Datahistoriefortelling og viktige spørsmål å stille

Når det gjelder datahistoriefortelling, er det tre viktige faktorer å vurdere for å sikre at rapporten vår forteller den rette historien – brukeren , konteksten og løsningen . Disse faktorene er kritiske fordi de beskriver formålet med hver rapport.

I en , beskrev vi datafortelling som prosessen med å overføre informasjon til et gitt publikum. Med effektiv historiefortelling kan vi få engasjementet vi ser etter fra sluttbrukere.

Hvordan gjør vi datahistoriene våre mer effektive? Vi trenger bare å stille de riktige spørsmålene slik at vi vet hvilken tilnærming vi skal bruke når vi utvikler rapportene våre.

Innholdsfortegnelse

Effektiv datahistoriefortelling ved å forstå brukeren

Det første spørsmålet vi alltid bør stille er: "Hvem er publikum?"

Datahistoriefortelling og viktige spørsmål å stille

Å ikke identifisere sluttbrukeren betyr at vi setter sammen en rapport uten egentlig å vite hvilke elementer rapporten vår trenger. Et gammelt sitat sier: "Hvis man ikke vet hvilken havn man seiler til, er ingen vind gunstig".

Datahistoriefortelling og viktige spørsmål å stille

Dette gjelder rapportutviklingsprosessen, nærmere bestemt historiefortelling. Vi bør lage rapporter basert på hva publikum trenger, og ikke basert på hva vi personlig ønsker å presentere.

Hvem er publikum? Hva er deres rolle i deres organisasjon? Hva er deres analytiske modenhet? Har de preferanser og vaner som bør diktere måten dataene presenteres på? Hva slags verktøy bruker de?

Vi bør også forstå deres smertepunkter og deres begrensninger. Har de vaner som kan diktere hvordan de analyserer dataene?

Analytikere versus ledere

Å kjenne publikum lar oss ta beslutninger om hvordan vi skal bygge rapporten vår. Noen publikummere er fullstendig visuelle og setter pris på overforbruk av diagrammer, for eksempel. Andre trenger kanskje mer grundige forklaringer på hver del av rapporten.

Det er også viktig å forstå detog ledere vil alltid ha forskjellige perspektiver.

Datahistoriefortelling og viktige spørsmål å stille

Analytikere har en tendens til å bruke mer tid på å analysere problemet og mindre på å uttrykke problemet eller arbeide med en syntese. Ledere er de nøyaktige motsetningene og ville hoppe inn i å uttrykke problemet og jobbe med en syntese uten å gi mye tid til analyse.

Fordi analytikere og generell ledelse har to radikalt forskjellige måter å løse et problem på, må du også stille de riktige spørsmålene. Hva er deres forventninger? Hva vil de gjøre med rapporten? Vil den bli brukt til å fremheve spesifikke trender og bruke den til beslutningstaking?

Å kjenne sluttmålet til prosjektet er ekstremt viktig fordi dette forteller deg hvordan du lager en historie som vil føre til resultatene de trenger. Ved å identifisere publikum som enten analytikere eller ledere (eller en blanding av begge) kan du justere tilnærmingen din basert på deres prioriteringer.

To tilnærminger innen logikk og flyt

Det er to grunnleggende typer tilnærming når det gjelder historielogikk og flyt. Den første tilnærmingen kalles den induktive tilnærmingen.

Datahistoriefortelling og viktige spørsmål å stille

Den induktive tilnærmingen er en vanlig vei de fleste av oss bruker i problemløsning. Vi starter med fakta og analyserer dataene før vi gjør vår analyse. Derfra kommer vi med en konklusjon, som vil være det primære grunnlaget for våre anbefalinger.

Den andre tilnærmingen kalles den deduktive tilnærmingen.

Datahistoriefortelling og viktige spørsmål å stille

Denne deduktive tilnærmingen starter med anbefalinger om hva som bør gjøres før du stiller spørsmål om hvorfor det bør gjøres. Hvis det er flere spørsmål, er det den eneste gangen du hopper inn i analysen og metodikken.

Denne tilnærmingen er hovedsakelig for ledere som er mindre interessert i å se fakta og metodikk, og som ønsker å se tiltak iverksatt med en gang. Konklusjonene og handlingene vil være deres primære grunnlag for å stille spørsmål, om nødvendig. Når du vet dette, kan du være forberedt med klare svar på disse spørsmålene.

Hovedfordelen med denne tilnærmingen er den detaljerte informasjonen gitt innenfor en begrenset tidsramme. Den lar deg delta i en spørsmål og svar-diskusjon som vil hjelpe publikum å forstå ideene dine. Dette lar deg fremheve nøkkelmeldinger på optimale tidspunkter.

Denne tilnærmingen har to potensielle utfall. For det første kunne sluttbrukerne finne den raske tilgangen til informasjon svært nyttig og kunne trøste dem hvis funnene stemmer overens med deres opprinnelige hypotese. Dette vil øke eierskapet.

På den annen side, hvis du ender opp med å bevise deres innsikt feil, vil det vekke interesse og vil være en flott mulighet for deg å få oppmerksomheten deres. Dette kan ende opp som et vendepunkt i historien din.

