Data driven storytelling: почему вам нужно рассказывать истории на основе данных

20 Октябрь 2022
Иногда нам кажется, что если у нас есть данные, то выстраивать вокруг них дополнительный нарратив — пустая трата времени. Мол, факты говорят сами за себя, а диаграмм с графиками достаточно, чтобы донести информацию. Однако это — частое заблуждение, и оно куда старше, чем цифровые таблицы, аналитические дэшборды и даже компьютеры.
История одного медицинского открытия
В 1846 году молодой венгерский врач Игнац Земмельвайс устроился на работу ассистентом в акушерское отделение Венской Центральной Больницы. Отделение было разделено на две клиники: в 1-ю клинику брали мужчин, которые учились на врачей, а во 2-ю — женщин, будущих акушерок.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Смерть рожениц в те годы не была чем-то необычным. Жизни уносила так называемая “родильная лихорадка” или “родильная горячка”. Например, в Пруссии за 60 лет от неё умерло свыше 360 000 женщин — больше, чем от оспы и холеры вместе взятых. Впрочем, смертность в 1-й клинике больницы, где работал Земмельвайс, была высокой даже по меркам Европы 19 века.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
В 1842 году в 1-й клинике скончалось 15% рожениц, хотя во 2-й смертность редко превышала 4%. Поначалу разница казалась необъяснимой. Обе клиники проветривались в одно и то же время, еду доставляли с одной кухни, белье стирали в одной прачечной.
Венгерский врач задался целью докопаться до истины. Засев в кабинете, он погрузился в анализ статистики родильных отделений европейских клиник и пришел к выводу, что заболевание особенно бушует в современных больницах, где имеются анатомические отделения. Об этом говорили и цифры из Венской Центральной Больницы: с появлением в ней анатомички в 1823 году кривая смертности поползла вверх.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Результаты своего исследования Земмельвайс свел в таблицу и отнес одному из своих университетских профессоров. Тот предложил собрать правительственную комиссию, но только когда смертность в 1-м отделении превысила этот показатель во 2-м в четыре раза, комиссия всё-таки была созвана. Причиной огромной разницы объявили неквалифицированные действия иностранных студентов, всех их отстранили.
Несмотря на очевидное нежелание руководства больницы разбираться в истинных причинах, Земмельвайс не сдавался. Помог ему несчастный случай. Во время работы в анатомичке один из студентов случайно порезал скальпелем палец близкому другу венгра, профессору судебной медицины. Из-за этого у него развилось «трупное воспаление», и он умер. Симптомы при этом были один-в-один как у родильной горячки. Земмельвайс выдвинул теорию: профессор и несчастные женщины умерли по одной причине, а именно от сепсиса из-за попадания в кровь трупных веществ.
С 1840 года студенты 1-й клиники постоянно работали в морге, в то время как акушерок из 2-й клиники туда не допускали. До этого смертность в обеих клиниках почти не различалась. В теории студенты-медики, направляясь к роженицам, должны были тщательно мыть руки водой с мылом, но на практике гигиеной пренебрегали.
Земмельвайс предложил ввести в больнице строгие правила для всех, кто работает в анатомичке, и обязать студентов обеззараживать руки в хлорном растворе. За следующие полгода смертность рожениц из 1-го отделения упала с 12,24% до 3,04%. В 1848 году был зафиксирован рекорд: всего 1,2% смертей. В марте и августе и вовсе не было ни одной смерти.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Несмотря на говорящую статистику, у Земмельвайса было много критиков. Современнику венгра, американскому акушеру Чарльзу Мейгсу, приписывают такую фразу: “Врачи — джентльмены, а у джентльменов руки чистые”. Вскоре из больницы в Вене доктора уволили, и он вернулся в Будапешт.
Земмельвайс не оставлял попыток убедить в своей правоте коллег-реакционеров. Для этого он опубликовал монографию, но получил совсем не тот эффект, на который рассчитывал. По воспоминаниям современников, труд на 500 с лишним страниц вышел чересчур длинным, со сложными для понимания таблицами и кучей высокопарных цитат. Вместо того, чтобы сделать упор на объективные данные, Земмельвайс принялся критиковать европейских врачей, называя их невежественными и лицемерными. Постепенно доктор перестал интересоваться чем-либо кроме своей теории, его ментальное здоровье пошатнулось, он попал в психиатрическую клинику, где и умер.
«Мое учение предназначено не для того, чтобы покрываться пылью на книжных полках. Его задача — нести людям счастье и жизнь» — писал Земмельвайс в своей монографии. К сожалению, результаты его работы в полной мере приняли и оценили только после смерти доктора. На судьбу великого венгерского медика повлияло много разных факторов, но одним из важных без сомнения оказалось то, что Земмельвайс не смог убедительно представить свое открытие врачебному сообществу. И это несмотря на говорящие статистические данные и многочисленные практические подтверждения его правоты.
Из 19 века в 21

Казалось бы в 21 веке мир буквально наполнен данными. Расширились варианты их сбора и анализа, появились новые источники и способы обогащения, а также компьютерные мощности, которые позволяют обрабатывать терабайты информации за считанные секунды. До пользователей возможности анализировать большие данные, на основе этого делать выводы и принимать решения доходят в виде BI-систем.

