用数据讲故事

纯阳书评第347期《用数据讲故事》用数据说明一件事，讲述一个道理，似乎不是一个有难度的事，但是要想把这件貌似容易的事做好，其实远没有我们想象中那么简单。颇似郭德纲关于相声门槛在门里头的说法，数据使用的门槛也在门里头，初看起来似乎人人都可以轻易上手，随便拿起一个诸如Excel的工具就可以画个像模像样的曲线图、饼图、散点图什么的，但是真要想做出来一个让别人一目了然、层次清晰、重点突出、布局合理的数据图，往往又没那么容易。之所以这样，一方面是因为使用数据、展现数据绝对是一个技术含量比较高的技术活，而不是我们所想象的常规操作或日常动作。数据很重要，但只是原料，所以不是最重要的，比数据重要的是数据里边的信息，信息才是更有价值的产品，所以如何从数据中挖掘信息、发现知识、找到规律、抓住趋势就是体现技术含量的关键了，只有思维水平高的人才具有点石成金的本领，化数据之腐朽为信息之神奇，在数据的僵死躯壳中找到跳跃的灵魂，而思维水平有限的人能做的其实只是数据的搬运工，把其他来源的数据生吞活剥地亦或是原封不动地搬到听众面前，正是因为自己就稀里糊涂，所以只能换来听众的一头雾水和不知所云。 使用数据、展现数据一方面是个技术活，另一方面则是个艺术活，数据图一方面是在反映逻辑、折射关系、投射趋势，另一方面则是要用来说服听众的理性，打动听众的情感，启发听众的思考，激起听众的共鸣，所以要把数据之逻辑、图表之美学、动听之故事融合在一起，要让听众感受到视觉上的美观、故事上的动听、认知上的轻松和结构上的舒畅，一句话，就是要让听众产生喜欢的感觉，让喜欢的情绪推动接受，让接受推动理解，当然反过来也是如此。 所以使用数据的高手其实包括两个维度，既要成为技术高手也要成为艺术高手。那么如何成为这样的高手呢？本书就是为想要成为高手的人提供了一本训练手册，希望帮助读者在成为高手的路上能够少走一些弯路，少做一些无用的试错。 作者提出了一个用数据讲故事的七步法，分别是分析上下文、挑选图表、消除杂乱、引导关注、设计思维和故事思维。其实这七步没有严格意义上的前后顺序，更准确的说法是使用数据需关注的七个方面，或者说是七个原则。一方面这七个方面凝结了作者多年数据分析工作的实战经验和最佳实践，具有很强的实用性和可操作性，另一方面这七个方面中的提法和建议不是一般的泛泛经验之谈，而是都有心理学、认知科学、脑神经科学等理论作为根据，所以具有很强的可靠性和可复用性。

结论：书中不少内容是在我的工作经历中已经自行总结出来了的，但仍有很多新鲜的内容让我有所收获！ 必须要坚守自己做业务分析的基本要求，数据准确、观点清晰、高效传递。 让图表无障碍，大部分人能快速看懂。 这意味着我们在把数据整理好之后还需要投入不少的时间在图表呈现美化上。 结论先行每次做报告或材料，就是一次讲故事的过程，结论先行！找问题的过程作为back up即可。否则就会像写论文一样，我参考了哪些资料、我是怎么研究的、我是怎么验证的……最后才得出结论。但是在商业分析中，这样不行，必须结论先行。 降低噪音（1）突出重要的内容，​（2）消除干扰，​（3）建立清晰的信息层次。 多多练习，分享寻求反馈只看是无法学以致用的，必须在日常工作中就练习起来！练得越多，越能真正掌握！ 做得好与不好，找人寻求反馈很重要，这样可以了解到没有任何背景知识的人看图表时是不是能看到我们所期望展示的逻辑和重点。同时有正反馈会让我们倍感振奋，更有动力。 学到的小技巧（记录一下）代表容量的可以使用面积图（读书的过程中、在工作中正好需要分析市场容量变化就用到了，特别直观）； 百分比堆积图中，并不是五个分类就需要五个颜色，相近的类别可以用同一种颜色，用白色线框隔开即可，这样图表的配色非常克制，同时也能清晰看到合并后的数据大小。 折线图的数据标记，设置空心点，即做到了强调、又更为美观。平时我很少这么做，以后要有意识地多尝试。 标题用于描述结论，左上角对齐，整体结构更稳定更整齐。 同一张图表，如果我们想描述多个不同的重点，可以用同样的图表制作不同的视觉效果来配合故事讲述。

