Apa yang pertama kali terlintas di benakmu ketika kamu mendengar kata storytelling? Sebuah cerita pengantar tidur dengan sampul warna-warni yang pernah menjadi teman masa kecil Anda atau kolom-kolom panjang berisi angka dan huruf yang harus diolah di Microsoft Excel? Bersama kemajuan teknologi, data menjadi bagian penting dalam keputusan hidup sehari-hari. Namun, apa yang terjadi apabila masyarakat tidak dapat memahami bagaimana ilmuwan mempresentasikan mengenai data yang sudah mereka olah? Dalam kesenjangan pemahaman yang dialami antara masyarakat dan ilmuwan, data storytelling hadir untuk menjembatani hal tersebut.
Apa Itu Data Storytelling?
Data storytelling adalah sebuah cara---sebuah seni---untuk menyampaikan dan mengomunikasikan lebih lanjut mengenai visualisasi data. Data storytelling tidak hanya tentang membuat tabel dan diagram untuk memberikan informasi pada orang-orang, tetapi juga tentang bagaimana orang-orang memahami representasi data dengan baik.Â
Tantangan utama dalam data storytelling adalah memastikan bahwa pesan yang disampaikan dapat diterima dengan tepat oleh seluruh lapisan masyarakat, termasuk mereka yang memiliki pengetahuan terbatas tentang data dan analisis. Oleh karena itu, data scientist harus menguasai seni komunikasi dan memilih metode storytelling yang tepat untuk memperjelas dan memperkuat pesan yang ingin disampaikan.
Manfaat Data Storytelling
Sebagai analis bisnis, menginterpretasikan dan memanfaatkan data yang kompleks untuk pengambilan keputusan bisa menjadi tantangan yang besar. Namun, dengan data storytelling, analisis tersebut dapat disajikan dengan cara yang mudah dimengerti dan menarik bagi pembuat keputusan dan pemangku kepentingan. Penelitian menunjukkan bahwa visualisasi data membuat manusia lebih mudah memahami informasi dengan upaya kognitif minimal.Â
Selain itu, data storytelling juga berhubungan erat dengan keberhasilan analisis bisnis karena memberikan sarana yang efektif untuk berbagi hasil analisis dengan cara yang persuasif dan mudah diingat. Sayangnya, metode dan alat storytelling yang tepat masih kurang dimanfaatkan secara luas, sehingga perlu dilakukan upaya untuk meningkatkan penggunaan data storytelling dalam bisnis.
Visualisasi Data dan Data Storytelling
Visualisasi data dan data storytelling sangat erat kaitannya. Visualisasi data adalah salah satu bentuk storytelling yang paling umum digunakan. Bahkan, di sekolah, siswa-siswa belajar tentang tabel, grafik, dan diagram sederhana yang merupakan bentuk visualisasi data. Namun, sebelum membuat visualisasi data, ada beberapa hal yang perlu diperhatikan agar visualisasi tersebut sesuai dengan tujuan yang ingin dicapai. Salah satu hal penting adalah kesesuaian visualisasi dengan tujuan. Jika visualisasi tidak sesuai dengan tujuan, pemirsa kemungkinan besar akan salah memahami informasi yang disajikan. Oleh karena itu, elemen visual dan naratif harus bersatu untuk menciptakan makna dalam visualisasi.
Ada beberapa elemen visual yang dapat digunakan untuk menonjolkan aspek penting dalam visualisasi, seperti garis, bentuk, ukuran, warna, dan kontras. Elemen visual tersebut dapat membantu pemirsa fokus pada aspek penting dan memperjelas informasi yang disajikan. Selain itu, narasi dalam bentuk teks juga dapat ditambahkan untuk menjelaskan bagaimana cara menginterpretasikan visualisasi secara eksplisit.
Pemilihan visual yang sesuai dengan tujuan juga sangat penting. Misalnya, untuk menyajikan informasi mengenai perubahan omset restoran dari tahun ke tahun, diagram garis dapat lebih efektif dibandingkan jenis diagram lainnya. Selain itu, embel-embel yang tidak diperlukan dalam visualisasi data sebaiknya dihindari. Jika header dan kisi tidak menambah nilai informatif pada visualisasi, maka elemen-elemen tersebut dapat dihapuskan untuk memungkinkan pemirsa melihat dengan lebih jelas.
