Na co dzień, pomagam tworzyć skuteczne prezentacje, wspierając duże korporacje w wyciąganiu ciekawych wniosków z gąszczu danych, prezentowaniu ich w przystępny sposób i podejmowaniu na tej podstawie najlepszych decyzji. Często spotykam się z firmami, które aspirują do bycia „data-driven”, ale to podejście w praktyce sprowadza się do omawiania na spotkaniach niezliczonej ilości tabeli, wykresów i dashboardów kompletnie przeładowanych treścią, z których w praktyce niewiele wynika. W efekcie, firmy te zamiast być „data-driven” zaczynają być „data-paralyzed”. Organizacje te są sparaliżowane nadmiarem informacji i trudnościami w ich komunikacji, co negatywnie wpływa na procesy decyzyjne. Ten paraliż wynika z fundamentalnych problemów w komunikacji opartej na danych, które można określić mianem szumu.

Historia chaosu, czyli skąd się bierze szum w komunikacji danych

Wyobraźmy sobie typową sytuację, którą często widuję w firmach. Członek zarządu potrzebuje kluczowych, zwięzłych danych do podjęcia strategicznych decyzji. Jednak to, co otrzymuje, to długa prezentacja, która po 20 minutach wciąż omawia sposób dochodzenia do wniosków i formuły wyliczania danych, zamiast skupić się na samych wnioskach. Taka sytuacja prowadzi do opóźnienia decyzji i frustracji.

Z drugiej strony mamy analityka, który w pośpiechu, w weekend, przygotowuje prezentację pod presją sprzecznych wymagań:

• ma być zwięźle (trzy slajdy),
• wszystko ma się samo tłumaczyć i być czytelne,
• jednocześnie zawierać WSZYSTKIE dane „na wszelki wypadek”.

Analityk poświęca swój wolny czas, aby dostarczyć „dzieło”, które finalnie zostaje odrzucone z uwagą: „nie o to nam chodziło”, a do tego dowiaduje się, że „nie musieliśmy się tak spieszyć”. To nie jest historia o braku kompetencji operacyjnych, ale o braku komunikacji, który prowadzi do chaosu i nieporozumienia co do celów i oczekiwań.

Szum jako paraliż decyzyjny

Szum, w kontekście podejmowania decyzji, objawia się brakiem spójności celów, brakiem zrozumienia „dlaczego” oraz koniecznością domyślania się – co zawsze jest złym znakiem. Daniel Kahneman szeroko opisuje to zjawisko w swojej książce „Szum”, a problem paraliżu decyzyjnego w oparciu o dane potwierdza badanie „Decision Dilemma” przeprowadzone przez Oracle w 2023 roku na grupie 14 000 menadżerów. Okazało się, że ponad dwie trzecie badanych doświadcza wydłużenia lub paraliżu procesów decyzyjnych z powodu nadmiaru danych i chciałoby przekazać strategiczne decyzje w ręce AI. Jest to wyraźny sygnał, że nadmiar danych, zamiast pomagać, szkodzi.

Aby skutecznie prezentować dane i wpływać na decyzje, musimy redukować szum – zarówno narracyjny, jak i wizualny.

Redukcja szumu narracyjnego, czyli data-driven storytelling

Szum narracyjny pojawia się, gdy omawiamy zbyt wiele wątków, przekazujemy informacje nieistotne dla odbiorcy lub gubimy się w skomplikowanych szczegółach. Aby go zredukować, stosuję trzy kluczowe zasady:

1. Zasada Relewancji Danych (Data Relevance): Dane powinny być dobrane pod kątem odbiorcy i kontekstu. Dobrym przykładem jest scena z filmu Nie patrz w górę, w której naukowcy informują prezydenta USA o komecie. Zasypują go szczegółami takimi jak „metoda wyznaczania orbity Gausa” czy „średnia zmienna astrometryczna”, pomijając najważniejsze: że kometa na 100% uderzy w Ziemię i że mamy pół roku na przygotowania. Naukowcy zapominają o tym, że ich odbiorcy (w tym przypadku prezydenta USA) nie interesują niuanse dotyczące metody dochodzenia do wniosków, ale.. same wnioski. To od ich komunikacji powinno się zacząć, a potem zapytać, czy prezydent chce poznać szczegóły. Tak samo jest w przypadku danych biznesowych. Pamiętajmy o tym, że poziom kompetencyjny odbiorcy może się różnić od naszego i rolą osoby komunikującej dane jest dopasowanie dostosowanie poziomu zaawansowania przekazu do poziomu na jakim swobodnie czuje się odbiorca komunikatu – zwłaszcza, jeśli osoby te mają wpływ na późniejsze decyzje biznesowe. Podsumowując tę zasadę – CEO potrzebuje informacji o efekcie strategicznym, analityk o parametrach i anomaliach, a zespół sprzedaży o potencjale upsellingu – choć zbiór danych może być ten sam, prezentacje będą różne.

