新手数据讲师所犯的最常见的错误，以及如何改正它们

在制作数据故事时，很容易迷失在细节中，并且无法创造出可以激发别人动手操作的数据故事。下面是新手数据讲师所犯的最常见的错误，以及如何改正它们。这些技巧来自“像数据讲述者一样思考”研究会。

1. 数据故事不适合听众

不是所有的听众都是相同的，不是所有的听众都有一样的目标。即使您自己审视自己团队内部，也可以考虑一个技术支持专家和一个运营主管如何具有不同的观点。尽管两者都有共同的目标即服务客户，但每个人对于这个目标能够实现的方法和原因具有不同的观点。

许多展示数据故事的讲师只创建一套目标过于广泛的幻灯片。在这些故事中，听众可能不理解接下来会发生什么，或者可能无法理解这个问题。所以请确保仔细思考，您的听众可能会遇到什么问题并通过故事的讲述回答这些疑问。

2. 数据支持的是另一个不同版本的故事

研究数据的很多时候，研究者允许偏差蔓延。偏差可能源于我们为了得到想要的结果，精心选择特定数据。在“醉酒与癌症之间的混乱关系”一文中，作者说，表明酒精是健康的先前研究受到了偏差选择的影响。该文中的原始数据把健康的饮酒者和因病戒酒者混在一起，作者将其描述为非饮酒者和适度饮酒者相比，实际上这些“非饮酒者”是一些曾经的酗酒者或者因病不能再继续喝酒的人组成的，而这些人通常比健康的适度饮酒者病得更严重。这个结果证明该研究得到了错误的结论。

在制作数据故事时，请确保你正在使用合适的统计技术，并让其他人严格地审查您的结论。

图1 在墙上贴便签的女人

3. 数据故事缺乏重点

对于一个数据故事，为有效地促成听众进行操作，信息必须是简单的。新手的数据讲师大多使用多个信息形成一个复杂的故事。听众会因此变得困惑甚至有挫败感。

1854年，约翰·斯诺博士用一个简单的信息讲述了一个数据故事：“我们可以通过关闭被污染的布罗德街水泵来阻止霍乱流行。”这不仅是一个简单的信息，也是一个可行的信息。

让你的信息简单和重点明确。想一想，“在看了我的数据故事后，我想让听众做些什么？”那么就在那个元素周围加工你的信息。

4.数据故事充满了数据

我们的大脑对故事更敏感而非数据。在“Made to Stick”这本书中，作者Chip and Dan Heath提及了一项研究，研究要求学生向班里的同学展示一分钟有说服力的演讲。平均每个演讲包含2.5个数据。只有一个演讲包含了一段故事。

十分钟之后，研究者要求这些学生拿出一张纸并且写下他们记得的信息。只有5%的同学记住了数据；63%的学生记住了故事。想一想——这个故事是听众能够保留下来的。这是因为故事能激发我们的情感，使我们能够成功地回忆起故事。

讲述数据故事时，试着把统计数据限定在最重要的几个方面。你使用的任何统计数据都应该是效果出色的并且有助于叙述。请仔细选择那些具有重要影响的部分。

5. 恰当的数据可视化方法被忽视了

许多数据故事陈述者并不精通展示数据的方法。因此，信息在不恰当的表达方式下变得混乱和费解。可以把这件事比作有人在同时说两种语言，但你只会理解你所知道的语言。

在制作数据故事前，确保理解如何编码变量。研究数据可视化技术或者与能助你成功完成展示的专家合作。

想想已故的汉斯·罗斯林教授在他的TED演讲中讲述的故事，或者他为BBC4创作的这个叫做“The Joy of Stats”的故事。他巧妙地用一张图表将120个数字简化成关于健康和财富的简单信息。

6.缺乏引人入胜的叙述

当数据呈现出令人意外的结果时，听众会很激动。但如果你的数据故事没有展示出任何新结论，那么听众也会失去兴趣，没有动力去尝试。

Freakanomics这本书的作者Steve Levitt 和Steve Dubner，在数据中找到了意想不到的答案。在一项研究中，他们发现，低级别的毒贩可能赚不到比在快餐店工作更多的钱。由于大多数人认为毒品交易能带来奢华的生活，因此这个发现令人意外。然而，在每一个播客中，他们都讲述了一个吸引人的故事。

如果你的数据甚至无法让你发出一声“哇”的惊叹，或许你的叙述方式是不对的。

7.数据故事中缺乏“人”

人们都对其他人的故事感兴趣。如果你了解过历史上的伟大故事，那么你会知道所有这些故事都是关于某人如何成功地处理逆境。“某人”可能是卢克·天行者或李尔王这样的个体，也可能是一个群体，比如军队如何打败敌人。故事帮助我们了解生活是如何变化的以及它为什么会改变。这些故事可以教会听众如何处理反对意见，如何面对困难的决定，以及如何采取最佳行动。

我们的大脑关注其他人的故事。在罗斯林的“Numbers are Boring, People are Interesting”演讲中，他用自己举例来鼓励听众改变对于家庭的看法。他讲述了自己牺牲职业目标，在家陪伴孩子的故事。他的题目泄露了一个讲好故事的秘密——这是关于人的故事，不是关于数字的故事。

你的关键点

你可能会多次重复修改你的数据故事，就像在写小说一样。没关系，这是过程的一部分，每次都会有提升。