Data Storytelling

Data Storytelling là cách kết hợp dữ liệu context visualization và narrative để giúp người đọc hiểu một vấn đề một phát hiện hoặc một quyết định.

Nó không đơn giản là:

Thêm vài biểu đồ vào slide rồi kể cho hay.

Một câu chuyện dữ liệu tốt phải bắt đầu từ bằng chứng.

Dữ liệu có thể dẫn đến một kết luận khác với điều người phân tích mong đợi.

Khi đó câu chuyện phải thay đổi theo dữ liệu.

Không phải dữ liệu bị chọn lại để phù hợp với câu chuyện.

Đây là nguyên tắc quan trọng nhất.

Data Storytelling thường có ba thành phần lớn:

Data.

Visualization.

Narrative.

Data cung cấp bằng chứng.

Visualization giúp người đọc nhìn thấy pattern.

Narrative giúp giải thích tại sao pattern đó đáng quan tâm.

Thiếu dữ liệu câu chuyện chỉ là ý kiến.

Thiếu visualization người đọc có thể khó nhìn thấy mối quan hệ.

Thiếu narrative người đọc có thể thấy chart nhưng không biết nên chú ý điều gì.

Ba phần bổ trợ cho nhau.

Nhưng chúng không có giá trị ngang nhau trong mọi trường hợp.

Một phân tích đơn giản có thể không cần nhiều narrative.

Một quyết định phức tạp lại cần nhiều context.

Điều quan trọng là phục vụ đúng câu hỏi.

Data Storytelling khác Data Visualization.

Data Visualization tập trung vào cách biểu diễn dữ liệu trực quan.

Một scatter plot histogram hoặc line chart đều là visualization.

Nhưng một chart đứng một mình chưa chắc tạo thành một data story.

Data Storytelling bổ sung context và trình tự giải thích.

Ví dụ một line chart cho thấy conversion giảm trong ba tuần.

Đó là visualization.

Một data story có thể nói:

Conversion bắt đầu giảm từ tuần thứ hai.

Mức giảm tập trung chủ yếu ở mobile.

Trong cùng thời gian tỷ trọng traffic mobile tăng mạnh.

Điều này cho thấy mobile là khu vực cần được điều tra tiếp.

Đây đã gần với storytelling hơn.

Nhưng vẫn cần cẩn thận.

Nếu chỉ có những dữ liệu trên chưa thể kết luận:

Traffic mobile làm conversion giảm.

Đó là causal claim.

Data Storytelling không cho phép bỏ qua giới hạn của bằng chứng.

Một câu chuyện hay không được quyền nói mạnh hơn dữ liệu.

Data Storytelling cũng khác Dashboard.

Dashboard thường phục vụ monitoring và exploration.

Người dùng có thể tự chọn filter drill-down hoặc thời gian.

Data story thường có trình tự rõ hơn.

Người kể đã chọn những dữ liệu và visualization cần thiết để dẫn người đọc qua một lập luận.

Dashboard nói:

Đây là dữ liệu để anh theo dõi.

Data story thường nói:

Đây là điều đáng chú ý trong dữ liệu và đây là lý do.

Hai thứ có thể kết hợp với nhau.

Nhưng mục đích khác nhau.

Một data story tốt thường bắt đầu từ audience.

Cùng một dataset nhưng cách kể cho Data Analyst và CEO có thể rất khác.

Data Analyst có thể cần:

Sample size.

Distribution.

Confidence interval.

Methodology.

Data Quality.

Trong khi lãnh đạo có thể cần:

Điều gì thay đổi?

Tác động bao nhiêu?

Nguyên nhân nào đã được xác minh?

Điều gì vẫn chỉ là giả thuyết?

Cần quyết định gì?

Đây không phải là giấu chi tiết.

Đó là tổ chức thông tin theo nhu cầu người đọc.

Nhưng những chi tiết quan trọng ảnh hưởng tới cách hiểu kết quả không được phép bị loại bỏ.

Ví dụ một kết quả chỉ dựa trên 18 quan sát thì sample size đó có thể rất đáng nói.

Một kết quả chỉ đúng với khách hàng mới thì population đó phải được nêu rõ.

Context là phần rất quan trọng của Data Storytelling.

Một con số 5 tỷ không có nhiều ý nghĩa nếu đứng một mình.

