Apresentação sobre Data Storytelling elaborada para o 15 Meetup de Machine Learning Porto Alegre. Encontro realizado em março de 2020.

1. Data
Storytelling
Alessandra Maciel Paz Milani
Meetup - Machine Learning Porto Alegre
15º Encontro - 4/Março/2020

2. Alessandra M. Paz Milani
▸ Mestrado em Ciência da Computação (PUCRS, 2019)
▹ Principal área de pesquisa: Visualização de Dados.
▸ 15+ anos trabalhando com desenvolvimento de software
▹ Analista de Dados, Performance Engineer, Dev Java, ....
▹ Empresas: ADP, Dell, PUCRS, Banrisul, ....
2
paz.alessandra@gmail.com
www.linkedin.com/in/alessandrapm

3. Data
Storytelling
Conceito, vantagens e desvantagens
1

4. Principais elementos
4
Narrativa Dados Visual

5. Principais elementos
5
Narrativa Dados = Explicar+

6. Principais elementos
6
Visual Dados = Esclarecer+

7. Principais elementos
7
Narrativa Visual = Engajar+

8. Principais elementos
8https://www.forbes.com/sites/brentdykes/2016/03/31/data-storytelling-the-essential-data-science-skill-everyone-needs/#58432f0b52ad
Promover
Mudança =
e/ou Ação

9. “ As pessoas ouvem
estatísticas, mas
sentem histórias.
Dykes, 2016
9

10. 10
Estudos mostram que...
As histórias moldam
nosso cérebro,
unem estranhos e nos
levam a ser mais
empáticos e
generosos. https://greatergood.berkeley.edu/article/item/how_stories_change_brain

11. Vantagens
11
Lembrança
Engajamento
Persuasão

12. 12
Gerar uma visualização
de dados não significa
que já desenvolvemos o
data storytelling!

13. Caso 1
13https://www.nature.com/articles/s41396-019-0482-0/figures/7

14. 14
Cuidado com o design
e desenvolvimento da
sua apresentação.

15. 15
Caso 2
https://viz.wtf/post/182479405241/1955-of-dog-lovers-will-find-this-concerning

16. 16
Ética!
O objetivo não é
manipular o
público-alvo!

17. 17
Caso 3
https://viz.wtf/post/182454529715/in-brazil-vote-is-not-optional-everybody-has-to

18. Desvantagens
▸ Dificuldade para aplicação por
perfis mais técnicos.
(= requer capacitação e prática)
▸ Tempo de planejamento.
18

19. Exemplos de
aplicação
Do clássico até a geração automatizada
2

20. Caso 4
20
Gapminder
https://www.gapminder.org/

21. Caso 5
21
Big Data
Boldosova (2019, p. 1133).
A disseminação de
data storytelling
começa!

22. Caso 6
22
Jornalismo -
Folha de São Paulo
https://temas.folha.uol.com.br/eleicoes-2018-em-graficos/resultado/onda-de-direita-toma-o-pais.shtml

23. Caso 7
23
Geração Automática
Narrative Science
https://narrativescience.com/wp-content/uploads/2019/03/Solutions_Overview_Quill-Extensions_March-2019.pdf

24. 24
Oportunidade de pesquisa:
linguística + narrativa + IA + visualização de dados

25. Processo de
Visual Data
Storytelling
Principais componentes
3

26. 26Lee et al. (2015, p. 86)

27. Recurso para auxiliar no planejamento e
desenvolvimento da apresentação.
Canvas Data
Storytelling
4

28. 28

29. 29
Quais dados estão disponíveis?
Quais outros serão necessários?
Quais as fontes dos dados?
Onde eles estão armazenados?
Quais interpretações podem
ter esses dados?
O que buscamos com essa
análise?
O que surpreenderia o público alvo?
Quais informações promoveriam
maior impacto/ideias?
https://medium.com/@stefanocarnevalli/data-storytelling-canvas-conte-a-hist%C3%B3ria-do-seus-dados-9313d786bed9

30. 30
Quais são os principais fatos
ou palavras-chave para o
roteiro da apresentação?
Que técnicas de visualização?
Quais imagens?
Quais textos?
Qual tema central da
apresentação?
Será utilizada alguma metáfora?
https://medium.com/@stefanocarnevalli/data-storytelling-canvas-conte-a-hist%C3%B3ria-do-seus-dados-9313d786bed9

