Mitä on datakerronta? Komponentit, hyödyt ja esimerkit

Tänä päivänä datajohtajuuden maailmassa datakerronta on tulevaisuuden kannalta tärkeää päätöksenteon ja liiketoiminnan kasvun kannalta. Data-analytiikkaroolit, kuten markkinatutkimusanalyytikko, finanssianalyytikko ja operatiivinen tutkimusanalyytikko, ovat yleistymässä, koska yritykset ymmärtävät datalähtöisten näkemyksien merkityksen.

Yhdysvaltain työvoimaministeriön työmarkkinaraportin mukaan vuosina 2021-2031 nämä työtehtävät kasvavat merkittävästi:

Nämä analyytikot käyttävät erilaisia datakerrontamenetelmiä tehokkaiden analytiikkaoperaatioiden toteuttamiseksi. Käydään läpi, mitä datakerronta on, sen tärkeimmät komponentit ja hyödyt, ja miten analyytikko voi parantaa datakerrontataitojaan.

Mikä on datakerronta?

Datakerronta käsittää datan analysointia visuaalisesti ja vaikuttavasti kertomuksellisesti kommunikoimaan datajohdannaisia sidosryhmille. Datakerrontaja selittää “miksi” datassa käyttäen visualisointia. Tavoitteena on selittää datan ominaisuudet selvästi ja antaa merkityksellinen konteksti sille, mitä data edustaa. On tärkeää esittää datan perustuvat oivallukset ja trendit tehokkaan päätöksenteon vuoksi.

Esimerkiksi finanssianalyytikko voi näyttää kynttiläkaavion sijoittajille osoittamaan osakkeen tai arvon muutosta. Kynttiläkaavio visualisoi historialliset osakekuviot neljällä kaupankäyntitunnisteella (“avausHinta”, “sulkuHinta”, “korkeinHinta” ja “alhinHinta”) ennustamaan tulevan markkinatrendin.

Kynttiläkaavio, jossa on kasvava ja laskava hintatrendi. Wikimedia Commons

Parhaan ymmärryksen vuoksi tarkastele alla olevaa bitcoinin kynttiläkaaviota. Kaavio visualisoi bitcoinin hinnat vuoden 2023 ensimmäisten kahden kuukauden aikana. Vihreät palkit edustavat kasvavaa hintatrendiä, kun taas punaiset palkit edustavat laskavaa bitcoinin hintatrendiä.

Bitcoinin kynttiläkaavio tammi-helmikuu 2023

Tärkeä datakerrontanäkökulma on, että datakerrontajien on ymmärrettävä liiketoimintakonteksti ja sidosryhmien vaatimukset. Tutkimuksen mukaan 60% data-analytiikkaan tehdystä investoinnista menee hukkaan, koska saadut oivallukset eivät ole linjassa päätöksenteon ja liiketoimintatavoitteiden kanssa. Seurauksena on, että päätöksentekijät käyttävät vain 22% saamistaan datajohdannaisista.

3 tärkeintä komponenttia datakerronnassa

Data, visuaaliset esitysmuodot ja kerronta ovat datakerronnan kolme pääkomponenttia. Käydään niitä läpi tarkemmin alla.

1. Data: Datakerrontajat keräävät ja esikäsittelevät tarvittavat datat kertomusta varten. He suorittavat tilastollisen analyysin ja visualisoivat avainsuuntauksia ja -malleja perusteellisen datan analyysin vuoksi.
2. Kerronta: Mielenkiintoisen tarinan luominen ja kontekstin antaminen avainlöydöille, joita saadaan datasta, on kerrontaa. Hyvä kerronta inspiroi yleisöä toimimaan.

Thomas. H. Davenport, liiketoimintajohtamisen ajattelija, sanoo:

“Kerronta on tapa, jolla yksinkertaistamme ja annamme merkitystä monimutkaiselle maailmalle. Se tarjoaa kontekstin, oivallukset, tulkinnan – kaiken, mikä tekee datasta merkityksellisen ja analytiikasta relevantimman ja kiinnostavamman.”

3. Visuaaliset esitysmuodot: Kuva on tuhat sanaa arvoinen. Visualisointi antaa painoa kerronnalle ja luo vaikuttavan datakerronnan. Visuaaliset esitysmuodot voivat olla graafeja, kuvia tai videoita.

Data-analyytikko voi käyttää datakerrontarakennetta, kuten hahmoja, asetelmaa, konfliktia ja ratkaisua, kertomaan mielenkiintoisen tarinan. Esimerkiksi verkkokaupan alalla hahmot voivat olla asiakkaat, asetelma on yritys, joka kamppailee asiakastietoutta vastaan, konflikti on kasvava asiakastietoutta ja ratkaisu on joukko toimia, joita datakerrontaja ehdottaa asiakastietouden vähentämiseksi.