2. Skupienie na Zmianach (Focus on Changes): Ludzie z natury poszukują zmian. Nasze oko reaguje na kontrast wizualny i na tej samej zasadzie – nasz mózg reaguje na kontrast narracyjny. Dlatego jedną z kluczowych zasad skutecznej prezentacji danych jest skupienie na zmianach zachodzących w tych danych. Przykładem zastosowania tej zasady może być analiza wykresu liniowego uwzględniająca wydarzenia, które miały wpływ na zachowanie tej linii. Przykładem niech będzie analiza wykresu sprzedaży smartfonów marki Apple w Polsce. Sama linia, nawet zawierająca etykiety danych, poinformuje nas jedynie o wynikach sprzedaży w danym miesiącu czy kwartale. Ale dopiero naniesienie premier poszczególnych modeli iPhone’a pozwoli nam zrozumieć, czy dana premiera okazała się strzałem w dziesiątkę, czy biznesową porażką. Na wykresie widzimy, że premiery iPhone’a 14, 16 i 16e przyniosły duże wzrosty sprzedaży i umocnienie pozycji Apple na polskim rynku. Z kolei premiera iPhone’a 15 na pewien czas zatrzymała ten trend. Wiemy to, bo skupiamy się nie tylko na danych, ale na zmianach w nich widocznych. Skupienie na zmianach pozwala zrozumieć przyczyny i skutki, co daje pełniejszy wgląd w sytuację biznesową niż same liczby. Wykresy, które zamiast samych etykiet danych zawierają opisy wydarzeń skorelowane z linią trendu, nazywam wykresami eventowymi. Ich zastosowanie sprawia, że dużo łatwiej zrozumieć wydarzenia które miały wpływ na sytuację biznesową i dzięki temu – podejmować bardziej trafne decyzje.

3. Explain by Example, Not by Complexity: Zamiast tonąć w ogromnych tabelach danych, warto – po dokonaniu analizy – ilustrować wnioski konkretnymi przykładami. Na przykład – jeśli jesteśmy marką premium i analizujemy poniższą tabelę, pokazującą sprzedaż wybranych marek na norweskim rynku motoryzacyjnym, nie powinniśmy prezentować całej tabeli, lecz wyfiltrować inne marki premium aby zobaczyć, jak one się zachowują – bo to nasz punkt odniesienia. Następnie warto skupić się na jakimś benchmarku – weźmy za przykład Mercedesa, którego sprzedaż dramatycznie spadła w 2018 i 2019 roku powód? Reforma, która naniosła duże opodatkowanie na samochody spalinowe i zniesienie opodatkowania samochodów elektrycznych. A ponieważ Mercedes w 2017 nie miał żadnego elektryka w szerokiej sprzedaży, historia zakończyła się ogromnymi spadkami. Tu znowu widzimy, że dane powiedzą nam, że coś się wydarzyło, ale to nasza wiedza kontekstowa i tłumaczenie przez przykład pozwolą zrozumieć co się wydarzyło i dlaczego. Warto korzystać z przykładów, bo dużo lepiej rozumiemy poprzez dobrze dobrane case study, które można przełożyć na szerszą sytuację biznesową, niż poprzez ogromny zbiór danych, który „na koniec dnia” da nam te same wnioski.

