Storytelling amb dades
El storytelling amb dades és l'habilitat de combinar una narrativa clara, visualitzacions ben triades i context empresarial per comunicar troballes analítiques de manera que generin acció. Implica adaptar el missatge a l'audiència i estructurar la presentació com una historia.
Per què cal una narrativa, no només dades
Tenir l'anàlisi correcta no és suficient. John Snow i Florence Nightingale (vegeu Principis de visualització) no van canviar polítiques sanitàries perquè tenien les dades més precises, sinó perquè les van comunicar de manera que provoquessin una decisió immediata. Un Data Analyst que lliura un informe de 40 pàgines amb taules denses ha fet la meitat de la feina: l'altra meitat és aconseguir que algú amb poder de decisió entengui, en pocs minuts, què cal fer.
La diferència entre informar i convèncer
Un informe informa: presenta dades de manera neutra perquè el lector tregui les seves pròpies conclusions. Una narrativa de dades convenç: selecciona, ordena i emfatitza les dades per portar el lector cap a una conclusió concreta i accionable. Cap de les dues és millor en abstracte — depèn de si l'objectiu és la transparència analítica o la presa de decisió ràpida. El que sempre és inacceptable és convèncer distorsionant les dades (vegeu les mentides estadístiques a Principis de visualització).
L'estructura d'una narrativa analítica
Les presentacions de dades efectives solen seguir una estructura narrativa clàssica, adaptada del periodisme i el guió cinematogràfic:
- Context (situació): quina és la situació actual? Quina pregunta de negoci es vol respondre? Sense aquest punt de partida, l'audiència no té marc de referència per interpretar les dades que vindran.
- Complicació (tensió): què ha canviat o quin problema s'ha detectat? És el moment de presentar la dada o tendència que trenca les expectatives ("les devolucions han pujat un 40% en dos mesos").
- Resolució (anàlisi): quina és la causa identificada? Aquí es presenten les visualitzacions de suport que expliquen el "per què".
- Acció (recomanació): què s'hauria de fer amb aquesta informació? Una narrativa de dades sense recomanació final deixa a l'audiència preguntant-se "i ara què?".
flowchart LR
A["Context\nQuina és la situació?"] --> B["Complicació\nQuè ha canviat?"]
B --> C["Resolució\nPer què passa?"]
C --> D["Acció\nQuè cal fer?"]Aquesta estructura es coneix en l'àmbit empresarial com el patró SCR (Situation-Complication-Resolution), originari de la consultoria McKinsey, i és la base de la majoria d'informes executius efectius.
El missatge principal abans que els detalls
Un error habitual és construir una presentació seguint l'ordre en què es va fer l'anàlisi (primer les dades brutes, després la neteja, després els resultats). Una audiència executiva necessita el contrari: el missatge principal primer, seguit dels detalls que el sostenen.
Aquest principi es coneix com la piràmide de Minto (Barbara Minto, consultora de McKinsey): cada document o presentació ha de començar amb la conclusió, i només després desenvolupar els arguments i les dades de suport, en ordre decreixent d'importància. Es l'invers de com normalment escrivim un treball acadèmic, i precisament per això costa adoptar-lo.
Exemple de titular efectiu vs. titular descriptiu
Compara "Vendes per trimestre, 2024-2026" (descriptiu, no diu res) amb "Les vendes del Q4 han caigut un 12% per primera vegada en tres anys" (és el missatge, no la dada). El segon titular ja conté la conclusió: el gràfic que l'acompanya serveix per demostrar-la, no per descobrir-la en directe davant l'audiència.
Adaptació a l'audiència
El mateix conjunt de dades requereix presentacions radicalment diferents segons qui les rep:
| Audiència | Què espera | Nivell de detall tècnic |
|---|---|---|
| Direcció / C-level | Conclusió i impacte de negoci en els primers 30 segons | Mínim: KPIs, tendències, una recomanació clara |
| Caps de departament | Conclusió + context suficient per prendre decisions operatives | Mitjà: desglossaments per categoria, comparatives |
| Equip tècnic / analistes | Metodologia, limitacions de les dades, possibilitat de qüestionar | Alt: detall estadístic, supòsits, codi o consultes |
| Públic general / clients | Una història comprensible sense jerga | Molt baix: una o dues xifres clau, analogies |
Una mateixa anàlisi, tres presentacions
És habitual que el mateix treball analític generi tres artefactes diferents: un dashboard interactiu per a l'equip tècnic (que pot explorar lliurement), un informe executiu d'una pàgina per a direcció (el missatge i prou) i, opcionalment, una nota de premsa o publicació interna simplificada per a la resta de l'organització. No és repetir feina: és adaptar el mateix coneixement a tres nivells de consum diferents.
De l'anàlisi a l'acció
Una presentació de dades que no acaba amb una recomanació accionable corre el risc de quedar-se en "dades interessants" sense conseqüències. Algunes pràctiques per tancar amb acció:
- Sigues específic: no "cal millorar la retenció de clients", sinó "cal llançar una campanya de reactivació dirigida als 1.200 clients que no compren des de fa més de 90 dies".
- Quantifica l'impacte esperat: si la recomanació es porta a terme, quin efecte mesurable s'espera? Doni un marc per avaluar després si va funcionar.
- Anticipa les objeccions: si hi ha una limitació coneguda en les dades (una mostra petita, un biaix de selecció), menciona-la abans que ho faci algú altre de l'audiència — reforça la credibilitat.
- Tanca amb una pregunta o decisió concreta: "proposem aprovar el pressupost de la campanya X" és més accionable que "hi ha marge de millora en aquesta àrea".
El risc d'optimitzar només per impacte
La pressió per generar una narrativa "impactant" pot portar a exagerar conclusions, triar només el subconjunt de dades favorable o ignorar incerteses estadístiques rellevants (cherry-picking, ja vist a Principis de visualització). L'storytelling amb dades ha de buscar claredat i persuasió honesta, mai distorsió. Un Data Analyst que perd la confiança de la seva audiència per haver "maquillat" una conclusió perd la utilitat de tota la feina futura.
Aquests principis s'apliquen directament en la fase final de la pràctica PR507407 — Dashboard Power BI, on cal presentar el dashboard a l'aula explicant les decisions de disseny i els insights trobats, no només mostrar els gràfics.