| Saiba mais  Patrocinado por

Aprendendo a arte de contar histórias com dados

Confira dicas de como elaborar e disseminar histórias cativantes baseadas em dados

16 de Novembro de 2017 - 13h34

Contar histórias é uma arte eterna e influente. Histórias são memoráveis, elas conectam seres humanos a nível emocional e inspiram ações. Elaborar e disseminar histórias cativantes baseadas em dados e de maneira eficaz para líderes de organizações, potenciais clientes, parceiros, investidores e colegas são habilidades vitais para gerar resultados de sucesso.

Para contar histórias brilhantes baseadas em dados, você precisa começar com uma ideia. Em seguida, considere seu público e os objetivos da apresentação. Por que eles deveriam se importar com as suas descobertas? O que os motiva? E principalmente, quais ações você recomenda que sejam tomadas em seguida?

Após considerar cuidadosamente seu público e seus objetivos, explore os dados disponíveis para encontrar insights relevantes. Apesar de sua missão ser possivelmente influenciar a sua plateia, cuidado para não introduzir viés às suas análises. Viés é qualquer coisa que possa não tratar suas descobertas objetivamente ou que possa influenciar suas conclusões. Viés pode incluir, dentre outros temas, seleção de fonte de dados, métodos de amostragem e confirmação enviesada. Se você não conhece os conceitos de viés, esse seria um bom tópico para revisar.

Contar histórias com dados é um exercício recorrente que envolve análise de dados por diferentes ângulos, realização de experimentos, estudo de possíveis implicações e avaliação de teorias alternativas.

Tipos de histórias ocultas em dados

Histórias analíticas expõem de maneira visual medidas, proporções, comparações, tendências e associações e fornecem contexto para o leitor através de narrativas. Para encontrar histórias em dados você precisará coletar, filtrar, limpar e combinar de maneira criativa variáveis para comparar diferenças, procurar alterações ao longo do tempo e examinar relacionamentos.

Contar histórias com dados é um exercício recorrente que envolve análise de dados por diferentes ângulos, realização de experimentos, estudo de possíveis implicações e avaliação de teorias alternativas. Essa etapa é onde você investe a maior parte do seu tempo de elaboração de uma excelente história.

Valores de medidas como máximos, mínimos, classificações e diferenças ao longo do tempo normalmente fornecem um contexto fundamental para definir o ambiente para o seu público. Narrativas populares estão elevando, derrubando e prevendo tendências. Normalmente, diferentes tipos de representações como gráficos de barra, linha ou do tipo sparklines, histogramas e diagramas são medidas visuais eficazes.

Por exemplo, ao fazer uma oferta para comprar uma casa você deve rever tendências atuais no valor por metro quadrado. Ao rever diferenças recentes de preço de tabela versus preço de mercado você pode ter uma ideia da demanda. No gráfico abaixo, a menor oferta aceitável está identificada juntamente aos valores de tabela e mercado. Para melhor evidenciar aumentos na demanda, a diferença entre o preço de tabela e o praticado na venda foi adicionada. Evidenciar diferenças pode ajudar a enfatizar movimentos positivos e negativos que são mais difíceis de decifrar ao observar apenas os valores.


Figura 1: O gráfico de linha evidencia alterações ao longo do tempo

Outra necessidade comum é conseguir a compreensão de um panorama mais geral. Conforme você pensa em como melhor ilustrar pontos-chave em relação a um contexto mais amplo, você irá usar comparações visuais e proporções frequentemente, como ilustrado no exemplo abaixo.


Figura 2: Um simples gráfico de barra comparando diferenças em médias agregadas

Gráficos de colunas agrupadas, de área, de cascata, mapas do tipo treemap, diagramas em treliças, gráficos de radar e de pizza são comumente utilizados. Observe que é uma boa prática evitar os gráficos de pizza. Se você não puder resistir, limite seu uso para mostrar de uma a três categorias por vez.

No nosso exemplo imobiliário, você pode estar imaginando por que o preço alvo difere do valor sugerido pelo corretor. Ao revisar a média agregada comparável de preços de casas, o corretor parece ter selecionado casas mais caras.

