背景
数据可视化与数据故事化的差异和相似点，以及它们如何协同工作，将你的数据转化为清晰、简洁、可操作的信息，以便您的组织使用。
什么是数据可视化？
数据可视化通过图像传达信息——这是你所收集数据的视觉表示。通过提供原始数字和图表，它可以帮助通过图表、图形、电子表格、地图和数字来支持更好的组织决策。
在制作你的数据故事时，有两种类型的数据可视化需要探索：解释性和探索性。解释性可视化，也称为信息性，向观众传达特定方面或整个故事。另一方面，当你不确定你需要用你收集的数据回答什么问题时，会使用探索性可视化。
通过使用数据可视化来讲述你的故事，你为你的观众提供了一个更完整的故事，从而允许他们建立相关性、识别趋势，并得出自己的结论或形成自己的观点。需要注意的是，如果没有情境化的故事讲述，你的可视化中呈现的数据分析可能导致你的观众推迟决策、得出错误的结论或在大量的数据中迷失。
什么是数据叙事？
数据叙事是使用你所收集的数据和分析来创建一个支持你的故事假设的叙述的概念。就像口头向别人讲故事一样，你呈现一个连贯的叙述，提供最终的信息和行动。只是用数据代替你的声音。
数据叙事使用几种类型的数据——包括散点图、地理地图、时间轴、折线图、饼图、柱状图、热力图和树形图——来制作一个好故事。
但在创建你的数据故事时，你首先需要决定：
- 你想让你的用户知道什么？
- 你想让用户做什么？
- 什么叙述将有助于推动那个行动？
- 你的数据如何帮助推动这些决策？
数据叙事的一些好处是它可以：
- 增加价值，以便用户在你的故事中连接点。
- 增加你组织的可信度，并与观众建立信任。
- 将引人入胜的叙述与视觉刺激元素相结合，以便用户可以阅读和保留信息。
- 通过相关的数据促进参与。
- 提供专有数据来创建新的原始故事。
- 具有通用性，因此可以合并到其他数字媒体形式中。
- 产生品牌意识，将你的组织定位为行业领导者。
为什么数据可视化和数据叙事很重要？
为了构建一个引人注目的故事，你需要提供你的假设、推理和支持它的数据。数据很好，但太多会让人不知所措。即使数据可视化专家也可能在没有专注叙述所提供的适当上下文的情况下，难以赋予他们的可视化努力以意义。
数据叙事的最佳方法是以正确的可视化格式呈现正确的数据。如果你的故事中有太多图像，它就会变成更像信息图表，缺乏吸引人的上下文。在讲故事时，你需要创建一个叙述，并知道何时引入数据，何时突出复杂的数字，何时只提供书面解释。
数据可视化在为叙述添加信息方面发挥了作用，但它们并没有讲述整个故事。
数据可视化和数据叙事如何协同工作
数据叙事和数据可视化可能听起来相同，但它们非常不同。你可以讲述一个引人入胜的故事，但你需要证明点来巩固你的假设。仅凭原始数据无法为观众提供可带走的信息或行动。为了突出你的目标，你需要以一种引人入胜且易于理解的格式呈现你的数据，以吸引你的观众。基于数据的故事讲述将你的信息转化为有效的沟通工具。
为了制作一个成功的数据故事，利用数据可视化有助于将各个部分放在一起，并构建你的用户将理解的叙述。通过提供上下文、对细节的关注、关键见解和行动号召，数据可视化提供了支持你主张的数据。在故事层面上，它创造了对你提供的指标的理解和解释，远远超出了数字和图表。
数据可视化的定义与特点
- 定义: 数据可视化是将数据通过图形、图表、地图等形式，转化为视觉上易于理解的表达方式。
- 特点:
- 直观: 帮助快速理解复杂数据。
- 种类多样: 包括折线图、柱状图、饼图、散点图等。
- 工具: 常用工具有Tableau、Power BI、Excel等。
数据故事讲述的定义与特点
- 定义: 数据故事讲述是一种使用叙述框架将数据串联起来的方式，以便更好地传达和解释数据背后的信息和意义。
- 特点:
- 情感共鸣: 通过叙述建立与受众的情感联系。
- 情节结构: 通常包括情境设定、冲突展开、高潮和解决等元素。
- 工具: 常用工具有PowerPoint、StoryMaps等。
数据可视化和数据叙事的区别
