Cách Kể Chuyện Bằng Dữ Liệu Có Thể Cứu Mạng Người – Nghiên Cứu Tình Huống Semmelweis

Kể chuyện bằng dữ liệu là phương pháp có cấu trúc để truyền đạt các insight từ dữ liệu thông qua các yếu tố tường thuật và trực quan khám phá. Những ai muốn chuyển dữ liệu thành insight và quyết định sẽ được lợi khi thành thạo nghệ thuật kể chuyện bằng dữ liệu.

Khác với việc chỉ trình bày số liệu thống kê, các câu chuyện dữ liệu hấp dẫn, dễ nhớ và thuyết phục hơn. Trong một nghiên cứu thử nghiệm hai phiên bản tờ rơi cho tổ chức từ thiện Save the Children, những người được đưa phiên bản infographic đã quyên góp ít hơn khoảng 50% so với những người được đưa phiên bản dựa trên câu chuyện. Trong một nghiên cứu khác, các nhà nghiên cứu nhận thấy rằng con người ít hoài nghi hơn khi nghe kể một câu chuyện nhưng lại bắt bẻ hơn khi chỉ được trình bày bằng số liệu thống kê.

Các câu chuyện dữ liệu được tạo nên từ ba thành phần then chốt — dữ liệu, trực quan và tường thuật. Để kể một câu chuyện dữ liệu hay, cần chọn đúng dữ liệu, sử dụng cấu trúc tường thuật định hướng mạch truyện, và minh họa câu chuyện bằng các yếu tố trực quan thuyết phục.

Hình 1: Tường thuật, trực quan và dữ liệu là nền tảng của các câu chuyện dữ liệu thúc đẩy thay đổi

Nghiên cứu tình huống: Semmelweis

Lịch sử chứa đầy những câu chuyện cảnh báo về các hình ảnh trực quan kém hiệu quả không thúc đẩy hành động như cách mà các câu chuyện dữ liệu có thể làm. Trong cuốn sách Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals, Brent Dykes đã dẫn câu chuyện của bác sĩ Ignaz Semmelweis như một ví dụ điển hình.

Sau khi phát hiện rửa tay có thể cứu sống người bệnh, Semmelweis đã không thuyết phục được cộng đồng y khoa hoài nghi tin vào phát hiện của mình. Nhìn lại, các nguyên tắc kể chuyện bằng dữ liệu lẽ ra có thể giúp ông truyền tải insight tốt hơn và cứu sống hàng nghìn người.

Được mệnh danh là “cha đẻ của vệ sinh tay”, Semmelweis là một bác sĩ người Hungary. Năm 1844, ông làm trợ lý tại một phòng khám sản khoa, nơi nhiều phụ nữ mắc sốt hậu sản – một cơn sốt do nhiễm trùng sau sinh.

Trong thời gian làm việc tại phòng khám, Semmelweis bị thu hút bởi một xu hướng lạ. Tỷ lệ tử vong ở các phòng khám do bác sĩ và sinh viên y khoa vận hành cao hơn đáng kể do sốt hậu sản (9,9%) so với các phòng do nữ hộ sinh điều hành (3,9%) (Hình 2). Khác với bác sĩ và sinh viên y khoa, nữ hộ sinh không thực hiện khám nghiệm tử thi trước các thủ thuật đỡ đẻ. Điều này khiến ông kết luận rằng vật chất từ thi thể làm tăng nguy cơ tử vong ở những phụ nữ này.

Hình 2. Các phòng khám do bác sĩ không rửa tay vận hành gây ra nhiều ca tử vong hơn.

Biết được điều đó, ông đề xuất thực hành rửa tay, và kết quả là tỷ lệ tử vong giảm mạnh. Thế nhưng, các phát hiện này vẫn không giúp ông thuyết phục được người giám sát của mình, Giáo sư Klein, về giả thuyết đó.

Semmelweis đã dành phần đời còn lại kiên trì ủng hộ việc rửa tay nhưng không thành công. Năm 1861, ông xuất bản công trình The Etiology, Concept, and Prophylaxis of Childbed Fever cho cộng đồng y khoa, và họ đã phản ứng chỉ trích gay gắt học thuyết của ông. Năm 1865, Semmelweis qua đời tại một bệnh viện tâm thần, rất lâu trước khi thuyết vi trùng được chấp nhận rộng rãi.

Hình 3. The Etiology, Concept, and Prophylaxis of Childbed Fever có hàng trăm trang và không có biểu đồ

Vì sao ông không thuyết phục được cộng đồng?

Brent dùng nghiên cứu tình huống này để cho thấy ba thành phần của kể chuyện bằng dữ liệu – dữ liệu, tường thuật và trực quan – là không thể thiếu để thúc đẩy thay đổi thông qua các câu chuyện dữ liệu. Trong trường hợp này, dữ liệu của Semmelweis rơi vào khoảng không vì không đi kèm một cấu trúc tường thuật thuyết phục cũng như không được minh họa bằng trực quan. Kết quả là dữ liệu của Semmelweis không thuyết phục được người nghe dù nó chính xác, có giá trị và có thể hành động.

Nhìn lại, Semmelweis đã có thể truyền tải thông điệp thuyết phục hơn bằng các câu chuyện dữ liệu. Dưới đây là một ví dụ của Brent Dykes về biểu đồ đường kết hợp dữ liệu, tường thuật và trực quan để kể một câu chuyện dữ liệu hấp dẫn.

Hình 4. Một câu chuyện dữ liệu của Dykes minh họa tốt hơn luận điểm của Semmelweis.

Cách tiếp cận của Semmelweis hoàn toàn đối lập với bác sĩ John Snow, một bác sĩ tại Vương quốc Anh, người đã nghiên cứu vụ bùng phát dịch tả ở Broad Street năm 1854 và đưa ra giả thuyết rằng nước bị vi trùng nhiễm bẩn gây ra bệnh tả. Sau khi chứng minh rằng tỷ lệ tử vong quanh một trụ bơm nước là cao, Snow đã thuyết phục được hội đồng địa phương vô hiệu hóa trụ bơm.

Hình 5: Hình ảnh trực quan dữ liệu của John Snow

Kết luận

Khác với Semmelweis, các chuyên gia kể chuyện dữ liệu ngày nay có trong tay vô vàn công cụ để tạo ra những câu chuyện dữ liệu lôi cuốn, từ các công cụ BI như Tableau đến các ngôn ngữ lập trình như python. Việc các nhà thực hành dữ liệu hiện đại làm chủ nghệ thuật và khoa học kể chuyện bằng dữ liệu để thúc đẩy hành động là điều hoàn toàn hợp lý.