Concetti e tecniche di Data Science in Python

A cura di Andrea D'Agostino

Recensione: Storytelling With Data

Recensione: Storytelling With Data

Ho sempre pensato che la data visualization meriti uno studio approfondito per essere fatta come si deve.

Spesso e volentieri usiamo grafici che secondo noi hanno senso, senza soffermarci su quale sia la modalità migliore per trasmettere il messaggio.

Grazie a Storytelling with Data, ho scoperto che ci sono delle metodologie e "trucchetti" che fanno leva su principi di percezione visiva e linee guida di design che migliorano notevolmente l'efficacia delle nostre visualizzazioni.

Come data scientist, visualizzare i dati è una competenza molto importante e grazie a questo libro sono riuscito a migliorare molto nel campo.

Storytelling With Data ha un posto speciale nel mio cuore. Non perché è uno dei migliori libri sul mercato sulla data visualization, e neppure perché è scritto da Cole Knaflic, una delle esperte mondiali sul tema.

No.

Questo libro è speciale perché ti prende per mano e ti fa capire cosa sia davvero la data visualization, passando per concetti fondamentali alla base della percezione visiva, fino ai concetti di design più avanzati.

Grazie a questo libro, tra l'altro, sono riuscito a comprendere gli aspetti più subdoli della data viz (come tutta l'esperienza legata alla presentazione) che mi hanno portato enormi benefici in ambito lavorativo.

💡
In poche parole...
Come avete potuto leggere, questo è un gran libro e difficilmente troverete di meglio quando si parla di data visualization. Lo consiglio assolutamente.

Storytelling With Data

A Data Visualization Guide for Business Professionals

Compra Storytelling With Data su Amazon

L'Indice

Il manuale copre i seguenti macro argomenti nell'indice dei contenuti:

  • Comprendere e sfruttare l'importanza del contesto
  • Come scegliere la visualizzazione giusta per i nostri dati
  • Come sfruttare principi psicologici per evitare distrazioni e guidare l'attenzione del pubblico
  • Linee guida di design per migliorare visualizzazioni e presentazioni
  • Use case ed esempi pratici dei concetti esposti

È a mio avviso un bell'indice, poiché copre infatti molti aspetti ignoti a chi si approccia per la prima volta alla visualizzazione dei dati.

Il numero totale di pagine è circa 270 - questo a mio avviso non lo rende né troppo denso, né troppo corto.

Anche i veterani dell'argomento saranno felici di leggere temi avanzati, come l'analisi dei singoli elementi, come grafici, testi e altro che compongono una scena visiva al fine di comprendere fattori che beneficiano o ostacolano la comprensione da parte del pubblico.

Una guida alla data visualization per professionisti

Scritto nel 2015 e pubblicato da Wiley, il manuale si presenta con l'affermazione di essere una guida di riferimento per qualsiasi professionista, a prescindere dal settore lavorativo (in inglese A data visualization guide for business professionals).

L'aspetto di "guida" è quello sicuramente più apprezzato: infatti Knaflic non da mai per scontato che il lettore sappia già cosa sua uno scatterplot oppure un diagramma a cascata.

Il target è quindi il "professionista". È una definizione generica ed è volontaria: infatti chiunque lavori con dati da visualizzare potrà sfruttare i concetti presenti in questo manuale.

Le spiegazioni sono sempre chiare, sviluppate con precisione e dettaglio senza però mai essere prolisse o noiose.

Un viaggio tra grafici brutti, belli e storytelling

Uno degli aspetti che mette questo manuale sul podio nella sua nicchia è che l'autrice prende per mano il lettore e lo porta ad esplorare cosa differenzia un grafico inefficace (definito brutto) da uno efficace (definito bello).

Ho imparato che grafici che io pensavo fossero efficaci sono in realtà difficilmente interpretabili senza dei riferimenti espliciti, e che grafici che consideravo banali sono da preferire poiché facili da comprendere in quasi ogni circostanza.

Ho imparato che i grafici a barre sono re incontestabili in termini di chiarezza, mentre tutte le visualizzazioni che sfruttano angoli e intersezioni tra linee (come i grafici a torta) sono molto inefficaci e traggono in inganno l'occhio umano.

La componente di storytelling entra in gioco quando Knaflic ci porta allo step successivo ai grafici belli. Per l'autrice,

Lo storytelling è l'atto di trasferire il messaggio all'audience senza mai perdere la loro attenzione e mantenendo consistente il significato che il dato ha per il presentatore e per il pubblico.

L'unione di visualizzazioni efficaci ad un linguaggio e una esposizione adattata all'audience è l'essenza della comunicazione visiva, che si esplicita nella comprensione completa dell'audience verso il materiale trattato.

Use case concreti per l'occhio attento

Il lettore appassionato troverà alquanto particolare il layout del manuale. Infatti, il testo è sempre giustificato e racchiuso all'interno di margini molto stretti, lasciando molto spazio per spazi bianchi e immagini rilevanti.

Questo, come l'autrice fa intendere, è proprio l'esecuzione dei principi che lei stessa propone nel manuale. Questi accorgimenti rendono la lettura leggera, piacevole e scorrevole.

Il testo, le immagini e gli altri elementi rilevanti sono sempre formattati per aiutare la comprensione e la lettura.

La consistenza del layout e del formato risalta agli occhi dell'osservatore, esattamente come l'autrice insegna di fare. Molto brava.

Conclusioni

Nel 2015, Cole Knaflic mi ha fatto appassionare alla data visualization e mi ha reso un analista migliore. Il suo manuale è un must-have per il professionista interessato alla data visualization e alla comunicazione visiva.

Le sue lezioni sono applicabili a tutti i livelli e anche con tutti gli strumenti di analisi più rilevanti, come Excel e alcune librerie in Python come Matplotlib e Seaborn.

Il prezzo del libro è anche molto onesto secondo me. Al momento della scrittura di questo articolo il suo prezzo su Amazon è di circa 35€.

Non posso far altro che consigliarlo, dandogli un voto pieno.

Andrea D'Agostino
Data scientist con 6 anni di esperienza nell'applicare tecniche di data science per aiutare i clienti a risolvere problemi nei loro asset e a sfruttare le debolezze dei competitor a loro vantaggio.