Dalam rangka menciptakan visualisasi data yang efektif, penting juga untuk menghindari beberapa kesalahan umum, seperti membuat visualisasi yang sulit dipahami, mengabaikan konteks, atau menggunakan grafik yang tidak sesuai dengan data. Oleh karena itu, sebelum membuat visualisasi data, pastikan untuk mempertimbangkan tujuan, konteks, dan audiens yang dituju. Dengan melakukan hal ini, visualisasi data Anda akan lebih efektif dan dapat menjadi alat yang berguna dalam proses pengambilan keputusan.
Kesalahan Umum dalam Data Storytelling
Dalam membuat visualisasi data, tujuan utama yang harus diingat adalah memudahkan pemirsa, terutama masyarakat awam, untuk memahami data dengan mudah. Oleh karena itu, penggunaan warna-warna yang berlebihan atau sulit dibedakan dan hiasan yang tidak perlu sebaiknya dihindari. Terkadang, visualisasi yang terlalu berlebihan hanya memanjakan mata namun tidak memberikan nilai tambah pada pemahaman data oleh masyarakat. Sebagai contoh, pie chart dalam bentuk 3D sebaiknya dihindari karena tidak memberikan nilai tambah pada pemahaman data.
Dari penelitian yang dilakukan Wakeling, dkk pada tahun 2015, ada beberapa hal yang ditemukan mengenai visualisasi data, antara lain:
- Akurasi interpretasi data dalam bentuk tabel rendah
- Jenis-jenis grafik yang familiar dan sederhana seperti diagram batang, diagram garis, dan pie chart diinterpretasikan lebih akurat dari pada yang kurang familiar dan lebih canggih, seperti stacked bar dan Sankey diagram
- Jenis-jenis grafik yang familiar dan sederhana diinterpretasikan paling cepat
- Kepercayaan diri pemirsa yang melihat visualisasi data berkaitan dengan seberapa sering dia melihat jenis visualisasi yang serupa. Jika mereka sering melihatnya, maka mereka akan lebih percaya diri dengan interpretasi mereka, meski itu tidak menjamin bahwa data akan diinterpretasikan dengan benar.
Terlepas dari kekurangan-kekurangan visualisasi data yang lebih canggih, ini tidak berarti mereka tidak berguna. Visualisasi yang lebih canggih seperti heat map dapat menunjukkan lebih banyak dimensi dalam satu grafik daripada yang dilakukan visualisasi sederhana. Akibatnya, informasi yang lebih banyak akan dapat dimuat dalam satu visualisasi tersebut. Konsekuensinya, pemirsa akan memproses informasi dengan lebih lambat dan membuat kesalahan interpretasi dari visualisasi tersebut.
Dalam hal ini, kesederhanaan dan kejelasan adalah kunci dalam membuat visualisasi data yang efektif. Menghindari elemen yang tidak perlu dan menggunakan jenis grafik yang familiar dapat meningkatkan akurasi interpretasi data dan memudahkan pemirsa untuk memahami data yang disajikan. Namun, untuk data yang lebih kompleks, visualisasi data yang lebih canggih mungkin diperlukan untuk memuat informasi yang lebih banyak dalam satu grafik. Oleh karena itu, pemilihan jenis visualisasi data yang tepat dan sesuai dengan tujuan yang ingin dicapai sangatlah penting dalam membuat visualisasi data yang efektif dan mudah dipahami.
Contoh Data Storytelling
Sebagai seorang generasi Z, tentunya kita sudah tidak asing lagi dengan Spotify Wrapped yang muncul di akhir tahun di media sosial. Fitur ini pertama kali diperkenalkan oleh Spotify pada tahun 2017 dan memungkinkan pengguna untuk melihat kompilasi dari artis dan lagu yang sering didengarkan, total waktu yang dihabiskan untuk mendengarkan artis favorit, waktu yang dihabiskan untuk mendengarkan di Spotify, serta genre yang paling sering didengarkan. Pengguna bahkan dapat melihat lagu apa yang paling sering mereka dengarkan, berapa kali mereka memainkannya, dan kapan mereka paling sering mendengarkannya.
Pada tahun 2022, Spotify menambahkan fitur baru pada Spotify Wrapped. Fitur baru ini mencakup "listening personality" pengguna, di mana pengguna dapat mengetahui jenis orang seperti apa dirinya melalui lagu-lagu yang telah didengarkan. Fitur lainnya adalah "audio day", di mana pengguna dapat melihat bagaimana selera musiknya berubah sepanjang hari dengan deskripsi musik yang didengarkan saat pagi, siang, dan sore hari.
