Hoe maak je een goede data story?
/
In onze eerdere blog introduceerden we het begrip data stories: een manier van data visualiseren en presenteren waarbij je niet alleen data visualiseert, maar je publiek ook meeneemt in het verhaal dat je daarmee probeert te vertellen. Net als bij het schrijven van een nieuwsartikel, betoog of blog, zet je bij een data story stijlvormen in om een punt te maken. Maar hoe vertaal je je eigen datagedreven inzichten naar een goede data story? Dat leggen we uit in deze blog!
Een van de boegbeelden van storytelling met data, Cole Nussbaumer Knaflic, onderscheidt twee soorten ‘stories’: stories zonder hoofdletter, en Stories met hoofdletter. Volgens haar is iedere grafiek of visualisatie een story zonder hoofdletter: bij iedere visualisatie die je maakt of ziet moet je je afvragen ‘nou en? Wat is hier het verhaal? Welk punt wordt er gemaakt?’. De term ‘Stories met hoofdletter’ gebruikt zij om aan te geven dat verschillende visualisaties samen een verhaallijn moeten vormen, met een startpunt, middenstuk en einde. In een goede Story is conflict, een element van spanning. Je best doen om je data story een daadwerkelijk verhaal mee te geven helpt je publiek om je verhaal te onthouden. En dan hoeft het nog niet eens te gaan over prinsessen en bad guys (maar wie houdt je tegen!).
In deze blog besteden we aandacht aan onze kijk op zowel het maken van een story zonder hoofdletter, als het maken van een Story met hoofdletter.
Het dashboard als startpunt
Voor deze blog hebben we een simpel voorbeeld gemaakt: het Titanic-dashboard hieronder. Deze is gebaseerd op deze gesamplede data, waar je ook zelf mee kan spelen. In het Titanic-dashboard wordt allerlei interessante data gepresenteerd over de passagiers van de Titanic, en over het deel van die passagiers dat het zinken van het schip overleefde. We hebben het dashboard samengesteld zoals we in onze vorige blog het dashboard omschreven: veel verschillende visualisaties (liefst in taart- of donutvorm), een strakke, minimalistische vormgeving en niet al te veel tekst, context, duiding. Dit dashboard is geschikt voor mensen die ervaring hebben met het lezen van grafieken, en de tijd, aandacht en interesse hebben om zelf op zoek te gaan naar patronen. Zo zien we dat er in de eerste klasse bijna geen kinderen zaten, en in de derde klasse bijna niemand boven de 45. We zien ook dat meer dan de helft van de passagiers derdeklas reisden, en dat maar ongeveer 25% van hen de ramp overleefden. Lukt het jou om een verband te vinden tussen twee of meer grafieken uit het dashboard? Bij ons riepen de verschillende widgets de volgende vraag op: welke bevolkingsgroep aan boord liep nou eigenlijk de grootste kans de ramp niet te overleven? Op basis van de widgets in het dashboard kunnen we die vraag niet precies beantwoorden. We zien wel dat het vooral de derdeklaspassagiers waren die slachtoffer werden, en dat vooral mannen en jongens de tocht niet overleefden. Waren het dan de derdeklas mannen en derdeklas jongens die de minste kans op overleven hadden? Laten we hier eens een data story (met hoofdletter) over maken!
