نقش و قدرت داستان گویی در مصورسازی داده ها
مصورسازی داستان گونه و تعاملی داده ها درک داده ها را تسریع میکند. در این مقاله رویکرد داستان سرایی در مصورسازی و تأثیر شگرف آن بر بهبود فرآیند تصمیم گیری شرح داده میشود.
نمونهای از مصورسازی داده ها در عمل: نقشه حرارتی وقوع بحرانها و بلایای طبیعی
شرکت Accenture با مصورسازی داده های جمع آوری شده توسط سازمان مدیریت بحران فدرال FEMA (Federal Emergency Management Agency)، آنها را در اختیار شرکتها و افراد قرار داده است. این تصاویر، بر اساس یک نقشهی حرارتی (Heat Map)، نوع و تعداد تکرار هر یک از فجایع و بحرانهای طبیعی را بر حسب کشورهای مختلف در دنیا نشان میدهد. شرکتها و افراد میتوانند از این نوع نمایش اطلاعات به یافتههایی چون موارد زیر دست پیدا کنند:
«چگونه پیش بینی های FEMA از وقوع طوفان کاترینا در آمریکا بر میزان امداد رسانیهای مورد نیاز مناطق آسیب دیده در طوفانهای گرمسیری در سال ۲۰۰۵ کمک کرد»
و یا:
«لس انجلس در آمریکا یکی از پرریسکترین مناطق از نظر وقوع حوادث و بلایای طبیعی است».
علاوه بر نقشههای حرارتی پراکندگی بلایای طبیعی، ابزارهای دیگری چون مصورسازی پراکندگی جمعیت بر حسب شرایط آب و هوایی نیز به دستیابی به یافتههایی از این دست کمک میکنند.
شکل ۱٫ مصورسازی بحرانها و فجایع طبیعی ارائه شده توسط Accenture که الگوهای موجود در داده های این حوزه را نشان میدهد.
برای مشاهدهی نقشهی حرارتی و کار با امکانات مختلف آن به صورت آنلاین و مشاهدهی نقشهی حرارتی بر اساس هر یک از حوادث طبیعی می توانید به این آدرس مراجعه کنید.
شتاببخشی به درک داده ها و اطلاعات با بهکارگیری رویکرد مصورسازی داستان گونه و تعاملی
(Storytelling and Interactive Visualization)
تیم R&D آزمایشگاه داده های شرکت Accenture، یکی از تیمهایی است که در سالهای اخیر به بررسی روشهای سرعت بخشیدن به استخراج مفاهیم و اطلاعات از داده ها پرداخته است. به کارگیری ابزارها و قالبهای گرافیکی در مصورسازی داده ها و ارتقای سواد بصری باعث میشود تا مخاطبین و کاربران راحتتر با داده ها ارتباط برقرار کنند و درک عمیقتری از مفهوم دادهها بهدست آورده، و تجزیه و تحلیل و تصمیم گیری از داده ها را طی فرایند سادهتر و سریعتری انجام دهند. این مساله به خصوص در ارتباط با کلان داده ها نمود بیشتری پیدا میکند زیرا باعث میشود که بینش عمیقتری از داده ها حاصل شود.
دیجیتالی شدن و تکیه بر منابع داده ای که روز به روز به حجم آنها اضافه میشود، لزوم اعمال یک منطق جدید بر مدیریت زنجیره تامین داده را بیش از پیش آشکار میسازد. مدلهای قدیمی انبارش داده ها و گزارش گیری از آنها، معمولا مدلهایی خطی و البته کند بودند؛ درحالیکه مدلهای آینده، مدلهایی هوشمند و چندوجهی هستند که اطلاعات بدست آمده از داده ها را از راههای مناسب و روشنگرانه و بوسیله مصورسازی های داستان گونه و تعاملی به کاربر ارائه میدهند.
افزایش حجم داده های قابل دسترس شرکتها نسبت به گذشته، نیاز به راههای بهتر و جدیدتر برای ترکیب نتایج حاصل از داده ها را روز بهروز ضروریتر میسازد. شرکت Accenture نیز برای ارایه اطلاعات حاصل از پردازش دادهها، از رویکرد مصورسازی داستان گونه استفاده میکند، به این معنا که داستان- محور بودن گزارش ها، مبنای روشهای مورد استفاده در زنجیره تامین داده ها و روشی کلیدی در تسریع درک اطلاعات میباشد. به عبارتی، برای این که تصمیم بگیرند کدامین داده ها را از کدامین منابع داده انتخاب کنند، از رویکرد مصورسازی داستان گونه استفاده میکنند.
