数据叙事是一种用叙事元素和探索性可视化来传达数据洞见的结构化方法。希望将数据转化为洞见与决策的人，都应掌握讲述数据故事的艺术。
与单纯展示统计数据相比，数据故事更具吸引力、更易被记住，也更具说服力。在一项对“拯救儿童”慈善机构两版宣传册进行测试的研究中，拿到信息图版的捐赠者捐款约少了 50%，而拿到故事版的捐赠者更愿意捐助。另一项研究发现，人们在听到一个故事时会更少持怀疑态度，但在只看到统计数据时会更挑剔。
数据故事由三个关键要素构成——数据、可视化和叙事。要讲好数据故事，需要选择正确的数据，采用能引导故事走向的叙事结构，并用有感染力的视觉来呈现。
图 1：叙事、可视化与数据共同驱动改变的数据故事
塞麦尔维斯个案研究
历史上不乏糟糕的数据可视化的警示故事，它们无法像数据故事那样有效推动行动。在其著作《Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals》中，Brent Dykes 引用了伊格纳兹·塞麦尔维斯医生的故事，作为其中一例。
虽然发现洗手可以挽救生命，塞麦尔维斯却未能说服持怀疑态度的医学界接受其发现。事后看来，数据叙事原则本可以帮助他更好地传达洞见，从而挽救成千上万的生命。
塞麦尔维斯被称为“手部卫生之父”，是一位匈牙利医生。1844 年，他在一家产科诊所担任助手，许多产妇在分娩后因感染而出现产褥热并发高烧。
在诊所工作期间，塞麦尔维斯被一个异常趋势所吸引。由医生和医学生执业的诊所，因产褥热导致的死亡率显著更高（9.9%），而助产士执业的诊所为 3.9%（见图 2）。与医生和医学生不同，助产士在接生前并不进行尸检。这使他得出结论：尸体上的物质会增加产妇的死亡风险。
图 2：不洗手的医生执业的诊所导致了更多死亡。
据此，他提出应当洗手，这大幅降低了死亡率。然而，这一发现仍未能让其上级克莱因教授信服其理论。
此后，塞麦尔维斯一生都在大力倡导洗手，但收效甚微。1861 年，他向医学界出版了《产褥热的病因、概念与预防》，但该理论遭到强烈批评。1865 年，细菌学说尚未被广泛接受时，塞麦尔维斯便在精神病院去世。
图 3：《产褥热的病因、概念与预防》篇幅浩繁，却没有任何图表
Brent 用该案例说明，数据叙事的三大组成部分——数据、叙事与可视化——在通过数据故事推动改变时缺一不可。在这个案例中，塞麦尔维斯的数据无人问津，因为既没有有力的叙事结构，也缺乏可视化呈现。结果是，尽管数据准确、有价值且可付诸行动，他仍未能说服受众。
回头看，塞麦尔维斯若用数据故事来传达信息，会更具说服力。以下是 Brent Dykes 提供的一个折线图示例，将数据、叙事与可视化结合，讲述了一个有感染力的数据故事。
图 4：Dykes 的数据故事，更好地阐明了塞麦尔维斯的观点。
塞麦尔维斯的方法与英国医生约翰·斯诺截然不同。后者研究了 1854 年大宽街霍乱爆发，并提出受到病菌污染的水会引发霍乱。通过证明某水泵周边的死亡率较高，斯诺成功说服当地议会停止使用该水泵。
图 5：约翰·斯诺的数据可视化
结论
与塞麦尔维斯不同，如今的数据叙事者可以使用丰富的工具来打造引人入胜的数据故事，从Tableau 等商业智能工具到Python等编程语言。对于现代数据从业者而言，掌握数据叙事的艺术与科学，以推动行动，至关重要。
数据叙事是一种用叙事元素和探索性可视化来传达数据洞见的结构化方法。希望将数据转化为洞见与决策的人，都应掌握讲述数据故事的艺术。
与单纯展示统计数据相比，数据故事更具吸引力、更易被记住，也更具说服力。在一项对“拯救儿童”慈善机构两版宣传册进行测试的研究中，拿到信息图版的捐赠者捐款约少了 50%，而拿到故事版的捐赠者更愿意捐助。另一项研究发现，人们在听到一个故事时会更少持怀疑态度，但在只看到统计数据时会更挑剔。
数据故事由三个关键要素构成——数据、可视化和叙事。要讲好数据故事，需要选择正确的数据，采用能引导故事走向的叙事结构，并用有感染力的视觉来呈现。
塞麦尔维斯个案研究
历史上不乏糟糕的数据可视化的警示故事，它们无法像数据故事那样有效推动行动。在其著作《Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals》中，Brent Dykes 引用了伊格纳兹·塞麦尔维斯医生的故事，作为其中一例。
虽然发现洗手可以挽救生命，塞麦尔维斯却未能说服持怀疑态度的医学界接受其发现。事后看来，数据叙事原则本可以帮助他更好地传达洞见，从而挽救成千上万的生命。
塞麦尔维斯被称为“手部卫生之父”，是一位匈牙利医生。1844 年，他在一家产科诊所担任助手，许多产妇在分娩后因感染而出现产褥热并发高烧。
在诊所工作期间，塞麦尔维斯被一个异常趋势所吸引。由医生和医学生执业的诊所，因产褥热导致的死亡率显著更高（9.9%），而助产士执业的诊所为 3.9%（见图 2）。与医生和医学生不同，助产士在接生前并不进行尸检。这使他得出结论：尸体上的物质会增加产妇的死亡风险。
据此，他提出应当洗手，这大幅降低了死亡率。然而，这一发现仍未能让其上级克莱因教授信服其理论。
此后，塞麦尔维斯一生都在大力倡导洗手，但收效甚微。1861 年，他向医学界出版了《产褥热的病因、概念与预防》，但该理论遭到强烈批评。1865 年，细菌学说尚未被广泛接受时，塞麦尔维斯便在精神病院去世。
他为何未能说服同行？
Brent 用该案例说明，数据叙事的三大组成部分——数据、叙事与可视化——在通过数据故事推动改变时缺一不可。在这个案例中，塞麦尔维斯的数据无人问津，因为既没有有力的叙事结构，也缺乏可视化呈现。结果是，尽管数据准确、有价值且可付诸行动，他仍未能说服受众。
回头看，塞麦尔维斯若用数据故事来传达信息，会更具说服力。以下是 Brent Dykes 提供的一个折线图示例，将数据、叙事与可视化结合，讲述了一个有感染力的数据故事。
塞麦尔维斯的方法与英国医生约翰·斯诺截然不同。后者研究了 1854 年大宽街霍乱爆发，并提出受到病菌污染的水会引发霍乱。通过证明某水泵周边的死亡率较高，斯诺成功说服当地议会停止使用该水泵。
结论
与塞麦尔维斯不同，如今的数据叙事者可以使用丰富的工具来打造引人入胜的数据故事，从Tableau 等商业智能工具到Python等编程语言。对于现代数据从业者而言，掌握数据叙事的艺术与科学，以推动行动，至关重要。