March 28, 2022
文章标签
数据仪表盘（Dashboard）一度被认为是最好的信息交流方式，它将数据可视化与简单的语言描述能力相结合，可能还额外提供了简单的搜索能力。但它的问题在于，数据的使用方（商业用户）很难理解它们。数据仪表盘可能很复杂，搞清楚如何使用它们不是简单的事情。数据仪表盘提供的描述性结论，往往也都是浅显的片段性结论。用户往往需要对多个可视化工具进行解读、串联，形成最终的有效结论。同时，针对仪表盘提供的搜索功能，如果用户都不了解可视化工具，那就没法有针对性的提出问题，继而也就没法根据这些问题，有的放矢的使用搜索能力。
数据仪表盘的原罪在于过于“通用”：试图用一种通用的形式连接、展示数据，导致无法照顾到个性化的业务需求，为了满足个性化，就需要各种定制化的制作与编排，一方面导致制作成本高，另一方面会导致阅读困难，高信息密度的仪表盘是难以理解的。
为了让数据更易于理解，可以摒弃仪表盘这种没有任何上下文的展示形式，相应的，可以将数据转换为易于阅读、理解的洞察（Insight）。通过将数据洞察主动展示给用户，将用户从繁杂的洞察挖掘、翻译过程中解放出来。
为了改进数据仪表盘的问题，业界提出了一种数据故事的洞察讲述方式。数据故事期望用一种讲故事的方式，向数据阅读者传达洞察的主题，它解决了数据仪表盘的上述问题。对比仪表盘和数据故事。
| 数据仪表盘 | 数据故事 |
|---|---|
| 用可视化的形式展示洞见 | 用通俗易懂的语言（故事）描述洞见 |
| 仪表盘通常是静态或固定日期的 | 在类似新闻源的界面中提供最新的洞见 |
| 依赖用户对数据可视化的理解能力 | 每个人都可以理解的客观洞见，不需要任何解释成本 |
| 多用途通用 | 每个用户定制，个性化 |
| 移动端不友好 | 多端通用 |
| 需要用户明确感要解答的问题 | 预测用户感兴趣的问题，并自动给出答案 |
对于数据仪表盘，数据故事的优点在于尝试通过细化的制图，对数据的分析过程进行情节化的串联，在这个过程中，以一种用户易于理解的形式，用较低的沟通成本，向用户展示数据洞见。
Data StoryTelling=可视化（Visualization ）+ 叙述（Narrative） + 上下文（Context）
原始数据是很难阅读与理解的，即使是一个很简单的数据集，对于阅读者来说也是不够直观。
借助于可视化工具，可以为阅读者提供直观的数据分布情况的展示。
接下来需要回答两个问题：