最好不要将这看作是数据可视化与数据叙事的比较。而是它们如何协同工作。两者都是你如何将你的概念、假设或理论带入生活的策略。然而，它们之间存在非常明显的差异。
数据叙事与数据可视化不同，因为它需要你故事的叙述者以一种你的观众可以轻松理解的方式传达你的信息的更重要、更全面的观点。
另一方面，数据可视化是一种用于增强你的故事讲述的策略。这个标准的业务沟通工具将大量复杂且有价值的数据转化为人们可以更轻松理解的内容。为了吸引你的观众，你需要使用有目的的可视化，这些可视化是：
- 适当的
- 易读的
- 不误导的
数据可视化和故事讲述协同工作，以帮助讲述可能的数据故事，使用有助于为你的叙述带来清晰度、真实性和有效性的数据。
- 数据可视化注重数据的视觉表现，而数据故事讲述更强调通过叙述的方式解读和传达数据。
- 数据可视化通常是数据故事讲述的一部分，提供视觉支持。
如何结合使用
- 开始于数据: 使用数据可视化工具对数据进行初步分析，找出关键趋势和模式。
- 构建故事框架: 确定要传达的核心信息，并建立一个叙述框架。
- 整合可视化结果: 将数据可视化结果嵌入到故事中，使叙述更有说服力和吸引力。
- 注重受众: 确保故事的内容和形式适合目标受众，有助于他们更好地理解和应用数据。
通过将数据可视化与数据故事讲述有机结合，可以将复杂数据转化为易于理解和执行的信息，从而更好地支持组织的决策与行动。
数据可视化和叙事的相似之处
数据叙事和数据可视化协同工作，目标是相同的：构建一个引人入胜、基于事实和情境化的叙述。它们不是可互换的，而是同一硬币的两面。可视化提供了你的叙述所需的证据，而故事讲述则将你的所有信息呈现为某种合乎逻辑和连贯的内容。
- 目的一致: 两者都旨在使数据更容易理解和解释。
- 依赖数据: 都需要依赖高质量的数据作为基础。
- 需要技能: 都需要一定的数据分析和表达技巧。
创建数据叙事框架
在创建数据故事时，你需要确保它有一个开始、中间和一个结论。你知道你想要讲述的故事以及你想要如何到达那里。了解你的数据分析的上下文和结果是你讲述故事所需的信息片段。
为了实现这一点，你需要利用一些最佳实践来创建框架。确保你的数据可视化和故事讲述有效的一些实用方法是：
- 定义你的目标。
- 了解你的数据故事的目的、受众和优先级。
- 呈现一个引人入胜的叙述。
- 知道你的观众想听什么。
- 合并分析故事讲述的关键要素。
- 这些要素包括：
- 情节：提出的问题类型、你将如何回答它们以及你将如何帮助你的观众得出结论。
- 上下文：你的观众如何解释你呈现的数据。
- 角色：你讲述故事的语气和见解。
- 结局：故事的结论和随之而来的行动——观众学到了什么，如何实现他们想要的结果，或者他们需要做什么不同的事情来改善未来。
- 保持客观。
- 透明地、客观地呈现你的数据，避免歧义，并确保你的设计和可视化不会损害数据或故事的完整性。
- 选择合适的可视化类型。
- 你需要以适当的图像呈现你的信息。
- 遵循图形设计最佳实践。
- 为了你的观众完全理解，你需要选择一种减少阅读和解释图形元素之间摩擦的呈现方式。
- 使用适当的数据可视化工具。
- 为了有效地通过可视化传达数据，你需要使用正确的工具。例如，Visio可以帮助通过可消化和清晰的图像使数据变得清晰。
- 制作有洞察力和人性化的故事。
- 如果你的故事是可关联的、引人入胜的，并且以小块提供高价值的内容，你将保持观众的注意力。
- 创建一个故事，补充故事讲述和可视化。
- 通过添加支持性的、自解释的图形来构思一致的故事线，增加兴趣并增加参与度。
案例
衰退如何重塑经济，一图胜千言
https://www.nytimes.com/interactive/2014/06/05/upshot/how-the-recession-reshaped-the-economy-in-255-charts.html
作者:杰里米·阿什肯纳斯和阿丽西亚·帕拉皮亚诺 更新于2014年6月6日
