داستان سرایی داده ها: چگونه با داده‌ها، داستان تأثیرگذار تعریف کنیم؟

وقتی اصطلاح “تحلیل داده” را می‌شنوید، چه‌چیزی به ذهن‌تان خطور می‌کند؟ شاید به ‌فکر صفحات گسترده، پیاده‌سازی الگوریتم‌ها و انجام محاسبات ریاضی بیفتید که همگی جزو مهارت‌های سخت (Hard Skills) تجزیه‌و‌تحلیل داده‌ها هستند. اما مهارت‌های سخت بدون مهارت‌های نرم (Soft Skills) بی‌فایده‌اند. بنابراین تنها تجزیه‌وتحلیل داده‌ها کافی نیست. شما باید بدانید چگونه داستانی که قرار است بگویید را به‌شیوه‌ای واضح و قانع‌کننده منتقل کنید. به این مهارت، داستان سرایی داده ها می‌گویند. در ادامه با ما همراه باشید تا بیشتر درباره آن صحبت کنیم.

اهمیت داستان سرایی داده ها

طبق آمارهای اعلام‌شده، انتظار می‌رود بین سال‌های ۲۰۲۰ تا ۲۰۳۰، تقاضا برای تحلیل تحقیقاتی تا ۲۵ درصد رشد داشته باشد که بسیار سریع‌تر از میانگین دیگر صنایع است. بسیاری از شرکت‌ها مهارت داستان‌سرایی داده‌ها را هم در شرح وظایف شغلی تحلیل‌گران خود گنجانده‌اند. همچنین برخی دیگر برای کامل‌کردن توانایی تیم تحلیل‌گر خود، افرادی را به‌عنوان داستان‌سرای داده‌ها استخدام کرده‌اند.

به‌همین دلیل، داشتن مهارت برای تجزیه‌وتحلیل داده‌ می‌تواند به شما کمک کند به‌عنوان تحلیل‌گری توانا شناخته شوید. در ادامه در مورد مؤلفه‌های کلیدی داستان سرایی داده صحبت خواهیم کرد و بررسی می‌کنیم چرا داستان‌سرایی ابزار ارتباطی تأثیرگذار است و چگونه می‌توانید راوی قانع‌کننده‌ای از خود بسازید.

داستان سرایی داده‌ها به چه معناست؟

داستان‌سرایی داده، توانایی انتقال مؤثر بینش‌ از داده‌ها با بهره‌گیری از روایت‌ها و تجسم‌ها است و می‌توان از آن برای الهام‌بخشیدن به مخاطبان استفاده کرد. به طور کلی سه جزء کلیدی برای روایت داده وجود دارد:

• داده: تجزیه‌وتحلیل تمام‌وکمال داده‌ها، به‌عنوان پایه و اساس داستان داده شما عمل می‌کند. تجزیه‌وتحلیل داده‌ها با استفاده از تحلیل توصیفی، تشخیصی، پیش‌بینی و تجویزی، می‌تواند باعث شود تصویر کاملی از آن درک کنید.
• روایت: روایتی شفاهی یا نوشتاری است که خط داستانی نیز نامیده می‌شود. روایت برای ارتباط بینش‌های جمع‌آوری‌شده، بافت پیرامون آن و اقدامات توصیه شده به‌کار می‌رود و هدفش الهام‌بخشیدن به مخاطبان است.
• تجسم‌ها: نمایش‌های بصری داده‌ها و روایت شما، می‌تواند برای برقراری ارتباط واضح و به‌یادماندنی داستان آن مفید باشد. تجسم‌ها می‌توانند چارت، گراف، دیاگرام، تصویر یا ویدیو باشند.

داستان سرایی داده ها می‌تواند به‌صورت داخلی (به‌عنوان مثال، برای انتقال نیاز به بهبود محصول، بر اساس داده‌های کاربر) یا به‌صورت خارجی (به‌عنوان مثال، جهت ایجاد موردی قانع‌کننده برای خرید محصول شما به مشتریان بالقوه) استفاده شود.

بیشتر بخوانید: چرا باید از داستان‌گویی در تبلیغات استفاده کنیم؟

قدرت روانی داستان‌سرایی

انسان‌ها از دوران کرومانیون جهت برقراری ارتباط با دیگران و برای بقا و ثبت گزارش‌های زندگی روزمره، داستان‌ها گفته‌اند. با اینکه روش‌های داستان‌سرایی از زمان نقاشی‌های درون غارها راه طولانی پیموده‌اند، اما قدرت روان‌شناختی آن پس از ده‌ها هزار سال هنوز باقی مانده است.

ترجیح مغز به داستان‌ها به‌جای داده‌های خالص، از این واقعیت ناشی می‌شود که هر روز اطلاعات زیادی دریافت می‌کند و باید تعیین کند چه‌چیزی برای پردازش و به‌خاطرسپردن مهم است و چه‌چیزی می‌تواند دور ریخته شود. وقتی کسی داستانی را می‌شنود، بخش‌های مختلفی از مغزش درگیر می‌شود، از جمله:

• ناحیه Wernicke که درک زبان را کنترل می‌کند.
• آمیگدال که پاسخ عاطفی را پردازش می‌کند.
• نورون های آینه‌ای که در همدلی با دیگران نقش دارد.

