“每一張圖片都能講述一個故事，難道不是嗎?”——引用 Rod Stewart 的歌詞開始這篇文章。用數據講故事被一些BI和數據可視化供應商視為一大賣點，但就像引用的這首1971年的老歌一樣，數據講述其實并不是什么新鮮的事物。

“每一張圖片都能講述一個故事，難道不是嗎?”——引用 Rod Stewart 的歌詞開始這篇文章。用數據講故事被一些BI和數據可視化供應商視為一大賣點，但就像引用的這首1971年的老歌一樣，數據講述其實并不是什么新鮮的事物。

作為市場營銷人員，更喜歡可靠的營銷信息，用數據講述是非常重要的。但是BI和可視化軟件供應商現在做的只是讓企業的數據講述方式更加豐富了一些而已，要成功的完成數據講述，僅僅創建數據可視化是完全不夠的。

實際上，企業使用數據講述的時間要遠遠長于電腦誕生的時間。計算機的出現讓我們能夠分析更多的數據，更快、更準確進行故事講述。但事實上，在1980年代中期，當我還是一個COBOL金融大型機的軟件程序員時，我們就一直在進行數據講述了。

在1990年代，微軟PowerPoint接管了企業數據講述的任務，這其實對數據講述產生了不良影響。不是PowerPoint本身不好，只是因為太多的人耗費大量時間去設計幻燈片切換，或者花哨的圖案以及動畫，而不是關注他們想要傳達的信息。

同時，計算能力和數據量的增長限制了分析師可用的數據講述技術：報告的靜態性質決定了提交給高管們的最終數據形式。

當數據講述遇上數據分析

幸運的是，BI技術開始逐漸成熟。1990年代，BI供應商數量不斷涌現，例如Business Objects， Cognos 和MicroStrategy等公司，他們努力為業務分析師和BI開發人員提供低延遲的分析功能。最初，這帶來的主要好處是擴充了靜態報告和演示文稿的數據來源。

處理性能持續提高，讓很多事成為了可能，這其中就包括臨時數據查詢。這對于商業運作和數據驅動型的數據講述來說意義重大。以銷售團隊為例，BI軟件出現以前，銷售主管想要知道區域團隊和個體銷售代表的業績信息，必須通過打印報表或電子表格。BI作為一個提供查詢銷售數據的統計分析工具，為管理者提供了更快、更好的數據洞察能力。

自2000年代中期以來，一些新興BI廠商，如Tableau Qlik等，以及一些老牌廠商，紛紛基于自助式BI和數據可視化軟件，轉向更動態的數據分析和數據講述方式。這并不是數據講述的起源，這只是數據講述在形式上的一種變化而已。

我們可以把過去數據講述的方式類比于寫小說。他們需要大量的前期構思和情節設置;然后作者才下筆寫作。每個人閱讀的都是一個生成的報告，無論在這個報告產生的一天還是一年之后，每個人讀到的報告都不會改變。

新的數據講述更類似于即興發言，甚至即興表演。數據分析和報告的時間框架已經縮小，現在數據分析和報告已近乎實時甚至就是以實時的形式不停發生著，即興表演者和觀眾互相交流，調整數據講述的內容。

數據講述有風險 選擇需謹慎

提高數據分析靈活性為企業帶來了很大優勢，但有存在著一些風險。在尚無文字的世界里，知識傳遞主要是通過故事的方式。然而，這里面存在兩個問題：個體講述者可能學習的是不同版本的故事，甚至同一個人可以每次都可以用不同的方式講述同一個故事。

在商業領域，這種差異可能導致一些嚴重問題。當一個銷售總監討論在某一區域發生了什么的時候，區域經理需要明白總監到底是什么意思。每個地理區域的關鍵績效指標衡量標準必須是相同的或者可互相轉譯的，只有這樣，在企業層面，績效指標的衡量才真正有意義。

自助服務分析和數據可視化的即時性為這一過程增加了另一重難度。口頭故事隨著時間的推移，可能會隨時發生變化，然而，其寓意可能是相同的。如果描述區域銷售的數據講述發生變化，比較銷售數據的意義還會一致么?財務指標并不存在什么寓意，它需要一致性。

因此，數據可視化和故事講述的自由性不能是絕對的。這就是為什么企業需要元數據和主數據管理的原因。他們提供一致的數據語法和語義，這對于跨區域和業務單元的數據講述是非常必要的，它能夠避免企業對數據講述產生誤解，也避免其因為誤解做出錯誤決策。

就像之前電腦使用的普及在企業中造成一些混亂的情形一樣，新型數據分析、可視化和數據講述的方式有好處也有壞處。為了成功的利用上述工具，企業需要共同的語言和共享的上下文。我們需要確保這種數據講述的新方式確實增加了商業描述的生動性。