Превратить аналитику в действия: что такое дата-сторителлинг и зачем его использовать

В бизнес-аналитике важны два фактора: качество данных - их актуальность, корректность, полнота, и наглядное представление данных – корректные визуализации, собранные в дашборд.

Однако, данные и визуализации сами по себе не способны вдохновить, убедить или привести к реальному действию. Они отвечают на вопрос «Что происходит?», но часто не дают прямого ответа на вопрос «Почему это важно?» и «Что дальше с этим делать?».

Чтобы побудить аудиторию дашбордов к действию нужен контекст, логика, эмоция, акценты — то, что делает информацию историей, а не просто отчетом.

Эту задачу решает дата-сторителлинг — подход, при котором аналитик не просто демонстрирует цифры и диаграммы, а объединяет данные, визуализации и смысл в убедительный и запоминающийся рассказ. При таком подходе аналитика становится по-настоящему действенной.

В статье рассказываем, что такое сторителлинг на основе данных, приводим практический пример и даем рекомендации, которые помогут превратить ваше аналитическое приложение в историю на основе живых данных, отраженных в объектах визуализации.

Дата-сторителлинг (data storytelling) — это подача аналитических данных в форме понятного и логичного рассказа с акцентами, динамическими сюжетами, контекстом и выводами

Изначально сторителлинг активно использовался в журналистике. В начале 2000-х годов медиа The New York Times, The Guardian, ProPublica, FiveThirtyEight начали соединять:

1. Статистические данные
2. Аналитические выводы
3. Визуализации (графики, карты, диаграммы)
4. и Человеческие истории — цитаты, кейсы, наблюдения

Интерактивные проекты СМИ не просто информируют, а вовлекают, побуждают к размышлениям и действиям:

• «The Dawn Wall»— рассказ New York Times о восхождении Кевина Йоргесона и Томми Колдуэлла на неприступную вершину Эль-Капитан по скале Даун-Уолл за 19 дней

Из журналистики сторителлинг пришел и в бизнес: практики сочетания фактов, визуализаций и смыслов стали использовать в презентациях и выступлениях, а также при анализе данных.

Дата-сторителлинг — это мост между аналитикой и бизнесом. Без него рискуют потерять смысл даже самые точные отчеты, так как аудитория не сможет понять причины того или иного события, связать разрозненные метрики в единую бизнес-картину, получить мотивацию к действию.


Какие задачи решает дата-сторителлинг:

• Поддержка принятия решений

Помогает держать фокус на ключевых выводах и получить объяснение причинно-следственных связей

• Выявление проблем и возможностей

История раскрывает скрытые закономерности и мотивирует к более глубокому исследованию 

• Объяснение сложных данных в простых терминах

Грамотный сторителлинг будет понятен даже аудитории, не связанной с предметной областью дашборда

• Вовлечение стейкхолдеров

Выстроенная эмоциональная связь и вызванный интерес поможет руководству быстрее и охотнее двигаются к действиям

Дата-сторителлинг строится на основе трех составляющих:

• Данные — достоверные, очищенные, релевантные
• Визуализации — наглядные графики, диаграммы, интерактивные панели
• Нарратив — контекст, логика, причины и следствия, акценты

Попробуем наглядно продемонстрировать, как работает сторителлинг на основе данных на примере.

Предположим, аналитику необходимо эффективно и интересно донести до руководителя информацию о финансовых результатах, выделив ключевые факты и сделав выводы на основе множества метрик. Для этого он выгружает отчет в Excel.

В оригинальном виде без использования визуализаций:

• отчет остается сухим, перегруженным деталями и не вызывает интереса
• ключевые метрики теряются среди второстепенных данных
• руководитель не сможет сконцентрироваться на данных и продолжит действовать на основе интуиции
• аналитика будет восприниматься как скучная формальность, а не инструмент принятия решений

Если на основе таблиц разработать интерактивный дашборд в BI и представить скучные данные в виде диаграмм и графиков, ситуация становится более наглядной, а ключевые метрики привлекают внимание аудитории.

Отчет в форме дашборда уже можно передать руководству как презентацию финансовых результатов компании, но еще качественнее информация станет при использовании сторителлинга.