هنگامی‌که چند ناحیه از مغز درگیر هستند، هیپوکامپ که خاطرات کوتاه‌مدت را ذخیره می‌کند، به احتمال زیاد تجربه شنیدن یک داستان را به حافظه بلندمدت انتقال می‌دهد. پس به‌جای این‌که صفحه گسترده‌ای از داده‌ها و اعداد به تیم خود ارائه دهید، به این فکر کنید چگونه می‌توانید چندین بخش از مغز آن‌ها را درگیر کنید. با استفاده از روایت داده، این امکان را خواهید داشت که واکنش عاطفی در سطح عصبی مغز آن‌ها برانگیزید. این امر می‌تواند به یادآوری و عمل به نکات شما کمک کند.

بیشتر بخوانید: 14 اصل که باید درباره وایرال شدن محتوا بدانید!

چگونه داستان سرایی داده قانع‌کننده بسازیم؟

داستان‌سرایی داده از عناصر روایی داستان‌هایی که قبلاً خوانده‌اید یا شنیده‌اید، استفاده می‌کند؛ یعنی شخصیت‌ها، زمینه، تعارض و راه‌حل. برای درک این موضوع، تصور کنید تحلیلگر داده هستید و به‌تازگی متوجه شده‌اید کاهش اخیر در فروش شرکت، از سوی مشتریان بین ۱۴ تا ۲۳ سال انجام شده است. می‌فهمید این کاهش فروش به‌دلیل پست‌های شبکه اجتماعی است که تأثیرات منفی شرکتتان را بر محیط زیست برجسته کرده است. حال با استفاده از چهار عنصر اصلی داستان، یک روایت بسازید:

• شخصیت‌ها: بازیگران و ذینفعان، شامل مشتریان بین ۱۴ تا ۲۳ سال هستند که آشنایی کاملی با محیط زیست دارند. البته لازم نیست این قسمت بخشی از ارائه شما باشد، اما باید از پیش از آن، بازیگران کلیدی را برای خود تعریف کنید.
• زمینه: در داستان سرایی داده ها با توضیح این‌که اخیراً کاهش فروش، ناشی از مشتریان بین ۱۴ تا ۲۳ ساله بوده است، صحنه را بچینید. از تجسم داده‌ها برای نمایش کاهش فروش، بین انواع مخاطب و برجسته‌کردن بیشترین کاهش فروش در کاربران جوان استفاده کنید.
• تعارض: مشکل اصلی را شرح دهید. یک پست رسانه اجتماعی، تأثیر منفی شرکت شما بر محیط زیست را برجسته کرده و باعث می‌شود ده‌ها هزار مشتری جوان از محصول شما استفاده نکنند. تحقیقاتی را در این زمینه که چگونه مصرف‌کنندگان بیش از گذشته نسبت به محیط زیست آگاه‌ هستند و چگونه محصولات با بازار پایدار می‌توانند به‌طور بالقوه درآمد بیشتری نسبت به همتایان ناپایدار خود داشته باشد، انجام دهید. شیوه‌های تولید ناپایدار فعلی شرکت را به تیم خود یادآوری کنید تا مشخص شود چرا مشتریان خرید محصول شما را متوقف کرده‌اند. در اینجا نیز از تجسم‌ها استفاده کنید.
• راه‌حل: راه‌حل خود را پیشنهاد دهید. بر اساس این داده‌ها، شما هدفی بلندمدت را ارائه می‌دهید تا به سمت شیوه‌های تولید پایدار حرکت کنید. همچنین تلاش‌های بازاریابی و روابط عمومی را روی دیده‌شدن این محور در تمام بخش‌های مخاطب متمرکز کنید. از تجسم‌هایی استفاده کنید که نشان می‌دهندسرمایه‌گذاری مورد نیاز برای شیوه‌های تولید پایدار، می‌تواند در شیوه به‌دست‌آوردن مشتریان از بخش رو به رشد بازار آگاه از محیط زیست نتیجه دهد.

اگر در داستان داده‌های شما تعارضی وجود ندارد، (به‌عنوان مثال، اگر داده‌ها نشان می‌دهند کمپین بازاریابی فعلی شما باعث ایجاد ترافیک و فراتر از هدف شما شده است)، می‌توانید از آن صرف‌نظر کنید و مستقیماً به توصیه حفظ روند فعلی ادامه دهید. هر داستانی که داده‌ها بیان می‌کنند، می‌توانید با قالب‌بندی روایت خود با این عناصر و هدایت مخاطبان در هر بخش و به کمک تجسم‌، آن را به‌طور مؤثر انتقال دهید.

بیشتر بخوانید: چرا داستان‌سرایی برای برند مفید است؟

داستان سرایی داده ها می‌تواند به تبدیل بینش داده‌ها کمک کند. بدون ارتباط مؤثر، بینش‌ها ممکن است مورد توجه مخاطبان قرار نگیرند یا فراموش شوند. پس همیشه به یاد داشته باشید استفاده از تکنیک‌های تحلیلی برای مشکلات مدیریتی، به هنر و علم در کنار هم نیاز دارد؛ یعنی مهارت‌های سخت در کنار مهارت‌های نرم برای استفاده حداکثری از داده‌ها مهمند؛ اما تسلط بر مهارت‌های نرم بسیار دشوار است.

منبع +