صحبت از داده ها و اطلاعات در قالب داستان، نیازمند برنامهریزیای شفاف و از پیش طراحی شده، روشن کردن هدف ارائه اطلاعات و مهمتر از همه ابزار مناسب جهت ارائه آنها است. با پیگیری این روند است که شرکتها جهت رقابت با سایر شرکتها میتوانند به تمایز رقابتی دست پیدا کنند. در نتیجه، این قابلیت را خواهند داشت تا اطلاعات کسب شده از داده ها را به سرعت به اشتراک بگذارند و در نتیجه کاربران با استفاده از آن داده ها خواهند توانست از اطلاعات ارائه شده، برای نتیجهگیری و تصمیم گیری های کسب و کار استفاده کنند.
جذابیت این رویکرد بین کسب و کارها روز به روز در حال افزایش است. برجستهتر شدن مفهوم مصورسازی داستان گونه و تعاملی اطلاعات در مجلات معتبری چون گاردین و نیویورک تایمز، بر اشتیاق شرکتها و سازمانها در بهکارگیری این قابلیتها افزوده و این انتظار را ایجاد میکند که نرمافزارهای کاربردی مورد استفاده سازمان، قابلیت مصورسازی داستان گونه را داشته باشند.
با توجه به تغییرات در دیدگاه شرکتها نسبت به مصورسازی داده ها، ابزارهای هوش کسب و کار سنتی با چالش درخواستهای جدید کاربران روبرو شده است. شرکتهایی چون Qlik و Tableau نه تنها به ارائه مجموعه ابزارهای مصورسازی اطلاعات پرداختهاند، بلکه رویکردهای داستان گونه عرضه اطلاعات را نیز در ابزارهای خود (مانند Qlik Sense و Tableau Story Points) لحاظ نمودهاند. با ارتقای بستهها و مجموعه ابزارهای مصورسازی داده ها و اطلاعات و بهخصوص انواع متن باز آنها، روند مصورسازی داستان گونه و تعاملی اطلاعات نیز در کسب و کارها رشد بیشتری پیدا خواهد کرد. همین امر، زمینه درک بهتر داده های موجود را فراهم خواهد کرد.
بهرهگیری از قدرت ارائه داستان گونهی اطلاعات
سوالی که مطرح میشود این است که مصورسازی داستان گونه اطلاعات چه تاثیرات مثبتی دارد؟ پاسخ این سوال ریشه در توانایی مغز انسان در تشخیص بصری الگوها دارد. این توانایی مغز، قابلیتی مهم در درک مفاهیم داده ای محسوب میشود؛ چرا که به درک بیننده از شرایط پیچیده کمک میکند. امروزه با توجه به سرعت تغییرات بازار و لزوم تصمیم گیری های به موقع، شرکتها با چنین شرایط پیچیدهای بیش از پیش مواجه هستند.
از سوی دیگر، نکتهای که حائز اهمیت است این است که روند تکامل مغز انسان در طول قرنها به نحوی بوده که داستان را بسیار راحتتر و آسانتر از سایر انواع راههای ارائه اطلاعات درک کرده و به یاد میآورد. در سالهای اخیر، محققان نشان دادهاند زمانیکه افراد از حقایق سخن میگویند، تنها ۲ ناحیه از مغزشان فعال میشود: قسمت مربوط به پردازش زبان و قسمت مربوط به درک مطلب. در نقطه مقابل، وقتی داستانی را میشنوند، بیش از ۲ منطقه از مغز فعال است. فعالیت این مناطق به شنونده کمک میکند تا ارتباط بین داده ها را بهتر و راحتتر خلاصهسازی و درک کرده و سپس به یاد بیاورد. به دلایل ذکر شده، به اشتراک گذاری کارها و فعالیتها با سایرین و مصورسازی داده ها در قالبهای داستانی، درک و یادآوری آنها را برای کاربر سادهتر میکند.