Explorar relações entre variáveis nos seus dados pode revelar associações surpreendentes que podem ser úteis para análises profundas de tomada de decisões. Padrões, sazonalidade e relações simbióticas frequentemente ocultam joias valiosas dentro dos seus dados. Para visualizar relações entre as variáveis, gráficos de dispersão, de bolhas e outros tipos avançados de representações como topologias de rede ou diagramas de Sankey são utilizados.

Mergulhando no nosso exemplo imobiliário, você pode confrontar o tamanho da casa e tipo de piscina com o valor de venda, como exemplificado abaixo. Aqui podemos observar que casas maiores possuem valores maiores. Nesse conjunto de dados não é possível dizer se o tipo de piscina está relacionado ao preço e teríamos que analisar essa hipótese com mais profundidade.


Figura 3: Um gráfico de bolhas é um boa maneira de ilustrar diferenças entre variáveis.

Caso você encontre uma relação ou correlação nos seus dados, tenha em mente que não há necessariamente implicação de causa. Relações podem ocorrer por muitas razões não relacionadas.

Formulando sua história de dados

Agora é o momento de organizar e sequenciar suas descobertas de maneira clara e simples. Você vai sair de um pensamento analítico para um foco design. Profissionais de design adotam temas e tendem a admirar o posicionamento de objetos, os tamanhos, as cores e espaço branco – tudo com o intuito de chamar atenção e evidenciar ações desejadas.

John Tukey, renomado matemático e estatístico americano, disse uma vez: “o melhor valor de uma imagem é quando ela nos força a notar o que nunca esperamos ver”. Ao usar propriedades pré-atentivas no design, como cores, formas, movimento e posição, você pode auxiliar os usuários a encontrar o que eles não imaginavam ver.

Lembre-se de alinhar seu estilo de comunicação ao seu público e à emoção humana. Quais pontos-chave devem ser lembrados? Quais ações são recomendadas? Qual o nível de detalhe eles vão precisar? Quais premissas culturais ou aprendidas podem afetar sua escolha de design e interpretação de resultados? Uma boa prática é conforme você desenha suas visualizações, sempre utilizar paletas e ícones visíveis a daltônicos. Outra dica é testar se suas visualizações mantém o contexto quando impressas sem cores.

Se você começar a desenhar sua história de dados com um objetivo em mente, definir e colocar as imagens de suporte de maneira eficaz torna-se muito mais fácil. Ao utilizar uma abordagem storyboard, você pode combinar narrativas com imagens que guiam as análises para as conclusões desejadas. Desenvolver storyboards também revelam lacunas analíticas e antecipa perguntas desnecessárias antes de você chegar à sua audiência.


Figura 4: Um storyboard de pontos-chave.

Um bom design deve contar uma história com dados que não se torne esmagadora, com uma quantidade muito grande de informações, confusão ou ruído. Limite seu foco para um ou dois pontos chave. Elimine informações desnecessárias. Por mais que seja tentador dividir muitos insights de uma vez, seu público pode não retê-los.

Enfatize o insight litigável mais importante e recomende ações atentamente usando visualizações apropriadas, tamanho e posicionamento de acordo com os Princípios de Gestalt de percepção visual. Esteja consciente da direção de leitura do seu público. Inicie com o mais alto nível de detalhe no canto superior da tela e mostre mais detalhes conforme desce na direção em que sua audiência está acostumada a ler.

Lembre-se de providenciar contexto adequado e manter itens relacionados próximos uns dos outros. Evite também mostrar números destacados sem um contexto relacionado. No desenvolvimento de uma história de dados atraente, contexto é essencial!

Jen Underwood usou o SAS Visual Analytics para criar a história dela com dados neste artigo. Saiba mais sobre o SAS Visual Analytics no White Paper: "Nova Geração do BI: Self-Service Analytics que seu negócio e usuários de TI vão amar".

* Jen Underwood, Fundadora e Consultora Principal da Impact Analytix, LLC