6.2.1.2.2. روایتگری با داده (Narrative)

داده‌ها به تنهایی سخن نمی‌گویند؛ این هنرمند است که با انتخاب، ترکیب و چیدمان داده‌ها، به آن‌ها زبان می‌بخشد. در این بخش یاد می‌گیریم که چگونه از میان اقیانوسی از اطلاعات، روایتی خلق کنیم که مخاطب را درگیر کند.

6.2.1.2.2.1. قدرت انتخاب داده

روایتگری با داده با «حذف» آغاز می‌شود. شما نمی‌توانید همه چیز را نشان دهید. هنرمند داده باید بداند چه چیزی را نگه دارد و چه چیزی را کنار بگذارد.

تمرکز (Focus): قصه شما چیست؟ آیا درباره تغییرات اقلیمی در یک شهر است یا درباره ریتم ضربان قلب یک اکوسیستم؟
تضاد (Contrast): یک روایت خوب معمولاً از تضادها ساخته می‌شود. مثلاً مقایسه سکون و حرکت، یا نظم و آشوب در داده‌ها.

6.2.1.2.2.2. سه رکن اصلی روایت در دیتائیسم

بستر (Context): داده‌های شما در چه زمانی و چه مکانی متولد شده‌اند؟ بستر، به داده‌های شما هویت می‌دهد.
تغییر (Transformation): داده‌ها در طول زمان چگونه تغییر می‌کنند؟ این تغییرات، همان لحظات دراماتیک قصه شما هستند.
تأثیر (Impact): مخاطب بعد از دیدن اثر شما چه احساسی باید داشته باشد؟ شگفتی، آرامش یا کنجکاوی؟

6.2.1.2.2.3. تم‌های نمایشگاهی

در روایتگری دیتائیسم، ما برای انتقال پیام خود، از این مفاهیم در چیدمان فضا استفاده می‌کنیم:

سایه‌ی دیجیتال: واکاوی این مفهوم که ما چیزی جز ردپاهای دیجیتالی که از خود به‌جا می‌گذاریم، نیستیم.
نوا‌دهی (Data-Sonification): شنیدن ریتم‌های پنهان؛ جایی که داده‌ها با تولید صدا، زنده می‌شوند و نبض خود را به نمایش می‌گذارند.
برخطِ سوشال‌مدیا: تأملی بر بازنمایی «خود» در نمایه‌های دیجیتال و تأثیر این بازنمایی بر هویت ما.
واقعیتِ آشوب‌گونه: چگونه از دلِ انبوهِ داده‌هایِ متلاطم و بی‌نظم، ساختار و زیبایی استخراج کنیم.
بیولوژی دیجیتال: بررسی داده‌ها به‌عنوان موجوداتی زنده؛ همانند زیست‌بوم‌هایی که رشد می‌کنند، تغییر می‌یابند و می‌میرند.

6.2.1.2.2.4. تمرین روایتگری

یک مجموعه داده را که در تمرین قبل انتخاب کردید، دوباره بررسی کنید. حالا به این سؤال پاسخ دهید: «اگر این داده‌ها یک صدا داشتند، چه آهنگی می‌نواختند؟» سعی کنید قصه این داده‌ها را در سه پرده (آغاز، میانه و اوج) بنویسید و مشخص کنید کدام‌یک از تم‌های بالا برای بیان آن مناسب‌تر است.

6.2.1.2.2.5. گام بعدی: پیاده‌سازی فنی

حالا که قصه خود را مشخص کردید، زمان آن رسیده که وارد دنیای کدهای پردازشی شویم. در بخش بعد، یعنی خط‌لوله پردازش (Pipeline)، یاد می‌گیریم چگونه این قصه را به جریان داده‌ای قابل‌پردازش تبدیل کنیم.