدیران است.

چرا افراد و سازمان ها معمولا در داستان سرایی با داد ها تا این حد بد عمل می کنند؟ بیایید دلایل را با هم مرور کنیم.

دلیل اول

تحلیلگران و به طور کلی افرادی که با داده ها سروکار دارند، معمولا ارتباطات چندان موفقی در زندگی واقعی خود ندارند. آن ها بیشتر درگیر حوزه های سخت و انعطاف ناپذیری مانند ریاضیات، آمار و علوم کامپیوتر هستند. این افراد معمولا ارتباط برقرار کردن با داده ها را بر ارتباطات انسانی ترجیح می دهند. البته که همۀ تحلیلگران از این رویه تبعیت نمی کنند و برخی از آن ها در طول زمان مهارت های لازم (از جمله ادبیات انسانی) را می آموزند. اما بیایید قبول کنیم که مهارت داستان سرایی، مهارتی نیست که هر تحلیلگر داده ای داشته باشد.

دلیل دوم

همان طور که تحلیلگران داده، داستان سرایی را مهارت جذابی تلقی نمی کنند، احتمالا علاقۀ چندانی هم به آموختن آن ها در دانشگاه یا دوره های آموزشی خود نشان نمی دهند. بنابراین بسیاری از اساتید دانشگاه و یا دوره های آموزشی نیز، خود افراد آنچنان موفق و قدرتمندی برای خلق داستان و ارتباط برقرار کردن نیستند. یقینا آن ها ممکن است وقت را برای آموزش مطالب مهم! ریاضیاتی و آماری غنیمت می شمرند. از نظر این افراد شاید داستان سرایی و ارائه، وقت تلف کرن و قرتی بازی باشد! این حرف درست نیست. با این حال، نتایج یک نظرسنجی از ۴۰۰ آموزگار در زمینه های تحلیلی و داده محور نشان می دهد که مهمترین مهارت در میان مهارت های لازم برای متخصصین داده، برقراری ارتباط است.

دلیل سوم

درک و آموزش مهارت های داستان سرایی، ممکن است از نظر بسیاری از متخصصان حوزۀ داده، در مقایه با فراگیری مهارت های فنی و پیچیدۀ کار با داده غیر عقلانی باشد. توجیه آن ها نیز برای این نظر می تواند این باشد که: بسیاری از افراد می توانند قصه سرایی کنند اما تنها افراد معدودی قادر به اجرای یک مدل رگرسیون لجستیک با اصلاحات ناهم واریانسی بر روی داده ها هستند. آن ها معتقدند که بهترین و سطح بالاترین استفاده ای که می توان از مغز کرد، عبارت است از تحلیل های کمی. برای ارائۀ داستان در مورد این کارها هم می توان روی دیگران حساب کرد. شاید تا حدی حق با آن ها باشد. اما بدیهی است که تکیه به دیگران برای داستان سرایی در مورد کارهای فنی و کمی، در کنار عدم توفیق صددرصدی این کار، می تواند زمان بر و هزینه بر باشد.

دلیل چهارم

قاعدتا تحلیلگران و متخصصان داده باید وقت و انرژی زیادی برای ساختن یک داستان خلاقانه و اثربخش در مورد داده ها صرف کنند. یک تحلیلگر ارشدِ شاغل در یک شرکت بزرگ داروسازی، زمانی به من گفت که او و افراد گروهش، نیمی از زمان خود را صرف تفکر در مورد چگونگی تولید داستان تاثیرگذار از نتایج و داده های خود می کنند.

یک تحلیلگر ارشدِ شاغل در یک شرکت بزرگ داروسازی، زمانی به من گفت که او و افراد گروهش، نیمی از زمان خود را صرف تفکر در مورد چگونگی تولید داستان تاثیرگذار از نتایج و داده های خود می کنند.

بدیهی است که بسیاری از تحلیلگران فنی از صرف این میزان از زمان برای داستان سرایی با داده ها، سر باز می زنند. حتی اگر این کار، به اثربخش تر شدن نتایج آن ها کمک کند.

حالا که دلایل اهمیت داستان سرایی با داده ها و همچنین دلایل عدم علاقۀ متخصصان فنی به این حوزه را دانستیم، بهتر است این مطلب را هم بدانیم که دلایل اهمیت داستان سرایی با داده ها از موانع و مشکلات این کار به مراتب بیشتر هستند.

پس شاید بهتر باشد که همین حالا برای وارد شدن به این حوزه، قدمی برداریم.

[Jamali]

داستان سرایی داده محور برند : ۶ گام تا روایت یک داستان برند معتبر

در این مطلب به آموزش داستان سرایی داده محور برای برندها میپردازیم. Storytelling یا داستان سرایی بهترین راه برای به یاد سپردن نام افراد یا برند است، این مقاله کمک میکند تا محتوایی قوی و به یادموندنی ایجاد کنید.

