Questo confronto esamina due modalità fondamentali con cui le organizzazioni interpretano le informazioni: l'approccio narrativo della strategia di storytelling e l'ambiente ricco di dati dell'analisi tramite dashboard. Mentre le dashboard offrono monitoraggio in tempo reale e precisione tecnica, lo storytelling colma il divario tra i dati grezzi e l'azione umana, fornendo contesto, emozioni e una chiara indicazione del percorso da seguire.
Un metodo narrativo che utilizza i dati per costruire un arco narrativo avvincente, concentrandosi sul perché determinate tendenze siano importanti per il pubblico.
Un'interfaccia visiva che aggrega molteplici flussi di dati in grafici e indicatori in tempo reale per un monitoraggio costante delle prestazioni.
| Funzionalità | Strategia di narrazione | Analisi del dashboard |
|---|---|---|
| Obiettivo primario | Persuasione e chiarezza | Monitoraggio ed esplorazione |
| Pubblico | Dirigenti e parti interessate | Manager e analisti |
| Frequenza di aggiornamento | Basato su statici/o traguardi | In tempo reale/Automatizzato |
| Impatto emotivo | Alto (Si collega al 'Perché') | Basso (Si concentra su 'Cosa') |
| Flessibilità | Selezionato e specifico | Dinamico e interattivo |
| Formato principale | Presentazioni/Relazioni | Interfacce SaaS/Strumenti di Business Intelligence |
| Carico cognitivo | Basso (Esperienza guidata) | Alto (richiede interpretazione) |
Raccontare storie è come fare una visita guidata in un museo, dove un curatore spiega nel dettaglio il significato di un dipinto. L'analisi dei dati tramite dashboard è più simile a ricevere le chiavi del museo e sentirsi dire di trovare la strada da soli; offre maggiore libertà di esplorazione, ma richiede un grande sforzo interpretativo da parte dell'utente.
Le dashboard eccellono in velocità, consentendo a un manager di vedere in pochi secondi se le vendite sono in calo. Tuttavia, è necessaria una strategia di storytelling per spiegare che le vendite sono in calo a causa di una mossa specifica di un concorrente o di un cambiamento nel sentiment dei consumatori, fornendo la profondità necessaria per risolvere il problema anziché limitarsi a individuarlo.
Una dashboard è uno strumento essenziale per il "motore" di un'azienda, che ne garantisce il funzionamento costante attraverso un monitoraggio continuo. Lo storytelling, invece, trova spazio nella "sala riunioni", dove dati complessi devono essere tradotti in una visione in grado di allineare centinaia di dipendenti verso un unico nuovo obiettivo.
Nei dashboard, gli elementi visivi vengono utilizzati per dare densità, condensando quante più informazioni possibili in uno spazio ridotto tramite griglie e piccoli grafici. Nello storytelling, gli elementi visivi servono per dare enfasi; un singolo grafico di grandi dimensioni può essere utilizzato per evidenziare un concetto, eliminando tutti i dati secondari per evitare distrazioni.
Un buon cruscotto dovrebbe raccontare una storia da solo.
Le dashboard sono progettate per l'esplorazione, non per la narrazione. Sebbene possano essere intuitive, aspettarsi che una raccolta di 15 grafici trasmetta un'unica "storia" specifica senza la guida umana spesso porta gli utenti a trarre conclusioni contraddittorie.
La narrazione dei dati consiste semplicemente nel creare delle belle diapositive.
Una narrazione efficace si basa su una struttura logica. Implica la selezione dei dati corretti, la loro organizzazione in una sequenza che crei suspense e la presentazione di una soluzione che affronti il problema aziendale, un'operazione che richiede un'attenta analisi.
Le dashboard sono più "oneste" delle storie.
Entrambi possono essere manipolati. Una dashboard può evidenziare "metriche di vanità" che nascondono i fallimenti, così come un articolo può selezionare i dati in modo arbitrario. L'onestà dipende dall'integrità dell'analista, non dal formato del risultato.
Ti serve solo l'uno o l'altro.
Sono simbiotiche. Si utilizza la dashboard per scoprire una tendenza sorprendente (l'"intuizione") e poi si costruisce una narrazione per spiegare tale tendenza alle persone che hanno il potere di agire di conseguenza.
Utilizzate gli strumenti di analisi del dashboard per le operazioni quotidiane in cui è necessario monitorare obiettivi in continua evoluzione e individuare rapidamente gli errori. Optate invece per una strategia di storytelling quando dovete ottenere un budget, lanciare una nuova iniziativa o spiegare la ragione "umana" che si cela dietro i numeri.
L'accesso ai dati in tempo reale e la reportistica differita rappresentano due approcci differenti alla tempistica dell'analisi. I sistemi in tempo reale forniscono informazioni istantaneamente, non appena i dati vengono generati, mentre la reportistica differita elabora le informazioni in batch, spesso ore o giorni dopo, privilegiando l'accuratezza, la convalida e un'analisi più approfondita rispetto alla reattività immediata negli ambienti decisionali.
L'aggregazione di dati in tempo reale e le fonti di informazione statiche rappresentano due approcci fondamentalmente diversi alla gestione dei dati. L'aggregazione in tempo reale raccoglie ed elabora continuamente dati in diretta da più flussi, mentre le fonti statiche si basano su set di dati fissi e pre-raccolti che cambiano raramente, privilegiando la stabilità e la coerenza rispetto all'immediatezza.
Sebbene entrambi i campi analizzino relazioni complesse all'interno dei dati, il data mining spazio-temporale si concentra su modelli che si evolvono sia nello spazio fisico che nel tempo. Al contrario, il data mining di grafi non temporali indaga l'architettura strutturale statica delle reti, come le gerarchie sociali o i legami chimici, dove la tempistica delle connessioni è meno critica della topologia complessiva.
Decidere tra l'analisi del comportamento degli utenti basata sui dati e l'intuizione del designer, derivante dall'esperienza utente, rappresenta un equilibrio fondamentale nello sviluppo di prodotti digitali moderni. Mentre l'analisi fornisce prove empiriche e quantitative di come gli utenti interagiscono con un'interfaccia in tempo reale, l'intuizione sfrutta la competenza professionale e la psicologia per innovare e risolvere problemi astratti degli utenti ancor prima che esistano dati.
L'analisi delle startup basata sui dati si avvale di metriche misurabili come crescita, fatturato e fidelizzazione per valutare le startup, mentre l'analisi narrativa si concentra sullo storytelling, sulla visione e sui segnali qualitativi. Entrambi gli approcci sono ampiamente utilizzati da investitori e fondatori per valutare il potenziale, ma differiscono nel modo in cui le prove vengono interpretate e le decisioni vengono giustificate.