5 tỷ so với:

4 tỷ tháng trước?

7 tỷ kế hoạch?

3 tỷ cùng kỳ?

Hay tổng thị trường 500 tỷ?

Comparison tạo context.

Nhưng comparison cũng có thể bị chọn theo cách thiên lệch.

Ví dụ doanh thu tháng này tăng 10 phần trăm so với tháng trước nhưng giảm 20 phần trăm so cùng kỳ.

Chỉ chọn comparison thứ nhất có thể khiến câu chuyện quá tích cực.

Chỉ chọn comparison thứ hai lại có thể khiến câu chuyện quá tiêu cực.

Người làm Data Storytelling phải chọn comparison phù hợp với câu hỏi.

Không phải comparison phù hợp với thông điệp mình thích.

Đây là khác biệt giữa communication và spin.

Framing có ảnh hưởng rất lớn.

Ví dụ:

Tỷ lệ lỗi giảm từ 2 phần trăm xuống 1 phần trăm.

Có thể nói:

Giảm 1 percentage point.

Hoặc:

Giảm 50 phần trăm tương đối.

Cả hai đều có thể đúng.

Nhưng cảm nhận rất khác nhau.

Một data story trung thực nên giúp người đọc hiểu cả magnitude thực tế.

Không nên chỉ chọn cách diễn đạt tạo cảm giác mạnh nhất.

Absolute value và relative value cũng cần được phân biệt.

Ví dụ conversion tăng từ 1 phần trăm lên 2 phần trăm.

Đó là tăng 1 percentage point.

Đồng thời là tăng 100 phần trăm tương đối.

Nếu chỉ nói “tăng 100 phần trăm” người đọc có thể hình dung tác động lớn hơn thực tế.

Data Storytelling tốt cần đủ context để tránh hiểu nhầm.

Denominator cũng rất quan trọng.

Ví dụ số complaint tăng từ 100 lên 150.

Nghe có vẻ xấu.

Nhưng nếu số đơn hàng tăng từ 10000 lên 30000 thì complaint rate thực tế giảm.

Một data story chỉ kể numerator mà bỏ denominator có thể dẫn người đọc đi sai hướng.

Đây là lỗi rất phổ biến.

Baseline cũng cần được chọn đúng.

Tăng trưởng so với một tháng bất thường có thể tạo ra con số rất lớn.

Ví dụ doanh thu tháng trước giảm mạnh vì hệ thống đóng cửa ba ngày.

Tháng này trở lại bình thường.

Nói doanh thu tăng 40 phần trăm mà không nhắc baseline bất thường sẽ tạo một câu chuyện khác hẳn thực tế.

Context không phải phần trang trí.

Nó là một phần của dữ liệu.

Visualization trong Data Storytelling phải phục vụ câu chuyện.

Mỗi chart nên có một nhiệm vụ.

Một chart để cho thấy trend.

Một chart để so nhóm.

Một chart để cho thấy distribution.

Một scatter plot để cho thấy relationship.

Không cần sử dụng chart phức tạp chỉ để gây ấn tượng.

Chart càng phức tạp người đọc càng phải dùng nhiều năng lượng để giải mã.

Khi đó họ có ít năng lượng hơn để hiểu thông điệp.

Một bar chart đơn giản đôi khi tốt hơn một visualization rất đẹp nhưng khó đọc.

Chart Title cũng có hai cách tiếp cận.

Tiêu đề mô tả:

Doanh thu theo tháng.

Tiêu đề mang insight:

Doanh thu giảm liên tục trong ba tháng gần nhất.

Tiêu đề thứ hai giúp người đọc thấy ngay thông điệp.

Nhưng nó chỉ nên được dùng nếu dữ liệu thật sự hỗ trợ kết luận đó.

Không nên biến title thành headline giật gân.

Annotation có thể giúp bổ sung context.

Ví dụ đánh dấu:

Ngày ra mắt sản phẩm.

Ngày thay đổi giá.

Ngày hệ thống gặp sự cố.

Ngày bắt đầu campaign.

Nhưng annotation phải phân biệt giữa event và causal explanation.

Nếu doanh thu tăng cùng ngày campaign bắt đầu có thể ghi:

Campaign bắt đầu ngày 15.