تصور می‌کنید اگر تمرکز اصلی استراتژی محتوایی شما روی داده‌ها و اطلاعات باشد، داستان برندتان تا چه اندازه گیرایی خواهد داشت؟

طی مقاله‌ای که اخیرا در موسسه‌ی بازاریابی محتوایی منتشر شده است، کالین جونز سوالی را با این مضمون مطرح می‌کند: «آیا می‌توان محتوای برند شده را جدی گرفت؟ حتی به جدیت محتوایی از جنس خبرنگاری؟»

وقتی پای خلق داستان‌هایی در میان باشد که روح و فکر افراد را تسخیر کند، بدون شک خبرنگاری پیشتاز است. بخشی از این موفقیت مرهون داده‌های تحقیقاتی (نظرسنجی، پایش، بازخورد) جهت درک این مقوله است که در مواجهه با مسائل و مشکلات، چه چیزی برای خوانندگان ارزش دارد.

آیا بازاریابی محتوایی هم فرصت‌های تحقیقاتی مشابهی در اختیار دارد؟ البته که همین‌طور است. در واقع، اگر همانند خبرنگاران، تعداد بیشتری از بازاریابان محتوایی اقدام به استفاده از داده‌های در دسترس می‌کردند، در آن صورت محتوای برند شده، وجوه، بینش و ارزش بیشتری ‌داشتند و روی زندگی مردم اثر بیشتری و عمیق‌تری می‌گذاشتند.

البته همان‌طور که کالینز می‌گوید، خبر خوب این است که «آمریکایی‌ها عمدتاً برند‌ها را منابع معتبری از محتوای اینترنتی به حساب می‌آورند.»

یکی از روش‌هایی که برندها از طریق آن می‌توانند اعتبار بیشتری به محتوایشان ببخشند استفاده از داده‌های یک طرف سوم معتمد در روایت داستان‌هایشان است. داستان‌های معتبر ریشه در واقعیات دارند نه ایده‌ها. بنابراین، به طور مثال می‌توان این‌گونه در نظر گرفت که تحقیق و اعداد و ارقام باید همچون زیربنایی برای داستان باشند در حالی‌که ایده‌ها و نظرات موجب ایجاد یک خط فکری و چشم‌انداز برای داستان می‌شوند.

در حال حاضر، کوه عظیمی از داده‌ها و اطلاعات در اینترنت و هر جای دیگر در دسترس وجود دارد.
سازمان‌ها و شرکت‌ها می‌توانند از این داده‌های در دسترس برای خلق داستان‌هایی معتبر که از بینش، اهمیت و الهام‌بخشی برخوردارند، بهره بگیرند.

پس باید دانست که یک برند چگونه می‌تواند داستان‌هایی داده‌محور خلق کند؟ در ادامه یک فرآیند شش مرحله‌ای برای داستان سرایی برندها آورده شده و به شما کمک می کند دست به کار شوید:

فهرست محتوای این مقاله

• ۱. مخاطبانتان را اولویت اصلی قرار دهید! اولویت و اهمیت قائل شدن برای مخاطبان
• ۲. یافتن داده‌ها و اطلاعات
• ۳. ارزیابی دقیق منابع اطلاعاتی و فیلتر کردن یافته‌ها
• ۴. انتخاب یک نمود بصری ؟
• ۵. شکل‌دادن به داستان
• ۶. دریافت بازخورد پیش از ارائه

۱. مخاطبانتان را اولویت اصلی قرار دهید! اولویت و اهمیت قائل شدن برای مخاطبان

بهترین داستان‌های داده‌محور با بهترین پرسش‌ها آغاز می‌شوند؛ به خصوص پرسش‌هایی که به مخاطبان و مشتریان شما مرتبط هستند. پرسش‌هایی از قبیل این‌که بزرگترین نارضایتی آنان یا چالش‌های کسب‌وکارشان چیست؟ اگر پرسش‌هایی که مطرح می‌کنید، دارای وجوهی قابل اندازه‌گیری باشند احتمال این‌که بتوان از آن‌ها برای خلق یک داستان داده‌محور خوب بهره برد، بسیار زیاد است.

