- Terminologi (A till D)
- AI-kapacitetskontroll
- AI Ops
- Albumentationer
- Tillgångsprestanda
- Autokodare
- backpropagation
- Bayes sats
- Stora data
- Chatbot: En nybörjarguide
- Beräkningstänkande
- Datorsyn
- Förvirringsmatris
- Konventionella nervnätverk
- Cybersäkerhet
- Datatyg
- Databerättelse
- Data Science
- Datalagring
- Beslutsträd
- Deepfakes
- Deep Learning
- Deep Armering Learning
- devops
- DevSecOps
- Diffusionsmodeller
- Digital tvilling
- Dimensionalitetsminskning
- Terminologi (E till K)
- Edge AI
- Emotion AI
- Ensemble Learning
- Etiskt hackande
- ETL
- Förklarbar AI
- Federerat lärande
- FinOps
- Generativ AI
- Generativt Adversarial Network
- Generativ vs. diskriminerande
- Gradientförstärkning
- Gradient härkomst
- Få-Shot Learning
- Bildklassificering
- IT-drift (ITOps)
- Incidentautomation
- Influence Engineering
- K-Means Clustering
- K-närmaste grannar
- Terminologi (L till Q)
- Terminologi (R till Ö)
AI 101
Vad är Data Storytelling? Komponenter, fördelar och exempel
publicerade
1 år sedanon
By
Haziqa SajidInnehållsförteckning
I dagens datadrivna värld blir databerättelser allt viktigare för beslutsfattande och affärstillväxt. Dataanalysroller som marknadsanalysanalytiker, finansanalytiker och operationsanalysanalytiker blir vanligare när företag inser vikten av datadrivna insikter.
Enligt US BLS Occupational Outlook Handbook 2021-2031 upplever dessa jobbroller avsevärd tillväxt:
Arbetsroll | Jobbtillväxt | Median lön |
Marknadsundersökningsanalytiker | 19% | $63,920 |
Financial Analyst | 9% | $91,580 |
Operations Research Analyst | 23% | $82,360 |
Dessa analytiker använder olika databerättelsetekniker för att utföra effektiva analysoperationer. Låt oss diskutera vad datastorytelling är, dess viktigaste komponenter och fördelar, och om du är analytiker, hur kan du bli bättre på datastorytelling.
Vad är Data Storytelling?
Databerättelse innebär att analysera data med hjälp av visuella och övertygande berättelser för att kommunicera datainsikter till intressenter. En databerättare förklarar "varför" i datan med hjälp av visualisering. Syftet är att förklara dataattributen tydligt och ge ett meningsfullt sammanhang för vad dessa data representerar. Att presentera de underliggande insikterna i data och trender är nödvändigt för effektivt beslutsfattande.
Till exempel kan en finansanalytiker visa ett ljusstakediagram för investerare för att visa prisrörelsen för en lager eller tillgång. Ett ljusstakediagram visualiserar de historiska aktiemönstren med hjälp av fyra handelsindikatorer ("öppet pris", "stängt pris", "högt pris" och "lågt pris") för att förutsäga den kommande marknadstrenden.
För en bättre förståelse, titta på bitcoin prisljusstakediagrammet nedan. Grafen visualiserar bitcoin-priserna för de första två månaderna av 2023. De gröna staplarna representerar en ökande pristrend, medan de röda staplarna visar en minskande bitcoin-pristrend.
En avgörande aspekt av databerättelse är att databerättare måste förstå affärssammanhanget och intressenternas krav. Forskning visar det 60% av investeringen som görs i dataanalys går till spillo eftersom de insikter som erhålls inte stämmer överens med beslutsfattande och affärsmål. Som ett resultat använder beslutsfattare bara 22% av de datainsikter de får.
3 huvudkomponenter i databerättelse
Data, bilder och berättelse är de tre huvudkomponenterna i databerättelse. Låt oss utforska dem ytterligare nedan.
- Data: Databerättare samlar in och förbearbetar den data de behöver för att berätta en historia. De utför statistisk analys och visualiserar nyckeltrender och mönster för en noggrann dataanalys.
- Berättande: Att skapa en engagerande berättelse och ge sammanhang till de viktigaste resultaten som erhållits från data kallas narrativ. En bra berättelse inspirerar publiken att agera.
Thomas. H. Davenport, en tankeledare inom företagsledning, säger:
"Narrativ är sättet vi förenklar och förstår en komplex värld. Det ger sammanhang, insikt, tolkning – allt det som gör data meningsfull och analys mer relevant och intressant.”