Không nên tự động ghi:

Campaign làm doanh thu tăng.

Nếu chưa có causal evidence.

Một dòng chữ nhỏ trên chart cũng có thể tạo ra một causal claim lớn.

Correlation và Causation vì vậy là kiến thức bắt buộc với Data Storytelling.

Nếu hai biến đi cùng nhau ta có thể nói chúng có association.

Muốn nói A gây ra B cần bằng chứng mạnh hơn.

Data story càng thuyết phục càng phải thận trọng với điểm này.

Bởi người đọc có xu hướng tin câu chuyện có logic.

Não con người rất thích nguyên nhân.

Dữ liệu thì không phải lúc nào cũng cung cấp nguyên nhân.

Cherry Picking là một trong những rủi ro lớn nhất.

Người phân tích có thể chọn:

Khoảng thời gian có lợi.

Segment có lợi.

Metric có lợi.

Comparison có lợi.

Và bỏ những dữ liệu không khớp với thông điệp.

Kết quả có thể hoàn toàn đúng về mặt con số.

Nhưng sai về mặt tổng thể.

Đây là một trong những dạng misleading data story nguy hiểm nhất.

Một cách tự kiểm tra là hỏi:

Nếu muốn phản bác câu chuyện này tôi sẽ tìm dữ liệu nào?

Sau đó chủ động kiểm tra dữ liệu đó.

Đây là cách tư duy phản biện rất hữu ích.

Confirmation Bias cũng có thể ảnh hưởng người làm dữ liệu.

Nếu ban đầu tin một campaign hiệu quả ta dễ chú ý tới metric chứng minh điều đó.

Những metric phản bác lại có thể bị xem nhẹ.

Quy trình phân tích tốt nên cho phép kết quả:

Giả thuyết ban đầu sai.

Đó không phải thất bại.

Đó là giá trị của dữ liệu.

Survivorship Bias cũng có thể tạo ra data story sai.

Ví dụ chỉ phân tích khách hàng còn sử dụng sản phẩm rồi kết luận những đặc điểm nào làm người dùng thành công.

Nhóm đã churn không xuất hiện.

Kết luận có thể thiếu một phần rất quan trọng của population.

Một story tốt cần hiểu sample được tạo ra như thế nào.

Selection Bias tương tự.

Nếu survey chỉ được gửi cho khách hàng VIP thì kết quả không nên được kể như đại diện toàn bộ customer base.

Audience phải biết population của dữ liệu.

Uncertainty cũng cần được kể.

Data Storytelling thường có xu hướng biến những kết quả không chắc chắn thành những câu rất chắc chắn.

Ví dụ:

Khách hàng thích tính năng mới.

Trong khi dữ liệu thực tế là:

56 phần trăm trong sample 100 người đánh giá tích cực.

Hai câu không hoàn toàn giống nhau.

Khi uncertainty quan trọng có thể sử dụng:

Confidence interval.

Error bar.

Range.

Scenario.

Hoặc cách diễn đạt xác suất.

Không phải mọi data story đều cần thống kê suy luận.

Nhưng khi bằng chứng có uncertainty thì không nên kể như sự thật tuyệt đối.

Outlier cũng cần được xử lý minh bạch.

Một outlier có thể làm average thay đổi mạnh.

Không nên xóa nó chỉ vì nó làm câu chuyện bớt đẹp.

Nếu outlier là lỗi dữ liệu thì cần sửa hoặc loại với lý do rõ.

Nếu nó là sự kiện thật thì có thể chính nó là câu chuyện.

Ví dụ một ngày conversion giảm mạnh vì payment gateway lỗi.

Đó không phải noise cần làm mượt.

Đó có thể là insight quan trọng nhất tháng.

Mean và Median cũng kể những câu chuyện khác nhau.

Ví dụ average income có thể cao hơn đáng kể median income nếu distribution bị lệch.

Nếu muốn nói về một người điển hình median có thể phù hợp hơn.

Nếu muốn tính tổng nguồn lực mean có thể quan trọng hơn.

Data Storytelling phải chọn metric dựa trên câu hỏi.

Không chọn metric vì nó tạo headline tốt hơn.

Aggregation cũng thay đổi câu chuyện.

Doanh thu theo tháng có thể tăng đều.