Forstå konteksten til datahistoriefortellingen din

Å kjenne konteksten er en annen nøkkel til vellykket datafortelling. Glem aldri at du lager en rapport for noen andre. Dette betyr at konteksten kan være annerledes enn det du forventer.

Datahistoriefortelling og viktige spørsmål å stille

Hvorfor er det behov for denne rapporten? Var det noe som utløste dette behovet? Hva er omstendighetene?

Tilbakemeldingsinteraksjoner viser seg å være nyttige i dette tilfellet. Den viser deg hva problemet er og gir deg sjansen til å se på det større bildet. Den lar deg lage en rapport som potensielt kan bane vei for en løsning.

En god forståelse av konteksten hjelper deg også å forstå hvilke forretningsspørsmål som bør besvares først. Den lar deg strukturere rapporten din på en logisk måte, basert på dagens behov. Det skaper en sammenheng mellom problemet, forventningene og løsningen.

Kommer med en løsning

Den tredje viktige faktoren å vurdere når du kommer opp med en datahistorie, er løsningen. Hva er spørsmålene du ønsker å få svar på?

Datahistoriefortelling og viktige spørsmål å stille

Det er mange ting sluttbrukerne ikke vet, men vil gjerne finne ut av rapporten du jobber med. Merk at dette ikke bare handler om eksisterende spørsmål som de allerede har. Etter hvert som du jobber med dataene vil de formulere nye spørsmål underveis. Disse spørsmålene vil lede deg til riktig historie å følge.

Å finne ut hvilke løsninger du skal tilby, vil også hjelpe deg med å finne ut om du trenger en utforskende rapport eller en forklarende rapport. Igjen, dette er knyttet til den typen publikum du har. Hvis du har ledere som sluttbruker, vil du mest sannsynlig trenge forklarende rapporter som presenterer mindre detaljer, men som dekker et større omfang. Din prioritet vil være å presentere klare handlinger i stedet for å gå nærmere inn på hver enkelt informasjon.

Men hvis publikumet ditt består av personer som jobber i operasjoner, trenger du en utforskende rapport der du vil presentere flere detaljer med et begrenset omfang. De vil trenge verktøy for interaksjon, for eksempel filtre, slik at de kan navigere i rapporten mer effektivt.

Det er også viktig å forstå om rapporten tar for seg et nytt krav eller om den er ment å erstatte en eksisterende løsning. Hvis rapporten er ment å erstatte en eksisterende løsning, har du fordelen av å se hva som fungerte og hva som ikke fungerte i den siste løsningen de brukte.

Hvis dette er et nytt krav, vil den beste måten å lage en effektiv rapport på være å forstå hvor behovet kom fra. Er rapporten ment å ta opp aktuelle problemer, eller bør rapporten utvikles etter hvert som nye data blir avdekket?

Jo mer du kommuniserer med publikum og stiller de riktige spørsmålene, jo mer vil du bli kjent med deres virkelige behov.




Konklusjon

En rapport er et kommunikasjonsverktøy som gjør teknisk analyse lettere å forstå. Det har en hensikt og sender en oppfordring til handling. Den utdanner og gir informasjon som vil hjelpe sluttbrukere med å ta beslutninger.

Dette er grunnen til at du ønsker å skape en relevant, intuitiv og visuelt behagelig opplevelse for sluttbrukerne hver gang du produserer en rapport. Du ønsker å påvirke. Det er noe du kan oppnå gjennom effektiv.

Beste ønsker,


Pipe In R: Koblingsfunksjoner med Dplyr

Pipe In R: Koblingsfunksjoner med Dplyr

I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX fra LuckyTemplates lar deg returnere rangeringen til et spesifikt tall i hver tabellrad som utgjør en del av en liste med tall.

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

Lær hvordan du demonterer en PBIX-fil for å trekke ut LuckyTemplates-temaer og bilder fra bakgrunnen og bruke den til å lage rapporten din!

Excel Formulas Cheat Sheet: Mellomveiledning

Excel Formulas Cheat Sheet: Mellomveiledning

Excel Formulas Cheat Sheet: Mellomveiledning

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

Python i LuckyTemplates: Hvordan installere og sette opp

Python i LuckyTemplates: Hvordan installere og sette opp

Lær hvordan du installerer programmeringsspråket Python i LuckyTemplates og hvordan du bruker verktøyene til å skrive koder og vise visuelle elementer.

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Lær hvordan du beregner dynamiske fortjenestemarginer ved siden av LuckyTemplates og hvordan du kan få mer innsikt ved å grave dypere inn i resultatene.

Sortering av datotabellkolonner i LuckyTemplates

Sortering av datotabellkolonner i LuckyTemplates

Lær hvordan du sorterer feltene fra kolonner med utvidet datotabell på riktig måte. Dette er en god strategi å gjøre for vanskelige felt.

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

I denne artikkelen går jeg gjennom hvordan du kan finne de beste produktene dine per region ved å bruke DAX-beregninger i LuckyTemplates, inkludert TOPN- og CALCUATE-funksjonene.

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Lær hvordan du bruker en søppeldimensjon for flagg med lav kardinalitet som du ønsker å inkludere i datamodellen din på en effektiv måte.