برای مثال، بیایید تصور کنیم که شما در یک مرکز مراقبت‌های بهداشتی و درمانی هستید و می‌دانید که مخاطب شما به دنبال این است که اطلاعات درمانی دقیق و قابل اعتمادی را به صورت اینترنتی پیدا کند.
می‌توانید داستانی درباره‌ی نحوه‌ی استفاده‌ی بیماران از سوابق اینترنتی مراقبت‌های بهداشتی در شهر و میزان دسترسی آنان به این اطلاعات روایت کنید.
در اینجا محتوای شما باید به بررسی این پرسش بپردازد: « چرا تقاضای مصرف‌کننده نسبت به فناوری اطلاعات بهداشتی و درمانی از عرضه بیشتر است؟ »

۲. یافتن داده‌ها و اطلاعات

به محض این‌که پرسشی را تعریف کردید تا محتوای خود را بر مبنای آن خلق نمایید، لازم است که سوابق اطلاعاتی موجودی را که می‌توانید برای پاسخ دادن به آن پرسش مورد استفاده قرار دهید، تعیین نمایید. به این منظور، باید فرآیندی را در نظر بگیرید که برای گردآوری، فیلتر کردن و تجسم بخشیدن به داده‌ها استفاده می‌کنید تا بتوانید ینشی عمیق‌تر ایجاد نمایید و به این ترتیب داستان‌ خود را بهتر منتقل کنید .

گردآوری اطلاعات : در آغاز به دنبال داده‌ها و اطلاعاتی درباره‌‌ی موضوع یا مسائلی خاص هستید و احتمالاً نمی‌دانید که باید کجا به دنبال یافتن چنین اطلاعاتی باشد یا این‌که اصلاً نمی‌دانید چنین اطلاعاتی وجود دارد یا نه.

با این‌حال اگر مشکل مورد بحث دارای اجزای قابل سنجشی باشد، احتمال زیادی وجود دارد که بتوان اطلاعات کافی (از طریق اینترنت) برای رسیدن به یک پاسخ قاطعانه پیدا کرد.
یافتن داده‌های کافی برای تایید پاسخی که ارائه می‌دهید از اهمیت زیادی برخوردار است چرا که نمی‌توان داستانی داده‌محور روایت کرد که قابل اجرا نیست.

مثال:

مثلاً درباره‌ی مثال مراقبت‌های بهداشتی که در بالا ذکر شد، شما باید داده‌هایی را بیابید که بیانگر تعداد بیمارانی باشد که به صورت آنلاین درخواست سوابق بهداشتی و درمانی‌شان را داشته‌اند؛ یا تعداد پزشکان و تسهیلاتی که فناوری لازم جهت رسیدگی به چنین درخواستی را دارند یا تعداد افرادی که واقعاً به چنین درخواستی رسیدگی کرده‌اند.

می‌توانید از منابع زیر برای جستجوی این داده‌ها استفاده کنید:

وب‌سایت‌های اطلاعاتی عمومی مانند پایگاه اطلاعاتی دولتی یا پایگاه اطلاعاتی کارگزاری‌های دولتی، فهرست‌های عمومی، وب‌سایتی که می‌توان پرسش‌های مرتبط به اطلاعات را در آن مطرح کرد و غیره.

۳. ارزیابی دقیق منابع اطلاعاتی و فیلتر کردن یافته‌ها

فراموش نکنید که هدف از به کارگیری داده‌ها و اطلاعات، افزایش اعتبار محتوای شما و اعتباربخشی به داستان سرایی برندتان است. به همین جهت از معتبر بودن منبع اطلاعاتی‌تان اطمینان حاصل کنید. از منابعی استفاده کنید که قابل اطمینان و معروف به ارائه‌ی داده‌های تحقیقاتی هستند.

در کل، مجلات علمی، وب‌سایت‌های دانشگاهی، مطالعات و گزارش تحقیقات از موسسات حرفه‌ای، منابع خوبی از اطلاعات هستند و اکثر وبلاگ‌ها (مگر در صورتی که از اعتبار بالایی برخوردار باشند) منابع اطلاعاتی خوب و معتبری نیستند.

فیلتر کردن داده‌ها مثل مصاحبه با یک منبع حقیقی است. در یک مصاحبه، شما برای یافتن پاسخ‌هایی خاص، مجموعه‌ای از پرسش‌ها را مطرح می‌کنید. درباره‌ی داده‌ها و اطلاعات هم همین‌طور است. (Enter و خط بعد)

می‌خواهید داده‌ها و اطلاعاتی که در اختیار دارید به چه سوالاتی پاسخ دهند؟

فرض کنید مشغول نوشتن داستانی درباره‌ی تعطیلی بیمارستان در استان خود هستید. اعلامیه‌ای که با بهره‌گیری از داده‌ها و اطلاعات بیان می‌کنید ( Data-backed Statement ) شامل تعداد بیمارستانی‌های ثبت‌شده، هزینه‌ی سرپا نگه داشتن‌ آن‌ها، منابع مالی از جمله تعداد افراد دارای بیمه‌ی درمانی و غیره می‌شود. بنابراین حداقل داده‌هایی که برای فیلتر کردن نیاز خواهید داشت، تعداد بیمارستان‌ها، هزینه، درآمد و تعداد بیمه‌های درمانی است.

