Perché sapere raccontare storie con i dati è così importante (e perché siamo così poco capaci di farlo)

Cinque motivi per cui è importante per le organizzazioni raccontare storie attraverso i dati e l’analytics e quattro motivi per cui ciò viene fatto poco e male

Ogni volta che parlo con una persona che si occupa con successo di analytics – e lo faccio spesso – non passa di solito molto tempo prima che se ne esca con la frase: “con i dati bisogna raccontare delle storie”. Sembrerebbe del tutto ovvio che persone che lavorano ogni giorno con i dati avvertano la necessità di raccontare i processi nei quali sono impegnati e gli esiti dei loro sforzi. In verità, per molti di essi ciò non è affatto ovvio. In questo articolo descriverò cinque motivi per cui è importante per le organizzazioni raccontare storie attraverso i dati e l’analytics e quattro motivi per cui ciò viene fatto poco e male.

Ritengo che chi ama l’analisi dei dati debba amare anche raccontare storie (e farlo bene). Per le ragioni che elencherò qui di seguito.

  1. Le storie si sono sempre rivelate degli strumenti efficaci per la trasmissione del sapere; quelle che riguardano i dati e la loro analisi sono semplicemente le versioni più attuali di questi strumenti. La narrazione è il modo in cui semplifichiamo la complessità del mondo e proviamo a dare ad esso un senso, fornendo una descrizione del contesto, spunti di riflessioni e possibili interpretazioni, proprio ciò che rende anche i dati significativi e la loro analisi interessante.
  1. L’obiettivo dell’analytics è di solito quello di ispirare i processi decisionali e i piani d’azione. Attraverso uno strumento così influente, infatti, è possibile persuadere, trasmettere fiducia e guidare il cambiamento. Ma per quanto straordinariamente precisa possa essere l’analisi e per quanto elevata la qualità dei dati forniti, sarà difficile convincere gli stakeholder se questi non saranno in grado di comprendere davvero i benefici del lavoro fatto sui dati. Potranno avere bisogno di una storia costruita con immagini o di una raccontata più tradizionalmente con le parole. Ma la storia sarà in ogni caso necessaria.
  1. La maggior parte delle persone non è in grado di comprendere in dettaglio il lavoro di analisi dei dati, ma vuole averne ben chiaro il risultato finale. Le storie che incorporano al loro interno dati e processi di analisi risultano molto più convincenti di quelle basate unicamente su aneddoti ed esperienze personali. Forse le più convincenti in assoluto sono però quelle che sanno combinare l’uso di dati e analytics e un particolare punto di vista o un esempio che riguarda persone e organizzazioni reali.
  1. Il lavoro di preparazione e di analisi dei dati spesso necessita di molto tempo. Chi intende usufruire di tale lavoro, visualizzandone i risultati per decidere come orientare le proprie decisioni, ha però bisogno di rappresentazioni sintetiche. Sarebbe uno spreco di tempo (oltre che un lavoro noioso) condividere con essi tutti i dettagli di un’analisi quantitativa. Gli analisti devono perciò trovare un modo per comunicare le scoperte più salienti del loro lavoro in una forma concisa e brillante. Le storie sono perfette a questo scopo.
  1. Qualcuno ha sostenuto che considerando l’intera produzione letteraria mondiale di ogni epoca siano individuabili solo sette tipi di intrecci narrativi fondamentali (http://en.wikipedia.org/wiki/The_Seven_Basic_Plots). Anche per quanto riguarda le storie costruite attorno ai dati è possibile isolare alcune tipologie di base. Io ho provato a dimostrare che sono dieci in tutto (https://hbr.org/2014/05/10-kinds-of-stories-to-tell-with-data/). Al di là di ogni questione in merito al loro numero, comunque, se un’organizzazione ha ben chiari i diversi tipi di storie che possono essere raccontate servendosi dei dati e dell’analytics, sarà assai più probabile che i suoi analisti esploreranno, nel corso degli anni, numerose possibilità di racconto. Ancora più importante è poi che il repertorio di storie da narrare ne comprenda diverse capaci di andare oltre il semplice resoconto di ciò che è successo.

