Data storytelling adalah pendekatan terstruktur untuk mengomunikasikan wawasan data dengan menggunakan unsur naratif dan visual eksploratif. Mereka yang ingin mengubah data menjadi wawasan dan keputusan akan sangat diuntungkan jika menguasai seni bercerita dengan data.
Berbeda dari sekadar menyajikan statistik, cerita data lebih menarik, mudah diingat, dan persuasif. Dalam sebuah studi yang menguji dua versi brosur untuk organisasi amal Save the Children, donor yang menerima versi infografik menyumbang sekitar 50% lebih sedikit dibandingkan mereka yang menerima versi berbasis cerita. Dalam studi terpisah, peneliti menemukan bahwa orang lebih sedikit bersikap skeptis ketika mendengar sebuah cerita namun lebih cerewet ketika hanya disuguhi statistik.
Cerita data dibangun dari tiga unsur penting—data, visual, dan narasi. Untuk menyusun cerita data yang baik, seseorang perlu memilih data yang tepat, menggunakan struktur naratif yang menuntun alur cerita data, serta menggambarkannya dengan visual yang kuat.
Gambar 1: Narasi, visual, dan data adalah cerita data yang mendorong perubahanStudi Kasus Semmelweis
Sejarah sarat dengan kisah peringatan tentang visualisasi data yang buruk yang gagal mendorong tindakan seperti halnya cerita data. Dalam bukunya, Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals, Brent Dykes mengutip kisah Dr. Ignaz Semmelweis sebagai salah satu contohnya.
Setelah menemukan bahwa cuci tangan dapat menyelamatkan nyawa, Semmelweis gagal meyakinkan komunitas medis yang skeptis terhadap temuannya. Jika dilihat kembali, prinsip data storytelling dapat membantunya menyampaikan wawasan dengan lebih baik dan pada akhirnya menyelamatkan ribuan nyawa.
Disebut sebagai “Bapak Higiene Tangan”, Semmelweis adalah seorang dokter asal Hongaria. Pada tahun 1844, Semmelweis bekerja sebagai asisten di klinik kebidanan tempat banyak perempuan menderita demam nifas – demam yang disebabkan oleh infeksi pasca persalinan.
Selama bertugas di klinik, Semmelweis tertarik oleh tren yang ganjil. Tingkat kematian di klinik yang dijalankan oleh dokter dan mahasiswa kedokteran jauh lebih tinggi akibat demam nifas (9,9%) dibandingkan di klinik bidan (3,9%) (Gambar 2). Tidak seperti dokter dan mahasiswa kedokteran, para bidan tidak melakukan autopsi sebelum prosedur persalinan. Hal ini membuatnya menyimpulkan bahwa bahan dari jenazah meningkatkan risiko kematian pada para perempuan tersebut.
Gambar 2. Klinik yang dijalankan oleh dokter yang tidak mencuci tangan menyebabkan lebih banyak kematian.Mengetahui hal ini, ia mengusulkan praktik mencuci tangan yang menghasilkan penurunan angka kematian secara drastis. Namun, temuan tersebut tidak membantunya meyakinkan supervisornya, Profesor Klein, atas teorinya.
Semmelweis menghabiskan sisa hidupnya sebagai pendukung kuat cuci tangan tanpa hasil. Pada tahun 1861, Semmelweis menerbitkan karyanya The Etiology, Concept, and Prophylaxis of Childbed Fever kepada komunitas medis yang menanggapinya dengan kritik terhadap doktrinnya. Pada tahun 1865, Semmelweis meninggal di rumah sakit jiwa, jauh sebelum teori kuman diterima luas.
Gambar 3. The Etiology, Concept, and Prophylaxis of Childbed Fever memiliki ratusan halaman dan tanpa baganMengapa ia gagal meyakinkan komunitas?
Brent menggunakan studi kasus ini untuk menunjukkan bahwa tiga komponen data storytelling – data, narasi, dan visual – tak tergantikan dalam mendorong perubahan melalui cerita data. Dalam studi kasus ini, data Semmelweis tidak didengar karena tidak disertai struktur naratif yang meyakinkan maupun digambarkan dengan visual. Akibatnya, data Semmelweis gagal meyakinkan audiensnya meskipun akurat, bernilai, dan dapat ditindaklanjuti.
Jika ditinjau kembali, Semmelweis dapat menyampaikan pesannya dengan lebih meyakinkan melalui cerita data. Berikut contoh dari Brent Dykes berupa bagan garis yang menggabungkan data, narasi, dan visual untuk menyajikan cerita data yang kuat.
Gambar 4. Sebuah cerita data oleh Dykes yang lebih baik menggambarkan poin Semmelweis.Pendekatan Semmelweis sangat kontras dengan Dr. John Snow, seorang dokter di Inggris yang mempelajari wabah kolera Broad Street tahun 1854 dan berhipotesis bahwa air yang terkontaminasi kuman menyebabkan kolera. Setelah menunjukkan bahwa tingkat kematian di sekitar sebuah pompa air sangat tinggi, Snow berhasil membujuk dewan lokal untuk menonaktifkan pompa tersebut.
Gambar 5: Visualisasi data John SnowKesimpulan
Berbeda dengan Semmelweis, para pencerita data saat ini memiliki beragam alat untuk membuat cerita data yang menarik, mulai dari alat business intelligence seperti Tableau hingga bahasa pemrograman seperti Python. Bijak bagi para praktisi data modern untuk menguasai seni dan sains data storytelling demi mendorong tindakan.