Визуализации из BI помогут подкрепить выводы и тезисы реальными фактами и ответить на более глубокие вопросы для исследования данных, например:

По итогам 2022 года компания завершила период с EBITDA в 53,6 млн рублей, что составляет 14,2% от выручки. Несмотря на сезонное снижение рентабельности во втором полугодии, мы сохранили устойчивый положительный тренд и превысили план в 4 кварталах подряд.

При сохранении положительного тренда и учёте сезонных факторов мы можем выйти на EBITDA> 60 млн в следующем году. Для этого важно:

• Сдержать рост LC и FC в первом полугодии
• Повысить эффективность маркетинговых затрат (сейчас это 9,1% от всех расходов)
• Провести анализ причин снижения рентабельности в сентябре — ноябре

Кроме приведенного выше примера, сторителлинг на основе данных из PnL-отчета поможет ответить на вопросы:

• Вызывает ли ваш продукт или услуга отклик у рынка - растет ли прибыль и средний чек?
• Где вы перерасходуете бюджет и есть ли неочевидные точки утечки бюджета?
• Есть ли сезонность или повторяющиеся закономерности в формировании спроса?
• Какие активности сработали особенно хорошо и стоит ли их масштабировать?
• Сколько вы тратите на маркетинг, логистику или IT — в сравнении с best practice отрасли?
• Какие статьи расходов «тихо раздуваются» из месяца в месяц?

Чтобы рассказать содержательную аналитическую историю:

Определите, что вы хотите продемонстрировать на основе данных:

• Динамику
• Детализацию
• Корреляцию
• Различия
• Пересечения
• Отклонения

Хороший дата-сторителлинг — это не обзор всех метрик, а четкий нарратив. Подумайте, на какие вопросы сможет ответить ваша история:

• Что произошло?
• Почему это важно?
• Что стало причиной?
• Какие последствия?
• Что делать дальше?

В зависимости от аудитории можно определить, какой уровень глубины повествования и технических деталей нужен. Например, для CEO важны итоговые показатели, тренды и риски, а для операционного менеджера — детализация и конкретные причины отклонений. 

Проанализируйте, какие действия должна совершить аудитория после вашей презентации?

Убедитесь, что данные, лежащие в основе истории, точные, актуальные и очищенные. Проверьте, какие метрики реально отражают смысл вашего повествования и отвечают на поставленные вопросы.

Помните: плохие данные = плохая история, какой бы красивой ни были визуализация и рассказ.

Объединить текущие и исторические данные из разных источников в единую версию правды, поддерживать их в актуальном и нормализованном виде, получить преимущества расширенной аналитики поможет внедрение Data Warehouse (DWH).

Что такое Data Warehouse и как оно помогает экономить бизнесу?

Визуализация должна усиливать смысл, а не просто «быть». Каждая диаграмма отвечает своим задачам:

• Линейный график — динамика и тренды
• Столбчатая диаграмма — сравнение величин
• Водопад — влияние факторов на итог
• Кольцевая диаграмма — структура
• Карта — региональные различия
• Тепловая карта — закономерности по категориям/времени

Главное: не усложняйте — лучше меньше, но яснее. Мозг может сосредоточиться на 3–5  фактах, и людям должно быть понятно, о чем вы рассказываете.

Другие рекомендации о правильном выборе визуализаций читайте в статье на нашем сайте
Как правильно визуализировать данные, чтобы принимать эффективные решения?

Без финального вывода история не работает. Добавьте:

• Обобщающий итог – описание проблемы
• Возможные действия или решения проблемы
• Какие метрики стоит отслеживать дальше

Дата-сторителлинг — это мощный инструмент воздействия, который помогает аналитике стать понятной, убедительной и действенной. Вовлеченность в историю формирует доверие аудитории к данным и повышает качество принятия решений.

Однако, хороший сторителлинг начинается не с презентации, а с качественных данных, без которых любые выводы становятся домыслами, и аналитики в BI, которая позволяет выявить паттерны и тренды.

Команда Qlever не просто внедряет BI-системы и разрабатывает дашборды, а работает с источниками данных и их качеством для того, чтоб эффективно решать задачи с помощью BI-инструментов и выйти на новый уровень аналитики данных.