31. 31
Para quem vou apresentar?
Qual audiência? Qual perfil?
Qual a pergunta que temos
que responder?
Para quê? Qual finalidade?
Como será?
(presencial? distância?)
Quais recursos disponíveis?
Dinâmica ou estática?
Quanto tempo?
https://medium.com/@stefanocarnevalli/data-storytelling-canvas-conte-a-hist%C3%B3ria-do-seus-dados-9313d786bed9

32. Takeaways
Lições simples, outros exemplos,
sugestões de leitura, e referências
5

33. 33
Lições simples e aplicação prática
http://www.storytellingwithdata.com/
Entenda
contexto
Escolha
recursos
visuais
efetivos
Elimine
confusão Foque
atenção Conte
história

34. 34
Caso 8

35. 35
Caso 8 Conseguimos manter boa média de
atendimentos mesmo após 2 meses
do desligamento do colaborador mais
sênior.
Novo colaborador iniciou em julho,
mas ainda está em treinamento.
Em agosto o número de chamados
recebidos foi quase recorde! Desde
então, estamos sobrecarregados.
Atualmente nossa capacidade está em
atender 109 chamados por mês.
Enquanto que a média recebida é 161.
Necessidade da contratação de novo
colaborador.
1 sênior foi desligado (Maio)
1 novo foi contratado (Julho)

36. Caso 9
36http://www.r2d3.us/uma-introducao-visual-ao-aprendizado-de-maquina-1/

37. 37
Sugestões
https://www.crcpress.com/Data-Driven-Storytelling/Riche-Hu
rter-Diakopoulos-Carpendale/p/book/9781138197107
http://www.storytellingwithdata.com/books http://tede2.pucrs.br/tede2/handle/tede/8170

38. 38
Referências
Boldosova, V. (2019). Deliberate storytelling in big data analytics adoption. Information Systems Journal, 29(6),
1126-1152.
Carnevalli, S. (2019). Data Storytelling Canvas: conte a história do seus dados. Disponível em
https://medium.com/@stefanocarnevalli/data-storytelling-canvas-conte-a-hist%C3%B3ria-do-seus-dados-9313d786bed9.
Acessado em março 2020.
Dykes, B. (2016). Data Storytelling: The Essential Data Science Skill Everyone Needs. Disponível em
https://www.forbes.com/sites/brentdykes/2016/03/31/data-storytelling-the-essential-data-science-skill-everyone-needs/#78e
be08b52ad. Acessado em março 2020.
Gapminder. Disponível em https://www.gapminder.org/. Acessado em março 2020.
Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. John Wiley & Sons.
Lee, B., Riche, N. H., Isenberg, P., & Carpendale, S. (2015). More than telling a story: Transforming data into visually
shared stories. IEEE computer graphics and applications, 35(5), 84-90.
Zak, P. J. (2015). Why inspiring stories make us react: The neuroscience of narrative. In Cerebrum: the Dana forum on
brain science (Vol. 2015). Dana Foundation.

39. Material Adicional - VD
39
● Conforme solicitado no final da palestra, listo aqui algumas opções de frameworks para visualização de dados.
Bib/Pacote Página Documentação
Altair https://altair-viz.github.io/
Bokeh http://bokeh.pydata.org
Matplotlib http://matplotlib.org
Plotly https://plot.ly
Seaborn http://seaborn.pydata.org/
Python R JavaScript
● Uma das melhores soluções no mercado para visualização de dados é a
Tableau - https://www.tableau.com/.
○ Como desvantagens: requer um tempo para familiarização e
aprendizado dos seus recursos e tem custo $ (há uma licença para
estudantes, mas para fins comerciais é paga.)
Bib/Pacote Página Documentação
ggplot2 https://ggplot2.tidyverse.org/
ggvis https://ggvis.rstudio.com/
Plotly https://plot.ly/r/
rCharts https://ramnathv.github.io/rCharts/
Shiny https://shiny.rstudio.com/
Bib/Pacote Página Documentação
Chart.js https://www.chartjs.org/
D3.js https://d3js.org/
Google
Charts
https://developers.google.co
m/chart/interactive/docs/ref
erence
Highcharts https://www.highcharts.com
/demo
Plotly https://plot.ly/javascript/
Vega https://vega.github.io/vega/

40. Credits
Special thanks to all the people who made and released these awesome resources
for free:
▸ Presentation template by SlidesCarnival
▸ Illustrations by Sergei Tikhonov
40