Andmete jutuvestmine visualiseerimistööriistadega

Järgi
Gartner Peer Insightsi ülevaated ja hinnangud, Microsoft (Power BI), Tableau ja Qlik on sageli analüütika ja äriteabe platvormide valdkonnas liidrid. Kuidas need tippplatvormid aga andmeanalüütika valdkonda täiustavad, mis eristab
ja millised on nende alternatiivid? 

Tutvustage end andmete jutuvestmise maailma. See võimas lähenemisviis võimaldab ettevõtetel, eriti pangandussektoris, tõhusalt ja täpselt edastada oma andmetest saadud teadmisi. Andmete esitamise uus ajastu on tekkinud
tänu visualiseerimistööriistadele, nagu Power BI, mis võimaldavad võimsaid narratiive, mis mõjutavad strateegiat ja otsuste tegemist. Selles artiklis. Uurime andmete jutuvestmise nüansse ja selle olulisi rakendusi pangandussektoris, nagu näidatud
kaasahaarava Power BI juhtumiuuringu abil. 

Mis on andmete jutuvestmine?

Andmelugude jutustamine on sõnumi edastamise vorm, mis ühendab andmete visualiseerimise ja narratiivtehnikad, et luua keerukaid andmelugusid, mis köidavad ja kaasavad inimesi. Publik saab tänu sellele sünteesile mõista andmete olemust, mis
muudab selle arusaadavaks ja võrreldavaks. Põhimõtteliselt on andmete jutuvestmise eesmärk kaotada lõhe materiaalse ja abstraktse, samuti kvantitatiivse ja kvalitatiivse valdkonna vahel. Uurime seda üksikasjalikult.

Andmete visualiseerimise roll

Andmete visualiseerimine, mis hõlmab andmekogumite teisendamist visuaalsetesse vormingutesse, nagu diagrammid, graafikud, kaardid ja infograafika, on andmete loo jutustamise kesksel kohal. Need visuaalsed elemendid on andmete loo jutustamise jaoks olulised, kuna muudavad keeruka teabe hõlpsaks
mõista. Andmete visualiseerimine paljastab andmetes peidetud mustrid, suundumused ja seosed, pannes aluse narratiivile.

Uuriv vs selgitav visualiseerimine

Andmete visualiseerimine jaguneb kahte tüüpi: uurimuslik ja selgitav. See jaotus on andmete loo jutustamise lähenemisviisi määramisel kriitiline:

• Uuriv visualiseerimine hõlmab tehnikat, mida kasutatakse andmete analüüsi uurimisfaasis. Kui narratiiv on veel avastamata, võivad uurimuslikud visuaalid aidata paljastada andmetes peidetud lugu. Sellised küsimused nagu „Kuidas läheb
  müügitulu muutub aja jooksul? või "Miks tõusis müügitulu konkreetsel hooajal?" neid käsitletakse selle uuriva protsessi kaudu, mis loob aluse narratiivi avanemiseks.

• Selgitavat visualiseerimist kasutatakse siis, kui lugu on valmis ja eesmärk on edastada publikule konkreetseid arusaamu. Visuaalid on loodud loo või kogu narratiivi konkreetsete elementide edasiandmiseks, tagades, et publik mõistab
  andmejutuvestja mõeldud sõnum.

Vaadake diagrammi, et mõista nende kahe põimumist andmete jutuvestmisega:

Narratiivi struktuuri iseärasused

Tõhusal andmete jutuvestmisel on narratiivne struktuur, mis sisaldab selget algust (probleemi või konteksti sissejuhatus), keskpunkti (andmete analüüs ja arusaamad) ja järeldust (soovitused). 

Andmete jutuvestmise komponentide lahtipakkimine

• Publiku tuvastamine: narratiivi ja visuaalide kohandamine, et need kajastaksid publiku tausta ja huvisid.

• Loo määratlemine: sidusa ja kokkuvõtliku narratiivi loomine, mis käsitleb konkreetset äriprobleemi või eesmärki.

• Õigete visualiseeringute valimine: asjakohaste diagrammide, graafikute ja visuaalide tüüpide valimine, et tuua esile peamised arusaamad ja suundumused.

• Konteksti lisamine: konteksti ja selgituste pakkumine, et aidata publikul mõista andmete tähtsust.

• Emotsionaalse ühenduse loomine: loo jutustamise elementide kaasamine, mis tekitavad emotsioone, muutes andmed võrreldavamaks ja meeldejäävamaks.

Power BI juhtumiuuring pangandussektoris

Vaatleme konkreetset näidet selle kohta, kuidas Data Storytelling töötab panganduses.

Klientide hoidmine selles sektoris on sama oluline kui klientide hankimine. Üks suurpank oli olukorras, kus tagasilöögimäär oli tõusuteel, ähvardades võtta ära tema turupositsiooni ja tulud. Selle väljakutsega toimetulemiseks tuli kasutusele Power BI, mis
on interaktiivne tööriist, mis pakub tipptasemel andmeanalüüsi ja visualiseerimise funktsioone. See juhtumiuuring toob esile Power BI strateegilise rakenduse panga poolt klientide hoidmise suurendamiseks, määrates kindlaks tehinguandmete mustrid tugevate andmetega.
ennustav jõud võimaliku katkemise kohta.