Dengan menggunakan algoritma dan kecerdasan buatan, Spotify mampu membuat grafik yang disesuaikan untuk setiap pengguna berdasarkan data mereka. Spotify menggunakan penyaringan kolaboratif untuk mengidentifikasi sesama pengguna dengan selera serupa, pemrosesan bahasa alami untuk menguraikan lirik lagu, judul daftar putar, dan sebagainya, serta menganalisis pola lirik yang didengarkan. Selain itu, Spotify menggunakan model audio untuk mengidentifikasi karakteristik khusus dari lagu yang didengarkan pengguna, seperti tempo dan nada. Jika pola tertentu telah terbentuk, maka lagu-lagu tersebut dapat ditambahkan ke daftar putar yang dapat disesuaikan oleh pengguna.
Model-model ini membantu Spotify membuat Discover Weekly dan Today's Top Hits, juga fitur "Your Missed Hits" di mana pengguna dapat mengetahui lagu yang mungkin mereka lewatkan meski dinikmati tahun lalu.
Selain tentang personalisasi dari Wrapped itu sendiri, Spotify terus berevolusi dalam kreativitas penyajian datanya. Ini adalah bukti bahwa visualisasi data dan data storytelling sangat penting, karena desain yang kuat dan warna-warna neon yang dimiliki Spotify Wrapped mampu menarik perhatian pengguna-penggunanya terus-menerus. Penambahan fitur lencana juga mendorong keterlibatan pengguna, seperti lencana Tastemaker yang didapat bila daftar putar pengguna mendapatkan sejumlah pengikut baru dan lencana Pioneer apabila mereka mendengarkan sebuah lagu hits sebelum orang lain. Ini adalah alasan mengapa Spotify jauh lebih sukses daripada saingan-saingannya yang menyajikan layanan mendengarkan musik serupa.
Kesimpulan
Dalam era yang semakin bergantung kepada data, data storytelling menjadi kemampuan yang harus dimiliki. Perlu diingat, bahwa data storytelling tidak hanya tentang membuat tabel dan diagram untuk memberikan informasi pada pemirsa, tetapi juga tentang bagaimana pemirsa memahami representasi data dengan baik. Namun, masih ada tantangan yang harus dihadapi dalam mendalami data storytelling lebih lanjut. Oleh karena itu, dibutuhkan kemauan kuat untuk terus belajar dan berkaca dari cara data storytelling yang sudah terbukti efektif dan berhasil. Dengan memperkuat kemampuan data storytelling, kita dapat memberikan dampak yang lebih besar dan lebih efektif melalui penggunaan data.
Daftar Pustaka
Daradkeh, M. K. (2021). An Empirical Examination of the Relationship Between Data Storytelling Competency and Business Performance. Journal of Organizational and End User Computing, 33(5), 42--73. https://doi.org/10.4018/JOEUC.20210901.oa3
Echeverria, V., Martinez-Maldonado, R., Granda, R., Chiluiza, K., Conati, C., & Buckingham Shum, S. (2018). Driving data storytelling from learning design. Proceedings of the 8th International Conference on Learning Analytics and Knowledge, 131--140. https://doi.org/10.1145/3170358.3170380
Everything You Need To Know About 2022 Wrapped. (2022, November 30). Newsroom.Spotify.Com/. https://newsroom.spotify.com/2022-11-30/everything-you-need-to-know-about-2022-wrapped/
Lund, B. (2022). Art of (Data) Storytelling. The International Journal of Information, Diversity, & Inclusion (IJIDI), 6(1/2), 31--41. https://doi.org/10.33137/ijidi.v6i1.37027
Martin, C. (2022, December 16). The Data & Design of Spotify Wrapped. Codeclan.Com. https://codeclan.com/blog/the-data-design-of-spotify-wrapped/
Tebuev, A. (2022, March 27). Spotify -- How data is used to enhance your listening experience. D3.Harvard.Edu. https://d3.harvard.edu/platform-digit/submission/spotify-how-data-is-used-to-enhance-your-listening-experience/
Watson, H. (2017). Data Visualization, Data Interpreters, and Storytelling. BUSINESS INTELLIGENCE JOURNAL, 22(1), 5--10.