شکل ۲٫ مقایسه نواحی فعال مغز هنگام پردازش داستان
مثال: سازمان مدیریت بحران فدرال آمریکا در طول ۳۵ سال گذشته مسئولیت مدیریت بسیاری از بحرانهای طبیعی را بر عهده داشته و از این طریق حجم عظیمی از داده های مربوط به این وقایع را در دسترس دارد. تا چندی پیش، این داده ها عموما در دیتاشیتها جمعآوری شده و به همین دلیل درک و تحلیل آنها سخت بود. در حالی که جدیدا از رویکردها و ابزارهای جدیدی استفاده میشود. به طور مثال شکل ۱ با ادغام و ترکیب این داده ها، یکی از موثرترین تکنیکهای مصورسازی را در قالب یک “نقشه جغرافیایی” نشان میدهد. با استفاده از این نقشه، کاربران میتوانند از وضعیت بحرانهای طبیعی در محدوده زندگی خود مطلع شوند. همچنین چنین نقشههایی با ایجاد امکان تجزیه اطلاعات مربوط به وقوع حوادث بر حسب زمان و مکان و نوع واقعه، داده ها را برای طیف وسیعتری از مخاطبین قابل فهم و قابل استفاده میکند. از آن مهمتر، این ابزار میتواند به سوالاتی چون “چگونه طوفان گرمسیری تمام ایالات کشور آمریکا به جز ایالت وایومینگ را تحت تأثیر و تخریب قرار داد ؟” یا “چه کشورهایی بیشترین تعداد حوادث طبیعی را تجربه کردهاند؟” پاسخ دهد. این نوع مصورسازی های داستان گونه به مخاطبین کمک میکنند تا اطلاعات را بهتر درک کرده و تصمیمات دقیقتری را در زمان کوتاهتر اخذ کنند.
شرکت Accenture برای کمک به مهارتهای بیان داستان گونهی مصورسازی ها، متدولوژی ۵ مرحلهای زیر را برای مصورسازی گزارشها ارائه میدهد:
شکل ۳٫ مراحل داستانگویی به شکل مؤثر
مرحله اول: مشخص نمودن کاربران مخاطب گزارشدهی
مرحله اول، شناسایی افرادی است که مخاطب مصورسازی های انجام شده از داده ها هستند. شرکتها میتوانند از طریق درک سوابق مخاطبین و اهداف و نیازمندیهای آنها نوع زبان، نوع توضیحات و نوع ارائه مناسب را برای مخاطبین گزارشها برگزینند. پس از تکمیل اطلاعات مخاطبین، شرکت میتواند با استفاده از نیازمندیها و ویژگیهای آنها، در مورد جزئیات بیشتر مصورسازی تصمیم گیری کند. مشخص کردن مخاطبین، نه تنها در امر تصمیم گیری در حوزه طراحی نوع مصورسازی داده ها سودمند است، بلکه تمرکز تیم را به یک مسیر واحد معطوف کرده و به آنها در طراحی یک قالب مرجع کمک میکند.
مرحله دوم: اشراف بر چارچوب مصورسازی گزارش ها
با در نظر گرفتن نوع مخاطبین، در مرحله بعد شرکتها باید جزئیات نیازها و خواستهایی از مشتریان را شناسایی کند که به ارائه هر چه بهتر مصورسازی های داستان گونه کمک میکند. این مرحله گامی مهم در پی بردن به طرز فکر و تفکرات کاربران، مرور گامهای مورد نیاز در دستیابی و اصلاح داده ها و کسب اطلاعات بیشتر در رابطه با رویکرد تشریح دانش کسب شده از داده ها و اطلاعات میباشد.
مرحله سوم: شناسایی بسترهای ارائه مصورسازی ها
در مرحله سه، بستری که داده ها در آن ارائه خواهند شد تعیین میشود. باید مشخص شود که مصورسازی ها با چه ابزاری (دستگاههای موبایل، وب سایت یا به صورت حضوری) به مخاطبین ارائه خواهد شد. همچنین باید مشخص شود که آیا مصورسازی ها توسط یک فرد خاص مورد استفاده و تحلیل قرار میگیرند یا مجموعهای از افراد. به طور مثال، مصورسازی که برای ارائه به هزار نفر در یک تالار کنفرانس آماده میشود، قطعا با ارائهای که برای تعدادی از همکاران در اسکایپ آماده میشود متفاوت خواهد بود. علاوه بر این، پارامترهای تجربی باید تعریف شده، ملاحظات متنی پیشبینی شده و در مورد استفاده از ابزارهای مورد نیاز برای وضوح، سازماندهی و ارائه بهتر مصورسازی ها برنامهریزی شود. این موارد به ارائه سازماندهی شده گزارشها و مصورسازیکمک خواهد کرد.