Probleemipüstituses

Oletagem, et pank sai aru murettekitavast mustrist: aja jooksul rivaalide juurde lahkunud klientide arv kasvas. Pangavahetuse määr mitte ainult ei näidanud, kui palju see negatiivselt panga kasumlikkust mõjutas, vaid tõi välja ka võimalikud puudujäägid panganduses.
klientide rahulolu ja kaasatus. Probleemiks oli tohutute tehinguandmete kogumine koos klientide demograafiliste andmete ja käitumisega, et tuvastada maksehäirete algpõhjused. Järelikult ei tohiks andmepõhise strateegia eesmärk olla mitte ainult
on olnud säilitamine, kuid üldiselt suurenenud rahulolu.

Andmete analüüs

Kohapeal alustas pank Power BI-ga rännakut läbi täiustatud analüütika maailma. Alustuseks integreerisime tehinguandmed, klientide demograafia ja käitumismustrid, et moodustada ühtne andmestik. Täiustatud analüüsifunktsioonid
Power BI-s saadaval olev funktsioon võimaldas neil seda andmestikku põhjalikult uurida ja tuua välja olulised tööturu vähenemise trendid ja mustrid. Nende hulgas võiksid nad tuvastada kliendisegmendid, mis tõenäoliselt lahkuvad, tehingutüübid, mis näitavad tulevast vähenemist, ja ka
kui perioodid, mil aktiivsus on suurenenud.

Visualiseerimine

Pärast andmete analüüsimist on järgmine samm muuta need ülevaated kasutatavaks. Mängu tulevad Power BI interaktiivsed armatuurlauad, mis pakuvad selgeid ja dünaamilisi andmete visualiseerimisi. Need armatuurlauad tõstavad esile kliendisegmendid, millel on suurem kadumise ja paljastamise oht
tegurid, mis mõjutavad kliendi otsust lahkuda. Pank muudab andmed visuaalselt atraktiivseks ja võimaldab neid teadmisi levitada osakondade vahel, et otsustajatel oleks otsustavate meetmete võtmiseks vajalik teave.

Narratiivne

Sellegipoolest ei saa ainuüksi andmed, ükskõik kui täpselt analüüsitud, inspireerida tegutsema ilma mõjuva narratiivita. Pank koostas andmete ümber loo, rõhutades klientide hoidmise kriitilist tähtsust, pangast loobumise käegakatsutavat mõju panga tegevusele.
tulud ja strateegiad, mis on kindlaks tehtud selle vaesuse lahendamiseks. See narratiiv aitas teavitada ja motiveerida kogu organisatsiooni ühtse eesmärgi poole.

Tulemus

Power BI-st saadud arusaamade strateegiline rakendamine muutis panga lähenemisviisi klientide kaasamisele. Üksikasjaliku analüüsi ja selgete visualiseeringute abil käivitas pank suunatud turunduskampaaniad ja isikupärastatud pakkumised, mis põhinevad vajadustel ja käitumisel.
kõrge riskiga kliendisegmentidest. Selle tulemusena langesid oluliselt klientide loobumise määrad, samas kui klientide rahulolu ja lojaalsus kasvasid.

Selle käigus lahendas pank kiireloomulise väljakutse vähendada klientide vähenemist ja kinnitas oma pühendumust tehnoloogia võimendamisele strateegilise eelise saamiseks. See juhtumiuuring näitab, kuidas Power BI võib olla võimas tööriist mõistmiseks ja suurendamiseks
klientide lojaalsust, saavutades lõpuks pikaajalise edu tiheda konkurentsiga pangandussektoris.

Peamised järeldused

Meie juhtum käsitleb keskusi suurest pangast, mis kasutas Power BI-d klientide kasvavate hinnapakkumiste vastu võitlemiseks, eesmärgiga parandada strateegilisi täiustusi klientide hoidmises ja rahulolus. Pank seadis Power BI juurutamiseks ambitsioonikad eesmärgid:

Andmete ekstraheerimise kiirus: eesmärk on saada 50% allahindlust ekstraheerimisajal 60 minutist 30 minutini, parandades jõudlust.

ETL-i protsesside tõhusus: ETL-i tööde 96% täitmishinna saavutamine, 30% lühema teabe muundamisajaga, tagades töökindluse ja kiiruse.

Andmemudeli optimeerimine: statistikamudelite värskendusaja määramine 15 minutit ja päringu reaktsiooniaeg alla 3 sekundi, optimeerides jõudlust.

Aruande renderdamiskiirus: eesmärk on dokumendi laadimisaeg alla 6 sekundi ja visualiseerimise renderdamine alla 2 sekundi, parandades kasutajakogemust.

Andmete tihendussuhe: eesmärk on saavutada teabe tihendamise suhe vähemalt 10:1, optimeerides salvestusruumi kasutamist ja vähendades kulusid.

Andmehalduse vastavus: andmeliini dokumentatsiooni skoori vähemalt 92% ja andmetele juurdepääsu haldamise tõhususe reitingut 98%, tagades kaitse ja vastavuse.

Järeldus

Üks tõhusamaid tööriistu ettevõtete jaoks arusaamade edastamiseks ja tegevuste juhtimiseks on andmete jutustamine. On palju visualiseerimisplatvorme, nagu Power BI ja Tableau, millel on sisseehitatud võimsad visualiseerimisvõimalused, mis võimaldavad
kasutajatel luua köitvaid narratiive. Seega on andmete loo jutustamise oskus, mida täiendavad mõjukad visuaalsed esitusviisid, oluline tegur iga organisatsiooni jaoks, mille eesmärk on avada oma tegelik andmeväärtus.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• Allikas: https://www.finextra.com/blogposting/25967/data-storytelling-with-visualization-tools?utm_medium=rssfinextra&utm_source=finextrablogs