Data storytelling is de gestructureerde aanpak om datainsights te communiceren met verhalende elementen en verkennende visualisaties. Iedereen die data wil omzetten in inzichten en beslissingen profiteert ervan om de kunst van dataverhalen vertellen onder de knie te krijgen.
In tegenstelling tot het presenteren van statistieken zijn dataverhalen boeiender, beter te onthouden en overtuigender. In een studie waarin twee versies van een brochure voor de liefdadigheidsorganisatie Save the Children werden getest, doneerden gevers ongeveer 50% minder bij de infografische versie dan bij de verhalende versie. In een andere studie bleek dat mensen minder sceptisch zijn wanneer hen een verhaal wordt verteld, maar kritischer worden als ze alleen statistieken zien.
Dataverhalen bestaan uit drie cruciale ingrediënten—data, visuals en narratief. Om een goed dataverhaal te vertellen, moet je de juiste data selecteren, een verhalende structuur gebruiken die de opbouw van het verhaal stuurt, en het verhaal illustreren met overtuigende visuals.
Figuur 1: Narratief, visuals en data zijn dataverhalen die veranderingen aanjagenDe casestudy van Semmelweis
De geschiedenis zit vol waarschuwingen over gebrekkige datavisualisaties die er niet in slagen om actie te stimuleren, terwijl dataverhalen dat wel kunnen. In zijn boek Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals haalt Brent Dykes het verhaal aan van dr. Ignaz Semmelweis als zo’n incident.
Nadat hij had ontdekt dat handen wassen levens kon redden, slaagde Semmelweis er niet in de sceptische medische gemeenschap van zijn bevindingen te overtuigen. Achteraf gezien hadden principes van data storytelling hem kunnen helpen zijn inzichten beter over te brengen en zo duizenden levens te redden.
Semmelweis, ook wel de “vader van handhygiëne” genoemd, was een Hongaarse arts. In 1844 werkte Semmelweis als assistent in een verloskundige kliniek waar veel vrouwen kraamvrouwenkoorts kregen – een koorts veroorzaakt door een infectie na de bevalling.
Tijdens zijn periode in de kliniek raakte Semmelweis gefascineerd door een opvallende trend. De sterftecijfers in klinieken die door artsen en geneeskundestudenten werden gerund, lagen door kraamvrouwenkoorts aanzienlijk hoger (9,9%) dan in die van vroedvrouwen (3,9%) (figuur 2). In tegenstelling tot artsen en geneeskundestudenten voerden vroedvrouwen geen autopsies uit voorafgaand aan de bevallingsprocedures. Dit leidde hem tot de conclusie dat materiaal van de lijken het risico op overlijden bij deze vrouwen verhoogde.
Figuur 2. Klinieken gerund door artsen die hun handen niet wasten veroorzaakten meer doden.Met die kennis stelde hij voor om handen te wassen, wat leidde tot aanzienlijk lagere sterftecijfers. Toch slaagde hij er met deze bevindingen niet in zijn supervisor, professor Klein, van zijn theorie te overtuigen.
Semmelweis zou de rest van zijn leven een vurige voorvechter van handen wassen blijven, zonder succes. In 1861 publiceerde Semmelweis zijn werk The Etiology, Concept, and Prophylaxis of Childbed Fever voor de medische gemeenschap, die zijn leer kritisch afwees. In 1865 stierf Semmelweis in een psychiatrisch ziekenhuis, lang voordat de kiemtheorie breed werd geaccepteerd.
Figuur 3. The Etiology, Concept, and Prophylaxis of Childbed Fever telt honderden pagina’s en geen grafiekenWaarom slaagde hij er niet in de gemeenschap te overtuigen?
Brent gebruikte deze casestudy om te laten zien dat de drie componenten van data storytelling – data, narratief en visuals – onmisbaar zijn om verandering teweeg te brengen met dataverhalen. In deze casus vonden de data van Semmelweis geen gehoor omdat ze noch vergezeld gingen van een overtuigende verhalende structuur, noch werden geïllustreerd met visuals. Daardoor wisten de data van Semmelweis zijn publiek niet te overtuigen, hoewel ze accuraat, waardevol en toepasbaar waren.
Achteraf gezien had Semmelweis zijn boodschap overtuigender kunnen overbrengen met dataverhalen. Hier is een voorbeeld van Brent Dykes van een lijngrafiek die data, narratief en visuals combineert om een overtuigend dataverhaal te vertellen.
Figuur 4. Een dataverhaal van Dykes dat het punt van Semmelweis beter illustreert.De aanpak van Semmelweis stond in schril contrast met die van dr. John Snow, een Britse arts die de cholera-uitbraak op Broad Street in 1854 bestudeerde en veronderstelde dat met kiemen verontreinigd water cholera veroorzaakte. Nadat hij had aangetoond dat het sterftecijfer in de nabijheid van een waterpomp hoog was, wist Snow de lokale raad zover te krijgen om de pomp uit te schakelen.
Figuur 5: John Snows datavisualisatieConclusie
In tegenstelling tot Semmelweis hebben data storytellers vandaag de dag toegang tot een schat aan tools om boeiende dataverhalen te maken, variërend van business intelligence-tools zoals Tableau tot programmeertalen zoals Python. Het is dan ook verstandig dat moderne dataprofessionals de kunst en wetenschap van data storytelling beheersen om tot actie aan te zetten.