自大衰退结束五年来,经济终于重新恢复了失去的900万个工作岗位。但并非所有行业都同样复苏。下面的每一条线代表了过去10年中特定行业就业人数的变化情况。向下滚动浏览,看看衰退是如何重塑了国家的就业市场,行业行业地展开。
定义目标：
用行业就业数据讲述08-09金融危机后；经济是否复苏，各产业分布是否调整布局。以得出金融危机后美国产业布局发生改变，美国产业生态被重塑。
情节安排：
1.一张图展现“300”行（实际255条线）行业自金融危机到现在行业内不同程度就业人员占比（熟练程度用薪资表示）
2.行业复苏的曲线用绿色线表示，行业衰退用红色线表示
3.给出总结论
4.对复苏行业做下钻解度
5.对衰退行业下钻解读
上下文：
1.图表上的每条线代表一个私营部门的行业，并展示该行业在过去十年的就业变化。这些线在x轴（水平方向）上根据该行业的平均工资进行排列。它们在y轴（垂直方向）上根据自2007年12月经济衰退开始以来的就业百分比变化进行排列。
2.经济是否复苏区分了5个档位，用线颜色区分：恢复并增长、已恢复、相对未受影响、尚未恢复、衰退加剧下降
3.对5个档位的复苏行业做了细节放大描述
故事背景介绍，tittle断了交代这份故事叙述可视化的背景和目的。
整体趋势图，给出这份可视化的结论：喜忧掺半的复苏
在过去的五年里，医疗和能源行业的增长显著，而房地产和建筑行业的就业岗位继续萎缩。支付中等工资的行业普遍失去了工作岗位。尽管总体经济已经恢复到衰退前的水平，但它并没有增加大约1000万个工作岗位，以满足劳动年龄人口的增长。
根据数据总述复苏行业情况，新增工作在低薪资和高薪资岗位居多，低价临时性岗位增加、高价值创新探索型行业岗位增加。 美国人经常抱怨当今工作的质量,一些低薪行业——比如快餐行业,年均工资不到22000美元——正在增长。但一些高薪行业,如咨询、计算机和生物技术行业也在增长。
复苏行业中，传统岗位情况分析（也就是这部分行业依旧保留在美国，其他行业要不就是创造性为未来而存在的，要不就是行业重塑丢失了岗位创造了临时性工作机会顶替）。增加了就业机会的中等工资行业主要集中在医疗保健领域。实验室、家庭护理提供者和牙医诊所的平均时薪都在18到29美元之间——而且这些行业都在增长。但这些增长并不足以弥补其他中等工资行业的损失，比如航空公司和建筑业。
对下行行业做解读，漫长的住房衰退 房价已经从危机低点反弹，但住房建设仍然处于历史低位。总体来看，自衰退开始以来，与建筑和房地产相关的行业已经减少了19%的工作岗位——比医疗保健行业增加的岗位多了数十万。
对下行的行业解读，大部分底层百姓关注的和涉及的制造业解读。美国制造业有所回升，自衰退结束以来增加了36.3万个工作岗位。面对全球竞争的劳动密集型行业，如服装生产，表现最差，而在出口为主的行业如航空航天和医疗设备中的高薪工作表现较好。
对美国货币政治主要角色石油行业做特写，黑色黄金热潮，虽然受到衰退的冲击,但油气开采及其相关工作一直蓬勃发展,改变了得克萨斯西部和北达科他州等资源丰富地区的经济。这些行业中,许多的平均工资高于7万美元。
新的行业替代了旧行业，数字化新增岗位和对传统传媒行业影响分析。数字革命，自衰退开始以来，书店、印刷厂和报纸杂志的出版商总共失去了40万个工作岗位。互联网出版商——包括网络搜索公司——只弥补了一小部分损失，新增了7.6万个工作岗位。电子购物和拍卖成为增长最快的行业，十年内就业人数翻了三倍。
民生新造行业趋势分析，美容热潮，在经济衰退期间，美国人依然保留了一些简单的奢侈享受——无论是对自己还是对宠物。美甲沙龙成为最具韧性的行业之一，而宠物寄宿、美容和训练紧随其后。
展望
叙事可视化目前主要还是针对新闻内容运营，主要做法还是给决策者做可视化应用。因为叙事化可视化的成本比较高，在大模型能力增强的当下优美可能把叙事可视化当成一种运营的手段，变成一种专业化顾问营销的的手段呢？下面对营销的两条线：快线促转、慢线养客户的影响因素做了总结。理论讲结合各种因素抓取品、人、场、事做为数据，围绕这些信息数据做加工可视化。然后围绕一个“用户”+“价值”维度做故事陈述，营销性质的叙述可视化是有可能实现的。
