OpiniónAnalytics

¿Por qué el storytelling nos ayuda a entender mejor nuestros datos?

Daniel Díez Galdeano, Head of Big Data & Analytics en NEORIS España; en colaboración con Carmen Guisado Arroyo, Data Storytelling expert en NEORIS España.

Sabemos que muchos de los proyectos de Big Data terminan convirtiéndose en una herramienta de visualización de datos. Y que, aunque utiliza métricas perfectamente calculadas para sintetizar la información sobre la eficacia y productividad de las acciones que se lleven a cabo en un negocio, finalmente cae en desuso.

Hace años las empresas se gastaban miles de euros en proyectos que, desafortunadamente, no cumplían las expectativas de los usuarios de negocio para los que estaban construidos. Son muchas las variables que pueden hacer que un proyecto de visualización de datos finalmente no se use, y una de ellas es, sin duda, la forma en la que contamos los datos a los usuarios. Porque si estos no se entienden, difícilmente se podrán tomar las decisiones de negocio adecuadas.

Estamos hablando de lo que conocemos como el proceso de Data Storytelling, que consiste en llevar el análisis de datos a términos más entendibles por un usuario de negocio y que le sirvan de apoyo a la hora de tomar una decisión; un enfoque estructurado para comunicar insights sobre los datos a través de la combinación de tres elementos clave: datos, visuales y narrativa.

Si además somos capaces de juntar estos tres aspectos de una manera óptima, el resultado será un Data Storytelling que apoye a la audiencia a tomar decisiones, conduciéndoles hacia la evolución positiva del negocio. Algo que es especialmente importante en, por ejemplo, situaciones de crisis sanitarias, ya que una decisión acertada puede salvar miles de vidas.

Pero, para llegar al momento de toma de decisiones y comprensión plena de los datos que tenemos disponibles, es importante dar los pasos adecuados con una metodología y un equipo de trabajo que permita entender bien el negocio, los datos, las necesidades puntuales y los diferentes roles existentes en la audiencia de la organización; una metodología que incluya las siguientes fases:

  1. Entendimiento – La audiencia espera poder interactuar con los datos de forma rápida y eficaz, por lo que lo primero que tenemos que hacer es comprender a la audiencia para poder realizar una buena historia de datos. A diferencia de otras herramientas, en las que el flujo de uso es lineal, en el caso de la visualización de datos estamos hablando de un uso más ramificado que obliga a anticiparse a las múltiples cuestiones de los usuarios.

Iniciar el proceso con user stories nos ayudará a conocer y comprender lo que los usuarios quieren hacer con los datos, a descubrir los diferentes roles que supondrán la audiencia sobre la herramienta. Nos proporciona una “feature list” que nos permite ofrecer visualizaciones flexibles y que cambian según las necesidades del usuario, permitiendo una completa exploración de los datos.

  1. Ideación – En esta fase comenzamos a generar posibles soluciones en base al entendimiento previo y a través de workshops con el cliente donde se fomente el brainstorming para generar las diferentes ideas. Una vez tenemos los datos y sabemos qué se espera de ellos, es importante comenzar a trabajar en la forma de presentarlos y en la “historia” que nos van a ayudar a contar.

Además, definimos las métricas, los filtros, el nivel de detalle, etc., establecemos el dispositivo para el que se va a diseñar y, junto con el equipo técnico y el público objetivo, decidimos cual es la herramienta de visualización más adecuada según las necesidades técnicas y de usuario.

En definitiva, haremos una primera selección de visuales según los tipos de datos que queramos mostrar para así representarlos de una forma clara, atractiva y efectiva. De esta forma crearemos los primeros bocetos que nos serán de gran utilidad para la posterior fase de diseño.

  1. Diseño – Esta fase consiste en alinear y agrupar elementos y gráficos para empezar a diseñar el Data Storytelling y aproximarnos lo máximo posible al diseño real que más tarde será implementado en la herramienta de visualización de datos. Es una de las fases más importantes, ya que el diseño inicial marca la pauta del proyecto entero y no deben perderse de vista el objetivo principal: hacer de los datos una herramienta útil y comprensible para nuestro público objetivo. El diseño, en este caso, tiene una intención práctica y debe estar al servicio de facilitar la labor del estadista y convertir los datos en algo comprensible según lo que hayamos decidido durante la fase de ideación.
  1. Feedback e iteración – Se testea el diseño con distintos usuarios representativos dentro de la audiencia objetivo para entender cómo los usuarios perciben las visualizaciones del prototipo y poder medir la usabilidad de las mismas. Esta fase se puede implementar en diferentes partes del proceso, llevando a cabo pruebas en un laboratorio de usabilidad con integrantes del equipo que han trabajado en el proyecto antes de llegar al diseño final que se testeará con los usuarios.

En base al feedback obtenido se procederá a la iteración para redefinir los elementos y llegar a un diseño final que cumpla las necesidades y expectativas del usuario, mejorando así el prototipo antes de la implementación con la herramienta de visualización de datos.

En resumen, un proyecto de Big Data que desemboque en una herramienta de visualización de datos será un éxito si realmente se termina utilizando para tomar las decisiones adecuadas para un negocio o situación. Y esto será posible si se desarrolla una historia a partir de los datos que cuente una determinada situación de forma correcta y eficaz.

Computing 791