Tabela nr: 1:

Tabela nr: 2:

 Redukcja szumu wizualnego – przejrzystość i kontrast

Szum wizualny to sytuacja, w której na slajdzie jest za dużo informacji, a oko odbiorcy męczy się i nie wie, na czym skupić swoją uwagę. W skutecznej wizualizacji danych chodzi o tworzenie przejrzystych wykresów i tabel, a nie jedynie „ładnych” wizualizacji, które nie spełniają swojej roli. Jak redukować szum wizualny? Oto kilka pomocnych zasad:

1. Współczynnik „Data-Ink”, czyli jeden z kluczowych wskaźników w wizualizacji danych. Jest to wskaźnik opracowany w latach 80-tych XX wieku przez Edwarda Tufte opisujący udział pikseli (atramentu), które mogą zostać usunięte bez straty informacji. Założenie skutecznej wizualizacji z uwzględnieniem tego współczynnika jest takie, aby stosunek zapisu danych do zapisu wszystkich informacji na slajdzie był jak najmniejszy – im mniej pikseli, tym więcej sensu. W praktyce oznacza to usuwanie zbędnego tła, niepotrzebnych etykiet, obramowań, nadmiaru kolorów i efektów specjalnych, aby uzyskać wyczyszczony wykres, który przekazuje te same informacje, ale jest dużo szybszy w analizie. Pamiętajmy: wizualizacja danych ma być funkcjonalna, nie ładna.

2. Kontrast: Po usunięciu zbędnych pikseli, należy uwydatnić kluczowe informacje, stosując kontrast. Tylko musimy pamiętać, jak stosować kontrast. Nadrzędną zasadą kontrastowania danych jest wyróżnianie mniejszej ilości danych względem całej wizualizacji. Z drugiej strony – jeśli każda komórka w tabeli miałaby inny kolor czy inny font, to wówczas powstałby szum wizualny. W takich sytuacjach wszystko kontrastuje ze wszystkim, czyli w praktyce nic nie kontrastuje z niczym – wszystko krzyczy i powstaje szum wizualny. Pamiętajmy przy tym, że kontrast to nie tylko kolory (np. ciemne kontra jasne), ale także działanie przestrzenne (np. oddalenie elementów) czy kontrast dynamiczny (powiększanie / pomniejszanie elementów podczas prezentacji). Celem jest zwrócenie uwagi tylko na to, co jest faktycznie istotne i omawiane w danym momencie prezentacji.

Czy szum możemy usunąć całkowicie? A jeśli nie, to czy istnieje odpowiedni poziom szumu w prezentacji danych?

Całkowite usunięcie szumu z prezentacji opartych na danych jest niemożliwe. Zawsze istnieje odpowiedni poziom szumu – kompromis, który pozwala na skuteczną komunikację.

Prezentacja ma odpowiedni poziom szumu, jeśli:

• Odbiorcy zadają istotne pytania.
• Nie ma nieporozumień.
• Nie rozprasza uwagi nadmiarem detali.
• Pojawia się dyskusja napędzana danymi.

Jeśli natomiast odbiorcy zadają nieistotne pytania, każdy rozumie slajdy inaczej, a zamiast słuchać, czytają slajdy, to poziom szumu jest zbyt wysoki, a podjęcie decyzji w oparciu o dane będzie trudne.

Nie prezentuj danych, prezentuj historie

W prezentowaniu danych nie chodzi o same dane, lecz o historie, które są w nich ukryte. Stosując techniki redukcji szumu narracyjnego (relewancja, skupienie na zmianach, tłumaczenie przez przykład) i wizualnego (Data Ink Ratio, kontrast), możemy sprawić, że nasze prezentacje będą dużo bardziej efektywne, decyzje będą podejmowane szybciej i będą bardziej trafne.

Myślcie o danych jak o surowym materiale. Same w sobie są jak chaotyczny zbiór luźnych liter. Dopiero gdy z tych liter ułożymy słowa, a ze słów zdania, a ze zdań spójną narrację, stają się zrozumiałą opowieścią, która może poruszyć i skłonić do działania.Początek formularza

Autor: Filip Werstler, Ekspert Digital University

Źródła:

Książka: „Szum” (D. Khaneman, O. Sibony, C.R. Sunstein)

Badanie: „Decision Dilemma” Oracle (2023)

Koncepcja: Data Ink Ratio Edwarda Tufte (1983)

Przykład wizualizacji funkcjonalnej: Mapa londyńskiego metra Harry’ego Becka (1932)