还真是不错，这本书不仅仅讲如何进行数据的可视化设计技巧，也就是不侧重工具的应用，而是高屋建瓴，告诉我们如何用数据讲述一个完整的故事，说服他人接受自己的观点。换句话说，可视化设计只是说服他人的工具而已，重要的说服。 拿到数据，在进行可视化呈现之前，比如制作一个 ppt，首先要明白自己的受众是谁，也就是做好了给谁看，希望向他们传递自己的什么观点。受众第一，观点先行。按照作者的讲法，要先提炼出自己的中心思想和三分钟故事，比如能用一句话说明白自己想干啥。 其次，要排除干扰，做减法，比如一些与主题无关的，花里胡哨的设计，诸如不必要的动画、无关的文字和眼花缭乱的颜色字体等，一切与中心思想无关的内容都要删除，减少对受众的干扰。作者尤其反对用饼图、甜甜圈图、过多折线不分重点堆砌在一起的折线图。 再者，要突出重点，这里作者引入了前注意属性和格式塔心理学，让需要表达的主题更为突出，比如可以高亮、简单放大字体、左对齐，用文字对重点内容单独说明，等等。尤其要注意，可以用行动语言而不是陈述需要作为标题，比如把陈述语言“多个产品销量情况”，改为行动语言“某某销量明显上升”，关键还是标题要体现观点或者结论，这个标题要醒目，适当加粗，放在左上角。因为受众的视线是“之”字型的。 最后，要注意前后展示的内在逻辑，也就是用故事的结构进行组织，有开头、冲突、解决和结尾，注意线性展开，符合受众的认知逻辑，不要在展示的时候跳来跳去。 作者还用实例展示了如何还好一个不合格的幻灯片，也告诉我们需要大量的练习和迭代，甚至对如何组建一个可视化团队也提出了建议。google 出来的人果然不同凡响，讲的内容并不高深，但非常实用。

#小曾曾读书笔记#《用数据讲故事》无论是否从事数据工作，都需要自己利用现有数据面向群体进行讲述，小到平时的说服、与身边的人分享，大到正式场合的述职、汇报，都是展现数据和条理的过程。 书中六步骤——理解上下文、选择合适的图表、消除杂乱、引导受众注意力、像设计师一样思考、讲故事——告诉我们如何有逻辑地去用数据讲故事，丰富的实例和对比让观点更具体。 另外，还有三点需要注意： 纸上得来终觉浅，绝知此事要躬行（多多练习）； 见贤思齐焉，见不贤而内自省也（收集优秀的，反思差劲的）； 不用意大利面条图，不用甜甜圈图。不用饼图。 最后，展开汇总下核心观点。 一、理解上下文1、上下文=对象+内容+方式+数据对象：我的听众是谁；内容：我要讲什么；方式：我要怎么讲；数据：我手头有什么。2、方式：三分钟故事，中心思想便利贴的形式来展现完整的故事链路：成本低，顺序方便调整。 二、选择合适的图表1、越简单越常用越好，减少受众的理解成本。2、别用饼图和3D图。 三、消除杂乱1、考虑Z字形的阅读顺序，靠左对齐和适当留白，减少认知负荷。2、消除不必要的杂乱：去除图形边框、去除网格线、去除数据标记、精简坐标轴标签、保持同类元素颜色一致。 四、聚焦1、前注意属性（可以聚焦的地方）：方向、形状、线条长度和宽度、大小、曲率、标记、包围色调、强度、空间位置和动作。2、特别注意：大小、颜色（少量使用、一致性、考虑色盲、考虑颜色色调和深浅）、页面位置（Z字形阅读习惯）。 五、设计师思维1、可供性：产品的使用方式显而易见；突出重要的内容；消除干扰；清晰的层次。2、无障碍：不要过于复杂；善用文字，该说明的时候就要说明。3、美观：颜色；对齐；留白。 六、讲故事1、参考金字塔原理的中SCQA法则：背景—冲突—问题—解答。2、不断重复核心论点。

实际上作者书中关于数据可视化的建议都不是什么新鲜的技巧了——对齐、颜色、位置等等可以说是设计的基本要求，但本书还是给了我很大帮助，因为知道却不一定会有意识地去使用。本书则从零开始告诉了读者为什么要那样去做，不那样做会有多么糟糕，最好不要做些什么……书读到一半再去看自己以前的数据图表，马上可以挑出很多毛病来，这就是本书的效果。 如果光是告诉你怎么做好看的图表，本书内容并不丰富。幸好作者还花了大量笔墨去告诉读者如何利用图表讲好故事，但也没什么令人惊艳的东西。无非就是“简介-冲突-结局”，可能越简单越有效吧。 读完本书后，自己最大的收获就是以后一定要有“用数据讲故事”的意识，要学会模仿优秀的图表，要花时间、勤思考。在数据可视化方面，没有唯一正确的路线或解决方案，要用批判性眼光去看待。

