Het belang van goede data-communicatie

Bij goede data-communicatie is data slechts ondersteunend

Het belang van goede data-communicatie

Als je wilt dat er actie wordt ondernomen op basis van jouw analyses, dan zul je data over de bühne moeten krijgen. Het is daarom essentieel om inzichten en acties op de juiste en meest effectieve manier te communiceren. Te veel marketeers werken aan data die nooit het daglicht zullen zien of aan rapportages die automatisch verstuurd worden door analyticsdiensten. Je mag er nooit van uitgaan dat de cijfers wel voor zichzelf spreken.

The ability to take data – to be able to understand it, to process it, to extract value from it, to visualize it, to communicate it – that’s going to be a hugely important skill. - Hal Varian, Google’s Chief Economist

Data alleen is het halve werk

Neem het verhaal van Gregor Mendel. Hoewel hij het concept van genetische erfelijkheid ontdekte, werden zijn ideeën tijdens zijn leven niet toegepast omdat hij zijn bevindingen alleen publiceerde in een obscuur wetenschappelijk tijdschrift en een aantal kopieën stuurde aan andere wetenschappers. Het wordt gezegd dat Darwin, aan wie Mendel een kopie van zijn rapport stuurde, zijn werk niet eens open heeft geslagen. Hoewel hij zijn baanbrekende experimenten al in de negentiende eeuw uitvoerde, werd het belang van die experimenten pas in de twintigste eeuw ingezien. De les is hier: als je een decennium besteedt aan een onderzoeksproject, stop dan ook tijd en moeite in het verspreiden van de resultaten.

Data storytelling > data puke

Storytelling is simpelweg het vertellen van een verhaal. Al duizenden jaren is het vertellen van verhalen een integraal onderdeel van de mensheid. Verhalen spelen een belangrijke rol in het dagelijks leven, van entertainment tot ervaringen die mensen delen met anderen. Door de tijd heen heeft storytelling zich bewezen als een krachtig mechanisme om inzichten en ideeën over te brengen die overtuigen en innemend zijn.

Een verhaal is een vereenvoudiging van de werkelijkheid. Het is de manier waarop mensen de complexe wereld begrijpelijk kunnen maken. Nergens is dat meer nodig dan bij data, dat van nature complex is. Datastorytelling helpt om effectief te communiceren over grote hoeveelheden data, zodat het publiek het belang van de inzichten begrijpt en actie onderneemt.

Data storytelling weaves data and visualizations into a narrative tailored to a specific audience in order to convey credibility in the analytical approach, confidence in the results, and a compelling set of insights that is actionable to the audience. - Ryan Fuller, general manager van Microsoft

Datastorytelling is een gestructureerde aanpak voor het communiceren van uit data opgedane inzichten. Hierbij zijn drie elementen belangrijk:

  1. Verhaal
  2. Visual
  3. Data

Verhaal

Om de structuur te bepalen van een verhaal, kun je een door Brent Dykes (auteur van het boek 'Web Analytics Action Hero') aangepaste versie van de Storytelling Arc van Gustav Freytag gebruiken. Het verhaal geeft structuur aan de boodschap die je wilt overbrengen. Allereerst moet je weten voor aan je presenteert want een verhaal moet toegespitst worden op de doelgroep. De Storytelling Arc begint met de introductie van een verhaal. Wat was de uitdaging of het probleem dat je wilde oplossen? Dit is het moment waar je mensen aanhaakt, iets interessants of opvallends waar je later op voortbouwt. Daarna laat je één of meerdere inzichten zien die leiden tot het hoofdinzicht, het 'aha-moment', dat je verhaal concludeert. Na die onthulling is het tijd om de oplossing en vervolgstappen te presenteren.

Datavisualisatie

Een goed verhaal kan niet zonder goede visuals waarmee je de inzichten uit de data kunt communiceren met je publiek. Effectieve visualisaties helpen de doelgroep te begrijpen wat de gegevens zeggen. Het doel van datavisualisatie is het duidelijk en efficiënt communiceren van informatie met behulp van informatieve afbeeldingen. Datavisualisatie maakt complexe data toegankelijk, begrijpelijk en bruikbaar. Het publiek van een datavisualisatie heeft vaak een specifieke analytische taak, zoals het maken van vergelijkingen of het begrijpen van verbanden. Het ontwerp van de visualisatie volgt het doel. Zo kunnen gebruikers met een tabel een specifieke waarde opzoeken en laten grafieken patronen of relaties tussen twee of meer variabelen zien. Goede datavisualisaties vormen duidelijke en efficiënte communicatie van complexe ideeën.