Nhưng khi nhìn theo từng ngày có thể thấy cuối tuần giảm rất mạnh.

Dữ liệu tổng có thể che mất pattern của segment.

Đây là lý do cần kiểm tra:

Overall.

Segment.

Time.

Distribution.

Khi phù hợp.

Simpson's Paradox là một ví dụ nổi tiếng về việc aggregate data có thể dẫn tới một câu chuyện khác với dữ liệu theo nhóm.

Một xu hướng có thể xuất hiện trong dữ liệu tổng nhưng biến mất hoặc đảo chiều khi chia theo segment.

Điều này nhắc rằng:

Một chart tổng hợp chưa chắc là toàn bộ câu chuyện.

Data Quality là nền móng của Data Storytelling.

Không có storytelling nào cứu được dữ liệu sai.

Duplicate.

Missing data.

Wrong join.

Timezone sai.

Definition metric không nhất quán.

Tất cả đều có thể tạo ra một câu chuyện rất thuyết phục nhưng hoàn toàn sai.

Đó là phần nguy hiểm.

Visualization và narrative khiến dữ liệu dễ tin hơn.

Vì vậy tiêu chuẩn kiểm tra dữ liệu phải cao hơn.

Metric Definition cần rõ.

Ví dụ:

Revenue là gross booking value hay revenue recognized?

Customer là account booking passenger hay unique person?

Conversion denominator là user session search hay lead?

Nếu definition thay đổi thì câu chuyện cũng thay đổi.

Không nên kể dữ liệu khi chính metric chưa thống nhất.

Một data story tốt thường có một cấu trúc tương đối đơn giản.

Context → Observation → Evidence → Interpretation → Implication → Action.

Context cho người đọc biết vấn đề.

Observation nói điều gì được nhìn thấy.

Evidence đưa dữ liệu hỗ trợ.

Interpretation giải thích điều dữ liệu có thể có nghĩa.

Implication nói tại sao nó quan trọng.

Action đề xuất bước tiếp theo nếu bằng chứng đủ.

Điểm cần lưu ý là:

Observation và Interpretation không nên bị trộn lẫn.

Ví dụ:

Conversion mobile giảm từ 4.2 xuống 3.1 phần trăm.

Đây là observation.

Giao diện mobile mới làm conversion giảm.

Đây là interpretation mang tính causal.

Hai mức bằng chứng khác nhau.

Việc tách chúng giúp data story trung thực hơn.

Implication cũng không phải conclusion.

Ví dụ conversion mobile giảm có thể khiến revenue giảm nếu mobile chiếm phần lớn traffic.

Đây là business implication.

Nhưng trước khi thay giao diện cần điều tra nguyên nhân.

Action phù hợp có thể là:

Kiểm tra funnel mobile theo từng bước.

thay vì:

Rollback giao diện ngay.

Data story tốt không nhất thiết phải kết thúc bằng một quyết định lớn.

Đôi khi action đúng nhất là:

Cần thêm dữ liệu.

Đó là một kết luận hoàn toàn hợp lệ.

Audience Attention cũng cần được quản lý.

Người đọc không thể chú ý đồng thời tới mọi thứ trên slide.

Có thể sử dụng:

Vị trí.

Kích thước.

Màu.

Highlight.

Annotation.

để dẫn mắt tới điểm quan trọng.

Nhưng highlight phải phản ánh dữ liệu.

Không phải ý đồ thuyết phục.

Nếu một chart có 12 series nhưng chỉ một series quan trọng có thể làm nổi bật series đó và giảm độ nổi của những series còn lại.

Điều này giúp giảm cognitive load.

Sequence cũng quan trọng.

Một data story nên đưa người đọc từ tổng quan tới chi tiết theo một trình tự hợp lý.

Ví dụ:

Doanh thu giảm.

Giảm chủ yếu tại thị trường A.

Thị trường A giảm chủ yếu trên mobile.

Mobile giảm tại bước payment.

Error rate payment tăng cùng thời điểm.

Log hệ thống xác nhận gateway có lỗi.

Đây là một chuỗi bằng chứng.

Nó mạnh hơn việc bắt đầu bằng 20 chart không có thứ tự.

Nhưng ngay cả chuỗi trên cũng cần phân biệt:

Error tăng cùng conversion giảm là correlation.