- visuals: En bild är värd 1000 ord. Visualisering ger tyngd till berättelsen och skapar en effektfull databerättelse. Visuella bilder kan vara i form av grafer, bilder eller videor.
En dataanalytiker kan använda ett ramverk för databerättelser som karaktärer, miljö, konflikt och lösning för att berätta en fängslande historia. Till exempel, inom e-handelsdomänen, kan karaktärer vara kunder, miljön är ett företag som kämpar med att behålla kunder, konflikt kan vara en ökande churn-frekvens och upplösning är den uppsättning steg som databerättaren föreslår för att minska churn-frekvensen.
Hur kan en dataanalytiker bli bättre på datastorytelling?
Förstå din publik
Att förstå publiken är nyckeln till övertygande databerättelse. Om du pratar med företagsledare skulle det vara viktigt att förse dem med analys på hög nivå och praktiska insikter för affärsstrategi. Men när du pratar med teamet måste du förklara metoderna som används för att nå en slutsats i detalj.
Välj Lämpliga visualiseringar
Datavisualisering belyser olika aspekter av data, såsom;
- Jämförelse (stapeldiagram, linjediagram)
- Förhållande (spridningsdiagram, bubbeldiagram)
- Distribution (histogram, spridningsdiagram)
- Sammansättning (vattenfallsdiagram, staplade ytdiagram)
Förstå vad du försöker uppnå med data och hur många variabler du måste ta hänsyn till. Välj den bästa visualiseringen för att förmedla din idé.
Undvik röran
Avlägsna visualiseringen genom att samla eller ta bort information som inte krävs. Till exempel, i diagrammen nedan är WGM, WIM, WCM och WFM de ledande damtitlarna inom schack; de återstående uppgifterna kan aggregeras som "övriga".
Använd levande färger
Använd färgpaletter som är tillgängliga för alla, inklusive de som är synskadade eller färgblinda. Behåll kontrasten i färgerna och undvik att använda samma färger bredvid varandra. Till exempel, i stapeldiagrammen nedan, kan färgkombinationen i det första diagrammet vara svårt att särskilja jämfört med det andra diagrammet.
Vilka är fördelarna med datastorytelling för organisationer?
Främjar datakompetens bland anställda
Databerättelse kan förbättra datakompetensen hos de anställda i organisationen. Enligt en undersökning av Accenture och Qlik känner bara 21 % av medarbetarna sig säkra på att läsa, analysera och diskutera data. Därför uppmuntrar övertygande databerättelser dem att utforska och diskutera data inom organisationen.
Skapa engagerande och värdefulla upplevelser för alla intressenter
Att förstå och fånga publikens uppmärksamhet är avgörande för effektiv kommunikation. Den mänskliga hjärnan bearbetar bilder 60,000 gånger snabbare än text, och folk kommer ihåg berättelser 22 gånger mer än fakta. Att berätta databerättelser för dina produktanvändare eller aktieägare med hjälp av övertygande berättelser och visualisering kan därför vara mycket engagerande och värdefullt.
Påverka beslutsfattande
Övertygande databerättelse ger ett nytt perspektiv eller avslöjar dolda aspekter. Den kommunicerar vad som behöver göras. Det tillåter intressenter att fatta välgrundade beslut och vidta åtgärder angående sin affärsstrategi.
Data Storytelling – Vägen framåt för dataanalytiker
Databerättelse är konsten och vetenskapen att kommunicera insikter om data. Eftersom data fortsätter att öka exponentiellt och blir mer komplexa, blir datadrivet storytelling en viktig färdighet.
I en organisation utförs rollen som databerättare av dataanalytiker eller dataingenjörer. Verktyg som Tableau och PowerBI gör det möjligt för dataanalytiker att bygga övertygande visualiseringar och instrumentpaneler utan större ansträngning. Faktiskt, Gartner uppskattar att 2025 kommer de flesta av databerättelserna att genereras automatiskt.
Dataanalytiker bör hålla kontakten med de senaste trenderna och verktyg i uppgifter analytics industrin för att berätta effektfulla datahistorier. För mer AI-relaterat innehåll, besök förena.ai.
Haziqa är en Data Scientist med lång erfarenhet av att skriva tekniskt innehåll för AI- och SaaS-företag.
Du må gilla
AniPortrait: Ljuddriven syntes av fotorealistisk porträttanimering
AI:s inre dialog: hur självreflektion förbättrar chatbots och virtuella assistenter
Instant-Style: Stil-bevarande i text-till-bild-generering
LoReFT: Representation Finetuning for Language Models
Beyond Search Engines: The Rise of LLM-Powered Web Browsing Agents
Förbättra AI-transparens och förtroende med Composite AI