В крупном российском бизнесе и госструктурах BI давно стал привычной частью ИТ-ландшафта, но несмотря на это использовать все преимущества аналитических инсайтов получается далеко не всегда. Почему так происходит? Согласно исследованию аналитического портала TAdviser, первые трудности, с которыми сталкиваются организации в работе с BI — неудобство для конечных пользователей, то есть потребителей бизнес-аналитики.

Вендоры BI-платформ и подразделения, которые занимаются разработкой аналитических панелей и отчетов, упаковывают в дэшборды все больше и больше информации. Но вместо понятного представления данных нередко рождаются аналитические “франкенштейны”. От графиков и цифр на одном экране рябит в глазах. Чтобы разобраться, что на таком дэшборде показано, как посчитано, и сделать выводы, требуются большие усилия. В конечном счете такие аналитические выкладки часто просто не используются.

Data driven storytelling: почему вам нужно рассказывать истории на основе данных

Это комплексная проблема, решать которую пытаются разными способами. Кто-то нанимает дизайн-команду, чтобы сделать для своих дэшбордов единую дизайн-систему. Кто-то прибегает к помощи бизнес-консультантов. Кто-то самостоятельно пересматривает требования к BI-системам и способы работы с ними.

Применительно к BI все чаще можно услышать модное слово “сторитэллинг”. По сути это структурированное представление данных с продуманной визуализацией и помещением информации в более широкий контекст. Подход, полностью противоположный “сваливанию” информации в кучу на одном дэшборде. Покажем, как это может работать, на примере аналитической платформы Insight от компании Goodt.

Предположим, стоит задача провести анализ рынка труда в сегменте бизнес-аналитики. Уже на старте пользователь видит структуру, по которой пойдет “повествование”. Можно двигаться “нелинейно” и сразу перейти в любой раздел, а можно скроллить экран вниз, продвигаясь в логике предподготовленной аналитической истории.

Data driven storytelling: почему вам нужно рассказывать истории на основе данных

В первом разделе, “Лучшие вакансии”, открывается раскладка по рабочим предложениям от разных работодателей. По клику можно “провалиться” внутрь и отфильтровать вакансии по разным параметрам: от локации или уровня дохода до специализации или графика

Data driven storytelling: почему вам нужно рассказывать истории на основе данных
А дальше — углубиться в подробное описание любой из тысяч вакансий. На экране появится развернутая справка и контекст. Дополнительно здесь же могут отображаться другие вакансии, которые релевантны в ходе исследования.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Следующим шагом логично оценить статистику по рынку труда в сегменте BI в целом, просмотреть дополнительные информационные справки и отраслевую аналитику.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Затем можно узнать, в каких отраслях BI востребован больше всего, после чего просмотреть информацию по каждой из таких отраслей в отдельности.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Следом идет анализ навыков, которые нужны BI-аналитикам. И тех, которые абсолютно необходимы, и необязательных, но повышающих вероятность трудоустройства.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
В финале пользователю предлагается обратиться к сводным данным по открытым вакансиям в разрезе всей страны. Оттуда при желании можно “уйти” в отдельные регионы или города, чтобы изучить, как обстоят дела с наймом BI-специалистов именно там.
Data driven storytelling: почему вам нужно рассказывать истории на основе данных
Data driven storytelling: почему вам нужно рассказывать истории на основе данных

Процесс чем-то похож на создание интерактивных презентаций, с той лишь разницей, что доступные данные в разы богаче. Они “живые” и обновляются в реальном времени. Так использование аналитических панелей становится максимально логичным и удобным.

Мы привели только один пример того, как можно подавать информацию в формате аналитического сторителлинга. Это больше, чем схемы или графики и предполагает обязательное наличие трех элементов: качественных данных, грамотной визуализации и логичного нарратива. Ученые из Стэнфорда выяснили, что 63% людей запоминают истории, тогда как “голая” статистика остается в голове всего у 5%. Современные инструменты BI позволяют превращать статистику в логическое и интересное повествование. В следующих статьях мы подробнее расскажем о том, как создаются истории на основе данных.