Why data storytelling is so important—and why we’re so bad at it

Ma perché le persone e le organizzazioni sono così poco capaci di costruire storie con i dati? Vediamo alcune ragioni.

  1. Gli analisti spesso non sono motivati a comunicare con gli altri esseri viventi, o non ne sono proprio in grado. Quando ancora frequentano la scuola, tendono a gravitare verso ambiti del sapere dove è possibile trovare contenuti ben strutturati, inequivocabili, immutabili come la matematica, la statistica e l’informatica. In seguito, entrati nel mondo del lavoro, continuano a favorire l’interazione con i numeri più che quella con i colleghi. Naturalmente, non tutti gli analisti presentano queste caratteristiche e qualcuno di essi, pur partendo da una particolare predisposizione per i numeri, riesce nel tempo a sviluppare un interesse anche per questioni legate all’ambito umanistico e letterario. Tuttavia, occorre riconoscere che raccontare storie coinvolgenti non viene particolarmente naturale a molti analisti.
  1. Se gli analisti non sono naturalmente portati per lo storytelling è anche perché nel corso dei loro studi a questa attività non viene prestata alcuna attenzione. Gran parte dei docenti dei corsi universitari in materie scientifiche non hanno infatti coltivato la capacità di raccontare. E probabilmente molti di essi ritengono che sia più importante formare attraverso la trasmissione di istruzioni e metodi, piuttosto che “sprecare tempo” per insegnare come costruire un racconto. Peccato che questo approccio sia giudicato negativamente dalle organizzazioni per le quali i futuri analisti lavoreranno. In un sondaggio compiuto su 400 reclutatori di analisti neo-laureati (http://www.statslice.com/wp-content/uploads/2013/03/State-of-Academics-My-Article.pdf) la capacità di saper comunicare ha ottenuto il punteggio più alto tra tutte le skills considerate essenziali per la professione.
  1. Eccedere nello storytelling, potrebbero pensare alcuni analisti, è un insulto alle capacità tecniche di un analista – o comunque rappresenta un utilizzo poco produttivo del suo tempo. Un analista preparato potrebbe a ragione sostenere che sono molte le persone che sanno raccontare delle buone storie, ma relativamente poche quelle che possono eseguire un modello di regressione logistica con correzioni per la eteroschedasticità. Il miglior uso del tempo e dei neuroni degli analisti sarebbe allora quello di impiegarli per la pura analisi quantitativa, affidando ad altri il compito di rendere più comprensibili i dati di tale analisi attraverso la creazione di storie. Ciò può essere vero, a patto però di riconoscere che lasciare che siano persone che non si occupano direttamente di analisi dei dati a tradurre i risultati di queste analisi in storie può essere particolarmente pericoloso, oltre a comportare una maggiore disponibilità di forza lavoro.
  1. Pensare in modo creativo a come raccontare una buona storia con i dati sottoposti ad analisi richiede un notevole impegno, in termini di ore di lavoro, da parte degli analisti. In effetti, un analista senior impiegato presso una società farmaceutica mi ha detto che lui e la maggior parte dei membri del suo gruppo di analisi spendono circa metà del loro tempo a pensare a come meglio comunicare i loro risultati analitici. È dunque comprensibile che molti analisti siano riluttanti a dedicare tempo a questa parte del lavoro, anche se ciò renderebbe senza dubbio i loro sforzi più efficaci.

Ci sono dunque diversi motivi per cui il saper raccontare storie con i dati è fondamentale per il successo dei progetti di analisi, e diversi motivi per cui ciò non avviene. Ho mostrato che esistono più ragioni per raccontare buone storie che ostacoli per farlo. E così la mia storia può avere un happy end.

 

Post apparso in origine su dupress.com (sezione Essays). Traduzione di Paolo Ligutti.
Ripubblicato per gentile concessione di Deloitte University Press, che ringraziamo. 
Copyright © 2014 Deloitte Development LLC. Tutti i diritti riservati.