Miten data-analyytikko voi parantaa datakerrontataitojaan?

Ymmärrä kohdeyleisösi

Kohdeyleisön ymmärtäminen on avain mielenkiintoiseen datakerrontaan. Jos puhut liiketoimintajohtajille, on tärkeää antaa heille korkean tason analyysi ja toimintavinkkejä liiketoimintastrategiaa varten. Mutta kun puhut tiimille, on tärkeää selittää menetelmiä, joita käytetään johtopäätösten tekemiseen yksityiskohtaisesti.

Valitse sopivat visualisoinnit

Data-analyysi korostaa eri puolia datasta, kuten;

• Vertailu (palkkikaavio, linjakaavio)
• Suhde (pilviainen kaavio, kuplakaavio)
• Jakautuminen (histogrammi, pilviainen kaavio)
• Koostuminen (vesiputouskaavio, pinottu aluekaavio)

Ymmärrä, mitä yrität saavuttaa datalla ja kuinka monta muuttujaa on otettava huomioon. Valitse paras visualisointi ideaesi välittämiseksi.

Vältä sekavuutta

Puhdista visualisointi yhdistämällä tai poistamalla tarpeettomat tiedot. Esimerkiksi alla olevissa kaavioissa WGM, WIM, WCM ja WFM ovat johtavat naisten tittelit shakissa; loput dataa voidaan yhdistää “muiksi”.

Tarpeettomat FIDE-tittelinimet x-akselilla

Helppolukuinen yhdistetty palkkikaavio

Käytä elävänvärisiä värejä

Käytä väripaletteja, jotka ovat kaikkien saatavilla, myös niiden, jotka ovat visuaalisesti haavoittuvia tai värisokeita. Pidä kontrastia väreissä ja vältä käyttämästä samoja värejä peräkkäin. Esimerkiksi alla olevissa palkkikaavioissa väriyhdistelmä ensimmäisessä kaaviossa voi olla hankala erottaa verrattuna toiseen kaavioon.

Hankala tulkita kaaviota väriyhdistelmän vuoksi

Helppolukuinen kaavio väriyhdistelmän vuoksi

Mitkä ovat datakerronnan hyödyt organisaatioille?

Edistää datan lukutaitoa työntekijöiden keskuudessa

Datakerronta voi parantaa organisaation työntekijöiden datan lukutaitoa. Accenturen ja Qlikin tutkimuksen mukaan vain 21% työntekijöistä tuntee itsensä varmaksi datan lukemisessa, analysoimisessa ja keskustelussa. Siispä mielenkiintoinen datakerronta rohkaisee heitä tutkimaan ja keskustelemaan datasta organisaatiossa.

Luo mielenkiintoisia ja arvokkaita kokemuksia kaikille sidosryhmille

Ymmärtäminen ja sidosryhmien huomion kiinnittäminen on kriittistä tehokkaan viestinnän kannalta. Ihmisääni prosessoi visuaalisia esitysmuotoja 60 000 kertaa nopeammin kuin tekstiä, ja ihmiset muistavat tarinoita 22 kertaa enemmän kuin faktoja. Siispä datakerronnan kertominen tuotteiden käyttäjille tai omistajille mielenkiintoisilla kertomuksilla ja visualisoinneilla voi olla erittäin mielenkiintoista ja arvokasta.

Vaikuttaa päätöksentekoon

Mielenkiintoinen datakerronta tarjoaa uuden näkökulman tai paljastaa piileviä aspekteja. Se kertoo, mitä on tehtävä. Se mahdollistaa sidosryhmien tekemän perustellun päätöksen ja toiminnan liiketoimintastrategian suhteen.

Datakerronta – tulevaisuuden suunta data-analyytikoille

Datakerronta on datan ja tarinoiden yhdistämisen taito ja tieteenala. Koska data kasvaa eksponentiaalisesti ja monimutkaistuu, datajohtajuuden kerronta on tulevaisuuden kannalta tärkeä taito.

Organisaatiossa datakerrontaa tekevät data-analyytikot tai data-insinöörit. Työkalut kuten Tableau ja PowerBI mahdollistavat data-analyytikkojen luomisen mielenkiintoisia visualisointeja ja kojussa ilman suurta vaivaa. Itse asiassa Gartner arvioi, että vuoteen 2025 mennessä suurin osa datakerronnasta on automaattisesti luotua.

Data-analyytikoiden on pysyttävä ajan tasalla viimeisimmistä trendeistä ja työkaluista data-analytiikka-alalla kertomaan vaikuttavia datakerrontaa. Lisää AI-aiheista sisältöä löytyy unite.ai:sta.