مرحله چهارم: انتخاب عناصر ارائه داستان گونه گزارشها
در مرحله چهار، باید شیوه و سبک مصورسازی مشخص شود. بسته به نوع داده ها، دستهبندیهای زیر را میتوان از تکنیکهای مصورسازی در نظر گرفت:
- گروه اول مصورسازی های اکتشافی یا Exploratory ِData visualization و مصورسازی توصیفی یا Explanatory Data Visulization
- گروه دوم مصورسازی عینی یا Objective Data Visualization و مصورسازی مجاب کننده یا Persuasive Data Visualization
مصورسازی اکتشافی، غالبا به عنوان بخشی از فرآیند تحلیل اولیه داده ها و با هدف دستیابی به بینش از طریق داده ها انجام میشود. در حالیکه مصورسازی توصیفی معمولا برای ارائه الگوها و روندهایی که طی فاز تجزیه و تحلیل داده ها بدست آمدهاند به کار میرود. گاهی برای نیل به اهداف مورد نظر، نیاز است که این دو نوع مصورسازی ادغام شوند.
روشهای دیگری نیز برای ارایهی قابل درک داده ها وجود دارد که از آنها تحت عنوان مصورسازی عینی (Objective) و مصورسازی مجاب کننده (Persuasive) یاد میشود. از مصورسازی عینی معمولاً زمانی استفاده میشود که بخواهیم بینشی را با هدف اطلاعرسانی یا آموزش در مخاطبین ایجاد کنیم. در روش مصورسازی مجاب کننده ، دیدگاهی بر مبنای داده ها در مخاطب ایجاد میشود که او را نسبت به یک نتیجهگیری و یا اقدامی خاص متقاعد نماید. مثل زمانی که بخواهیم ضرورت اقدام عاجل برای جبران تاخیرات پروژه را برای مدیر پروژه نشان دهیم، میتوانیم وضعیت پیشرفت یک پروژه و تاخیرات را در قالب نمودار گرافیکی برای او نشان دهیم.
برای مصورسازی داستان گونه داده ها و اطلاعات، لازم است تا از یک ادبیات خاص و مشخص استفاده کنیم. به طور مثال، مقایسه دو مجموعه داده در کنار هم از طریق مصورسازی های داستان گونه به مخاطب کمک میکند تا به تفاوتها و تضادهای بین آن دو مجموعه داده پی برده و به درک بهتری از ویژگیهای هر یک نسبت به دیگری دست پیدا کند. به طور مشابه، مصورسازی داده ها همراه با چاشنی طنز، به مخاطبین کمک میکند تا متوجه شوند تصورات رایج نسبت به آن داده ها و اطلاعات و آنچه نتایج مصورسازی نشان میدهد، تا چه اندازه ممکن است متفاوت باشند.
دستهبندیهای دیگری نیز از انواع مصورسازی داده ها وجود دارد که میتوان از آنها حتی به عنوان بخشی از فرآیند مصورسازی و یا جزئی از ساختار کلی مصورسازی داستان گونه استفاده کرد. انتخاب نوع رویکرد در مصورسازی داده ها تابع نوع مخاطبین آن داده ها، همچنین شیوه انتخابی برای ارائه اطلاعات به آنها است.
مرحله پنجم: سازماندهی ارائه گزارشها
برای جمعبندی و سازماندهی نتایج مصورسازی داستان گونه، شرکت باید نسبت به نوع ساختار ارائه داستان گونهی داده ها، متناسب با اهداف، مخاطبین و مفاهیم و اجزا، تصمیم گیری کند. از رویکردهای موجود در ارائه داستان گونهی گزارشها میتوان به ساختارهای زیر اشاره کرد:
توصیف داده ها و اطلاعات به صورت فرآیندی، شرح آنها در قالب یک حکایت یا داستان، بیان کلیات یافتهها و سپس تشریح جزئیات توضیح نتایج برای زمینهسازی نسبت به اکتشافات آینده و یا تغییر دیدگاه مخاطبین و سوق دادن آنها از نتایج جاری به پیشرفتهای آتی.
شرکتها میتوانند از ابزارهایی چون script ها و یا storyboard ها برای سازماندهی مصورسازی های داستان گونه استفاده کنند. Experience map نیز از ابزارهایی است که میتوان از آن برای برنامهریزی تماسها و تعاملات مخاطب، قبل و بعد از مشاهده مصورسازی ها استفاده کرد.
به عنوان گام آخر، شرکتها باید در طول اجرای فرآیند مصورسازی داده ها به بازخوردهای مخاطبین نیز توجه کنند. همچنین میتوانند قبل از ارائه مصورسازی ها به مخاطبین اصلی، آنها را به تعدادی مخاطب آزمون، مثلا همکارانی که در تیمهای دیگر شرکت فعالیت میکنند، ارائه دهند و بازخوردهای آنها را نسبت به کارهای انجام شده مشاهده و بررسی کنند.