Datavisualisaties moeten (volgens Tufte):

  1. de data laten zien
  2. de gebruiker verleiden om over de inhoud en betekenis na te denken in plaats van over de methodologie, het ontwerp of de technologie
  3. voorkomen dat datgene wat de data zegt, verdraaid wordt
  4. veel data kunnen presenteren in een kleine ruimte
  5. grote datasets samen laten hangen
  6. de gebruiker stimuleren verschillende stukken data te vergelijken
  7. de data op verschillende niveaus laten zien, van een brede overview tot op detailniveau
  8. een duidelijk doel dienen: beschrijven, ontdekken, classificeren of decoreren
  9. samenhangen met de statistische en verbale beschrijving van de dataset

Een beeld zegt meer dan duizend woorden. Met datavisualisaties geldt dat zeker, maar alleen wanneer het verhaal beter grafisch dan verbaal kan worden verteld en wanneer de visualisatie effectief is. Je kan blijven staren naar de cijfers in een tabel zonder te zien wat direct duidelijk is wanneer je deze cijfers in een grafiek visualiseert. Neem onderstaande tabel met websitebezoekdata.

Website

Jan

Feb

Maa

Apr

Mei

Jun

Jul

Aug

Sep

Okt

Nov

Dec

Totaal

.com

1.983

2.343

2.593

2.283

2.574

2.838

2.382

2.634

2.938

2.739

2.983

3.493

31.783

.nl

574

636

673

593

644

679

593

139

599

583

602

690

7.005

Totaal

2.557

2.979

3.266

3.218

2.876

3.218

3.517

2.975

2.773

3.537

3.322

3.585

38.788

De tabel doet twee dingen erg goed. Hij drukt heel precies uit wat het aantal bezoekers was en je kan het aantal snel per maand en per domein opzoeken. Maar als je op zoek bent naar patronen of trends, snel het verhaal willen zien of twee datasets (in dit geval de domeinen) wilt vergelijken, dan is de tabel minder geschikt. De data uit de tabel zie je hieronder als lijngrafiek.

Enkele zaken springen in de grafiek in het oog:

  • Het aantal bezoekers van het .com-domein ligt consequent flink hoger dan van het .nl-domein.
  • Het aantal bezoekers van het .com-domein ontwikkelt zich gedurende het jaar in positieve zin.
  • Het aantal bezoekers van het .nl-domein blijft relatief gelijk, met uitzondering van augustus waar een scherpe daling van het bezoek zichtbaar is.
  • Het aantal bezoekers van het .com-domein ontwikkelt zich in een patroon (stijging, stijging, daling) dat zich op kwartaalbasis herhaalt. Elke laatste maand van een kwartaal piekt het aantal websitebezoekers.

Wat deze gegevens niet duidelijk communiceerden toen ze in een tabel waren verpakt, wordt zichtbaar en begrijpelijk wanneer het visueel wordt gecommuniceerd. Dat is de kracht van datavisualisatie.

"Bij effectieve data-communicatie is data niet leidend, maar ondersteunend"

Data

Het is belangrijk om te begrijpen hoe deze elementen samenhangen bij het communiceren over data. Wanneer er een verhaal is gekoppeld aan de data, helpt dat om aan je publiek uit te leggen wat er in de data gebeurt en waarom een bepaald inzicht belangrijk is. Het is belangrijk om de context te schetsen, zodat het publiek het inzicht op waarde kan schatten. Wanneer de data met een visual wordt gepresenteerd, kan je het publiek de inzichten geven die ze niet zouden zien zonder grafiek of visual. Veel interessante patronen en uitzonderingen in de data zouden verborgen blijven in rijen en kolommen als er geen datavisualisaties zouden zijn.

 

Wanneer het verhaal en de visuals samengevoegd worden, dan zorgen ze samen voor betrokkenheid van het publiek. Wanneer je de juiste combinatie maakt van visualisaties, verhalen en data dan beschik je over een verhaal dat anderen beïnvloedt en overtuigt en hen tot actie aanzet.

Het belangrijkste verschil met de status quo is wel dat als je data effectief communiceert, je niet 'data puking' (simpelweg veel data op je publiek afvuren) doet. Je zorgt voor betrokkenheid, schetst de ontwikkeling, welke je vervolgens ondersteunt met inzichten uit de data. Bij effectieve datacommunicatie is data zodoende niet leidend, maar ondersteunend.

Dit blogartikel is onderdeel van het studieboek over 'Digital Analytics voor marketeers' van Danny Oosterveer.

Credits afbeelding: Karl Kuntz, licentie: CC BY (Commercieel hergebruik, inclusief aanpassing)

Delen

0
0


Er zijn 0 reacties op dit artikel

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.