Nếu log xác nhận request payment thất bại do gateway thì bằng chứng về cơ chế đã mạnh hơn.

Data story phải phản ánh đúng mức độ chắc chắn của từng bước.

Slide Deck là một hình thức phổ biến của Data Storytelling.

Mỗi slide nên có một nhiệm vụ.

Nếu một slide có năm thông điệp chính thì thường người xem không nhớ thông điệp nào.

Một cách đơn giản là tự hỏi:

Nếu người xem chỉ nhớ một câu từ slide này thì câu đó là gì?

Sau đó kiểm tra chart và title có hỗ trợ câu đó không.

Nhưng không nên bắt đầu bằng câu muốn người xem nhớ rồi ép dữ liệu chứng minh.

Phân tích phải đi trước.

Communication đi sau.

Executive Summary cũng là một dạng storytelling cô đọng.

Nó nên trả lời nhanh:

Điều gì xảy ra?

Mức độ bao nhiêu?

Điều gì đã biết?

Điều gì chưa biết?

Tác động là gì?

Đề xuất tiếp theo là gì?

Không nhất thiết phải đưa toàn bộ quá trình phân tích vào phần đầu.

Nhưng evidence quan trọng phải có khả năng truy ngược.

Reproducibility cũng đáng quan tâm.

Một số liệu trên slide nên có nguồn.

Người khác cần biết nó đến từ dataset nào thời gian nào và cách tính ra sao nếu cần kiểm tra.

Không nên để câu chuyện tách hoàn toàn khỏi analysis phía sau.

Một con số đẹp mà không thể tái tạo là một rủi ro.

Data Storytelling không phải nghệ thuật thuyết phục bằng mọi giá.

Nó là nghệ thuật truyền đạt bằng chứng rõ hơn.

Hai thứ khác nhau.

Nếu mục tiêu chỉ là thuyết phục người nghe thì người kể có động cơ giấu những dữ liệu bất lợi.

Nếu mục tiêu là giúp người nghe hiểu đúng thì dữ liệu phản biện cũng có giá trị.

Đây là lý do người làm Data Storytelling cần tư duy phản biện.

Cần chủ động hỏi:

Còn cách giải thích nào khác không?

Metric nào đang bị bỏ qua?

Segment nào cho kết quả khác?

Có confounder không?

Sample có đại diện không?

Có outlier không?

Data Quality có vấn đề không?

Điều gì sẽ khiến kết luận này sai?

Câu cuối cùng đặc biệt hữu ích.

Một story càng khó bị phản bác sau khi đã kiểm tra những câu hỏi này càng đáng tin.

Một quy trình Data Storytelling thực tế có thể là:

Question → Data → Validation → Analysis → Insight → Audience → Narrative → Visualization → Review → Action.

Thứ tự này quan trọng.

Đừng bắt đầu bằng PowerPoint.

Đừng bắt đầu bằng chart.

Đừng bắt đầu bằng câu:

Tôi muốn chứng minh rằng...

Hãy bắt đầu bằng câu hỏi.

Sau đó để dữ liệu có cơ hội trả lời.

Trước khi công bố một data story nên tự hỏi:

Dữ liệu có đủ đáng tin không?

Population và thời gian đã rõ chưa?

Comparison có công bằng không?

Denominator có đầy đủ không?

Chart có thể gây hiểu nhầm không?

Correlation có bị kể thành causation không?

Có chọn lọc dữ liệu thuận lợi không?

Uncertainty đã được thể hiện chưa?

Có một cách giải thích hợp lý khác không?

Người đọc có biết điều gì là fact điều gì là interpretation không?

Nếu trả lời được những câu hỏi này thì câu chuyện dữ liệu thường sẽ bớt màu mè.

Nhưng đáng tin hơn.

Và đó mới là mục tiêu.

Data Storytelling tốt không khiến dữ liệu trở nên kịch tính hơn.

Nó khiến điều quan trọng trong dữ liệu trở nên khó bỏ sót hơn.

Tag Data Storytelling tổng hợp các bài viết và kiến thức về kể chuyện bằng dữ liệu Data Visualization narrative context chart dashboard insight bias correlation causation và cách truyền đạt kết quả phân tích rõ ràng trung thực và có ích cho quyết định.