哈哈，17年和老公合力翻译的一本书。现在回过头来看，当时翻译的有些地方还是生硬了，希望有机会改进。 这本书其实内容并不复杂，反复强调了一些至简的规则，但其实做图表或PPT，本就应该只秉持最核心的几条道理，更专注讲好你自己的故事。 也感谢这本书，对我在进入咨询公司后能够得心应手也带来了帮助。 几年过去，再回顾这本书，很多细节自己也不一定记得完全清楚，可当时自己可是翻来覆去读写了很多遍的译者呀。看来，那些只读过一遍 觉得拍案叫绝的书，真是应该常读常新。

我用“深入浅出，醍醐灌顶”八个字来评价这本书，每一个用数据的人都应该来看看作者怎么一步步地把数据讲成一个故事的。因为深入浅出，以至于很多人会认为这是一本入门读物，这当然没有问题，但对于工作多年的一位数据工作者来讲，他描绘了一位优秀的商业分析师应该具备的能力和数据修养。立即自己做了实践，受益匪浅。 这里摘录本书的主要内容： （1）理解上下文。清楚地理解你正在沟通的对象，你需要他们了解或者做什么，你将如何与他们沟通，以及你拥有什么数据来支持你的故事。利用三分钟故事、中心思想和故事板等方法组织你的故事，计划所需的内容和流程。 （2）选择合适的图形表达。当突出一两个数字时，简单文本是最好的。折线图通常适用于连续的数据。条形图适用于分类数据，而且必须要有零点的基线。根据你希望展现的关系选择图表类型。避免使用饼图、甜甜圈图、3D图表或者次要y轴，因为难以从视觉上进行解读。 （3）消除杂乱。识别出没有信息价值的元素，从图表中将其删除。利用格式塔原则理解人们如何阅读，并识别潜在的消除对象。有策略地使用对比。对齐图表的元素，保持一定的留白，有助于使受众的解读过程更舒适自然。 （4）集中注意。利用前注意属性，如颜色、大小和位置等，提示重要的内容。用这些策略性的属性将受众的注意吸引到你希望的地方，引导受众解读图表。通过应用“你的视线被吸引到哪里”测试来评估图表中前注意属性是否有效。 （5）像设计师一样思考。为受众提供视觉可供性作为如何交互的提示：突出重要的内容，消除干扰，并建立信息的视觉层次。通过避免过度复杂，利用文字进行标记和解释，使你的设计理解无障碍。让你的图表更美观，以增加受众对设计问题的容忍度。努力使你的图表设计为受众所接受。 （6）讲述一个故事。创造一个有着清晰的开头（情节）、中间（起伏）和结尾（呼吁行动）的故事。利用冲突和紧张吸引并保持受众的注意。考虑叙述的顺序和方式。利用重复的力量让故事牢牢印在受众的记忆里。利用竖直和水平的逻辑关系、反向故事板、寻求新的视角等策略，确保你的故事在沟通中能够清晰呈现。

数据最重要的意义在于提供信息，提供信息的目的在于决策，数据的可视化可以使得决策过程更加顺畅。故事是一个很好的切入点，人们都喜欢听故事，故事里面有冲突，有情节推进，有结局，通过这一过程，让受众产生反思，影响受众的行为决策，这一点很有意义。可视化要突出重点，给受众所需要的，想知道的，关心的，以及想让他们知道的。所以研究了怎样的数据逻辑应该使用怎样的图表；为了受众更方便的获取信息，要突出重点，去除不必要的干扰；要研究受众的行为习惯，例如“之”字阅读顺序，格式塔原则，要作为一个设计师，设计引导好受众的注意力。最后要把一切融合起来，像讲故事一样去输出，通过明确冲突，情节推进，最后达成解决，把自己的工作融入其中，引发受众的思考，影响受众后续的决策行为。