۴. انتخاب یک نمود بصری ؟

نسل دارای کمبود توجه ما (نسل کم‌‎توجه ما) به محتوای بصری گرایش بیشتری نسبت به محتوای صرفا متنی دارد. بنابراین، هنگامی‌که داده‌ها و اطلاعات کافی را پیدا کردید و مشخص کردید که کدام اطلاعات به پرسش آغازین شما پاسخ خواهد داد و موجب تحکیم داستانتان خواهد شد؛ حالا وقت آن است که به نحوه‌ی بیان آن‌ها به شکل بصری بیاندیشید. برای مثال، نمودارهای میله‌ای، نمودارهای مدور (Pie Charts)، اینفوگراف‌ها و نگاشت‌ها (Mappings) همگی روش‌های ساده‌ای برای تجسم داده‌ها هستند؛ بنابراین باید درباره‌ی مناسب‌ترین قالب برای داده‌ها و اطلاعاتتان تصمیم بگیرید.

به خاطر داشته باشید که هر چه تجسم بصری شما جذاب‌تر باشد، مصرف‌کنندگان زمان و توجه بیشتری صرف‌ آن خواهند کرد. از نمود بصری ساده‌ای استفاده‌ کنید؛ قرار نیست مخاطبانتان را حسابی به کار بگیرید تا بلکه بتوانند از نمودارها و تصاویری که در اختیارشان قرار داده‌اید، سر در بیاورند.
از چند نمونه‌ی بصری مختلف استفاده کنید و ببینید کدام یک برای مخاطبانتان جذاب‌تر است، و سپس کار را با همان ادامه دهید.

۵. شکل‌دادن به داستان

استفاده از داده و اطلاعات به معنای ایجاد ارزش افزوده برای محتوایتان است. (استفاده از داده و اطلاعات برای ارزش‌بخشیدن بیشتر به محتوایتان است.) یا (هدف استفاده از داده و اطلاعات با ارزش‌تر کردن محتوایتان است.) مسئله بر سر گفتن چیزی است که قبلا هیچوقت مطرح نشده است. هنگامی‌که سراغ شکل‌دادن داستانتان می‌روید، سعی کنید از رویکردی اصیل بهره بگیرید و از داشتن چشم‌اندازی منحصر به فرد و معنادار اطمینان حاصل کنید.

بیشتر اوقات، لازم است که از انواع اطلاعات تحلیلی و خلاقانه استفاده شود تا بتوان داستانی جذاب و گیرا روایت کرد که قبلاً روایت نشده است.

۶ . دریافت بازخورد پیش از ارائه

وقتی کارتان تمام شد، داستان را به یک فرد بیرونی که هیچ ارتباطی با پروژه ندارد نشان دهید و نظرش را بپرسید. آیا داستان از دید آن‌ها منطقی است؟ آیا جذاب است یا باعث سردرگمی‌شان می‌شود؟ این نظرات و بازخوردهای سازنده‌ها را دریافت کنید و برای کنار زدن لایه‌های بی‌ارزش داستان از آن‌ها بهره بگیرید.

شاید لازم باشد که داده‌ها و یا نمودهای بصری را ساده‌سازی کنید یا لغات متفاوتی برای روایت داستانتان بیابید (یا حتی شاید باید همه‌ی این‌کارها را انجام دهید!). این کار زمان زیادی می‌برد اما اهمیت بالایی دارد. در واقع انجام یا عدم انجام آن به معنای تسخیر روح و فکر مخاطبان و یا از دست دادن آن‌ها است.

منبع: faranesh.com

[Jamali]

معرفی کتاب: داستان پردازی با داده

فایل صفحات نمونه از کتاب «داستان‌پردازی با داده‌ها» که توجه همه رو به خودش جلب کرده را از لینک زیر دانلود کنید:
خلاصه - داستان‌پردازی با داده.pdf (801.6 کیلوبایت)

[Jamali]

انواع تصویرسازی داده و مدل فرآیند تصویرسازی داده

منبع: کتاب (Applied Data Science (Lessons Learned for the Data-Driven Business
سال 2019
فصل 14 با عنوان «Narrative Visualization of Open Data» صفحه 251

[Sanaei]

storytelling with data

متن کامل کتاب به زبان اصلی:

Cole Nussbaumer Knaflic - Storytelling with Data_ A Data Visualization Guide for Business Professionals (2015, Wiley) - libgen.lc.pdf (12.4 مگابایت)

[Madihi]

یکی از موارد استفاده از مفهوم داستان‌سرایی با داده ها، پرزنت کردن موفق یک کسب و کار‌ برای جذب سرمایه‌گذار است.
کسب و کارها رو هم میشه به طور کلی به دو دسته‌ی سود محور یا ماموریت محور تقسیم کرد.
در فایل زیر نکاتی کلی برای پرزنت یک کسب و کار اجتماعی بیان شده
DevelopingSEPitchDeck2018.pdf (1.1 مگابایت)