مصورسازی داستان گونه + داده = درک اطلاعات
مصورسازی داده ها، سنگ بنای رویکردهای مورد استفاده در زنجیره تامین داده ها، بخصوص در مواجهه با کلان داده هاست. شرکتهای میتوانند اطلاعات استخراج شده از داده ها را در قالب نمودار گزارش دهند، اما چنین رویکردی نه تنها میتواند تاثیر مثبتی بر درک داده ها نداشته باشد، بلکه میتواند موجب ایجاد نویز و اختلال در درک نتایج شود. از سوی دیگر، چنانچه شرکت مصورسازی داده ها را در قالبهای داستان گونه و طراحیهای درست و بجا ارائه دهد، هم از ایجاد نویز جلوگیری کرده و هم شفافیت گزارشها را افزایش میدهد. برای رسیدن به این هدف، شرکت Accenture رویکردی ارائه کرده که ترکیبی از هنر ارائه مفاهیم به صورت داستان گونه، و علم داده هاست. این رویکرد، فرآیند درک و اکتشاف داده ها و اطلاعات موجود در آنها را شتاب بیشتری میبخشد.
شکل ۴٫ سطحبندی شرکتها از نظر سطح سواد بصری در گزارشگیری از داده ها
شکل ۴ نشان میدهد که با افزایش حجم داده های مورد بررسی، هر چه تکنیکهای گزارشگیری از داده ها به روزتر شده و به سمت مصورسازی های جدیدتر میرود، میزان اثربخشی ارائه آن گزارشها نیز افزایش پیدا کرده و سطح سواد بصری کسب و کار نیز افزایش پیدا میکند. به طور کلی، سطوح زیر را میتوان برای شرکتها، از نظر سطح سواد بصری (از کم به زیاد) در نظر گرفت:
- شرکتهایی که گزارشهای دورهای را با فواصل زمانی کم در قالب گزارشها خلاصهسازی شده و نمودارهای دوبعدی ارائه میدهند.
- شرکتهایی که گزارشهای خود را به صورت ماهیانه و در قالب جداول سطح بالا و نمودارهای ساده از داده ها ارائه میدهند.
- شرکتهایی که از داشبوردها و ابزارهای بصری هوش کسب و کار برای ارائه گزارشهای خود استفاده میکنند.
- شرکتهایی که از مصورسازی های تعاملی با کاربران استفاده میکنند. گزارشهای ارائه شده در این رویکرد معمولا با استفاده از داده های بهروز کسب و کار تهیه شده و با استفاده از نمودارهای پیچیده و متناسب با نیازهای کاربر ساخته میشوند.
چنین گزارشهایی به صورت خلاصهسازی شده و در قالب نمودارهای دوبعدی ارائه میشوند.شرکتهایی که از مصورسازی های تعاملی با کاربران استفاده میکنند. گزارشهای ارائه شده در این رویکرد معمولا با استفاده از داده های بهروز کسب و کار تهیه شده و با استفاده از نمودارهای پیچیده و متناسب با نیازهای کاربر ساخته میشوند.
نتیجه گیری
امروزه شرکتها برای موفقیت در رسیدن به اهداف مصورسازی داده هایشان، باید گامهای کلی زیر را بردارند:
- سرمایهگذاری مناسب بر فناوریهای مصورسازی داده ها
- هدفگذاری مبتنی بر اهداف کسب و کار
- ارائه داده ها و اطلاعات از طریق متدولوژیهای داستان گونه (که پیشتر در ۵ گام تشریح شد)
نتیجهی برداشتن این گامها، ارتقای قدرت و تواناییهای شرکت در تبدیل اطلاعات استخراج شده از داده ها و تبدیل آنها به تصمیمات و اقدامات مناسب در کسب و کار (از طریق شتاب بخشیدن به درک اطلاعات و تصمیم گیری با استفاده از آنها در تمامی سطوح سازمانی) میباشد.
کسب سواد بصری در کسب و کار
امروزه مصورسازی داده ها به عنوان زبانی جدید برای اکتشاف در داده ها و ایجاد پل ارتباطی بین آنها و بسیاری از برنامههای کاربردی دیگر مورد توجه قرار گرفته است. حرکت از نمودارها و شاخصهای سرد و بیروح قدیمی و سنتی و تکنیکهای قدیمی گزارشگیری از داده ها به سوی روشهای جدید و تعاملی ارائه اطلاعات، راههای جدیدی را در زمینه درک سریعتر و موثرتر داده ها پیش روی متخصصین قرار داده است. هر چه توانایی یک شرکت در بکارگیری روشهای جدید بیشتر باشد، میتوان گفت که از سطح سواد بصری بالاتری نیز برخوردار است.
منبع : مقاله Accelerating Understanding through Data Visualization