毕业前，我想过当前端开发，想过当产品经理，也想过当QA，唯独没想过的是数据分析。无巧不成书，我现在的工作就是数据分析。希望可以跟同行多多学习，把技术打扎实，也希望读书不停，思维不受限。读懂数据背后的故事，用数据讲故事。 以下分享我的笔记： 1、 数据的背后存在一个故事，但工具是不会理解的。这就是为什么需要你——分析师或者信息沟通者——用可视化和情境化的方式使故事生动有趣。 （纵然工具重要，但到底还是要看用工具的人的思维。当今社会不缺码农，缺的是有想法的、富有创造力的系统架构师。那些你所不知道的事，其实每行代码都会呼吸） 2、 其实在开始着手数据可视化或者沟通之前，应该在理解上下文上多花些时间和精力。 （我想这个上下文，便是为何需要这份数据，对这份数据的期待是什么，它需要带来什么样的价 值。在不明白这两个条件的情况， 我们极容易陷入一个困境，那便是辛辛苦苦做出来的数据，没人看，也发挥不了实际价值。由此也可以看到一个沟通力的重要性，你永远都不是一个分析数据的工具人，你必须清楚对方想在这份数据中获得什么） 3、 探索性分析和解释性分析有着非常重要的区别。探索性分析是指理解数据并找出其中值得关注或分享给他人的精华 （这让我想起在工作中的实际场景，一开始我认为纯粹公正地的将整理好的数据罗列出来即可，减少不必要的个人主观意见误导。但到后面发现，别人很难清楚你的数据想表明什么，这就需要我们去找寻值得关注的点和精华了。原来这就是探索性分析呀，害，希望看到这篇分享的朋友，若也从事数据分析，可以少踩点坑。） 4、 细分受众的方法之一便是识别决策者。你对受众了解得越多，就越能准确理解如何与之产生共鸣，如何在沟通中满足双方的需求。思考你与受众的关系以及你期望他们如何看待你是非常有帮助的。 （我们需要主动关心受众的预期，而不是被动等待。虽然这的确不是件容易的事，但工作上有什么事是简单的呢？不都是一件件克服，一步步提升自己的嘛。） 5、 当你分析数据并进行沟通时，你很有可能是最了解数据的人——你是该主题的专家。因此你才是解读数据并帮助人们理解和作出反应的人。 （该站出来的时候，真不该妄自菲薄。如果自己都不能很好地理解解释这份数据，如何期待别人的预期呢） 6、 如果你只简单地展示数据，受众很容易在说一句“真有趣”之后转入下一件事情。但如果你要求他行动，他就得决定是否回应。 （这便是执行层面的事了，我们需要推动我们的数据，当你决定想让受众采取什么行动时，可以参考以下表示行为的词语： 接受|同意|开始|相信|改变|协作|着手|创建|辩护|想要|分辨|行动|移情|授权|鼓励|参与|建立|检查|促进|熟悉|形成|实现|包括|影响|投入|鼓舞|了解|学习|喜欢|劝说|计划|提升|追求|推荐|接收|记住|报告|答复|促成|支持|简化|启动|尝试|理解|验证） 7、 可以认为需要披露的细节量会随着对信息消化的可控程度的减弱而增长。 （换句话说就是不要理所当然认为别人能读懂，该有的细节还是要有） 8、 消耗受众脑力却对他们理解信息毫无帮助。这是我们需要避免的。无障碍相关的两条具体策 略：（1）不要过于复杂，（2）文字是你的朋友。 9、 别为自己沟通——为受众而沟通。故事是为他们准备的，不是为了你自己。 最后亲爱的读者，不论你是谁， 即将踏入社会就职数据分析的小可爱，我明白你将会遇到很多困难挫折，但请别轻易放弃，天线希望可以一路陪伴你； 已在职多年的前辈们，感谢你们对新人的培养，耐心指导与宽容。也希望有机会可以获得你们的宝贵经验； 总之，打工人，打工魂，一起加油鸭 】

我要是这本书的翻译者，我绝对不敢跑到微信读书评论区来自报家门。上一次看到这么稀烂的翻译，还是商务印书馆的《三十年战争史》。但那本是在翻18世纪的德语，原文诘屈聱牙，翻译翻车可以理解。 Cole原书用语轻快可读（虽然实操部分不多，但还有不少值得参考的制图原则），而译者不畏艰险地为我们提供了同一个形容词/术语前后不一致的翻译，不专业的统计学术语翻译，矫揉造作的语序和用词。 我向来的原则是“对技术类翻译要宽容，只要核心内容没问题就可以”，毕竟来看中文版也是为了快速过滤掉无效信息（英文原作的风格大家都懂，爱扯些有的没的），但是这个翻译却让我还是得回到原文去核对术语，这次实在没法宽容了，谢。