Data Storytelling: как презентовать данные стейкхолдерам

Data Storytelling — искусство превращать данные в понятную историю, которая ведёт к действию. Даже лучший анализ бесполезен, если стейкхолдеры его не понимают.

Почему это важно для PM

1. Обосновать решения — данные убедительнее мнений 2. Получить buy-in — стейкхолдеры поддержат, если поймут 3. Показать результаты — доказать ценность работы 4. Влиять без полномочий — данные дают авторитет

Структура data story

1. Контекст (Setup) - Какой вопрос исследовали? - Почему это важно? - Что было гипотезой?

2. Данные (Confrontation) - Что показали данные? - Ключевые цифры и графики - Неожиданные находки

3. Вывод (Resolution) - Что это значит для бизнеса? - Какие действия рекомендуете? - Какой ожидаемый результат?

Пример плохой презентации: «Retention D7 составляет 23.4%, D30 — 12.1%. Конверсия в покупку 3.2%.»

Что не так: числа без контекста, нет вывода, нет действия.

Пример хорошей презентации: «Мы теряем 77% пользователей за первую неделю. Анализ показал: пользователи, которые добавляют товар в избранное в первый день, остаются в 3 раза чаще. Предлагаю: добавить подсказку про избранное в онбординг. Ожидаемый результат: рост D7 retention на 5-8 п.п.»

Визуализация данных

Выбор графика

| Что показать | Тип графика | |--------------|-------------| | Тренд во времени | Line chart | | Сравнение категорий | Bar chart | | Доли | Pie chart (только если < 5 категорий) | | Воронка | Funnel chart | | Retention | Heatmap | | Корреляция | Scatter plot |

Принципы визуализации

1. Один график — одна идея 2. Меньше элементов — убирайте gridlines, лишние подписи 3. Контраст — выделяйте главное цветом 4. Подписи — каждый график должен быть понятен без объяснений

Для разных аудиторий

CEO / Совет директоров: - Фокус на бизнес-метриках (revenue, growth) - Минимум деталей, максимум выводов - Связь с стратегическими целями - 3-5 слайдов максимум

Product Team: - Детальные данные - Сегментация - Гипотезы для проверки - Технические детали

Engineering: - Performance-метрики - Error rates - Технические причины проблем

Типичные ошибки

1. Слишком много данных — выберите 3-5 ключевых цифр 2. Нет контекста — «23%» — это хорошо или плохо? Сравните с бенчмарком 3. Корреляция ≠ причинность — «Пользователи, купившие премиум, более активны» — может, активные покупают премиум? 4. Cherry-picking — показывать только удобные данные 5. Нет призыва к действию — так что делать-то?

Инструменты

- Презентации: Google Slides, Keynote - Визуализация: Amplitude Charts, Metabase, Tableau - Быстрые графики: Google Sheets, Notion charts

Чеклист презентации данных

- [ ] Есть контекст и бизнес-вопрос - [ ] Ключевые цифры выделены - [ ] Графики понятны без объяснений - [ ] Есть сравнение с бенчмарком/прошлым периодом - [ ] Сформулированы выводы - [ ] Есть рекомендации к действию - [ ] Презентация адаптирована под аудиторию

Визуализация ключевых концепций

flowchart TD
    subgraph Аналитика["Ключевые метрики"]
        M1["Acquisition"]
        M2["Activation"]
        M3["Retention"]
        M4["Revenue"]
        M5["Referral"]
    end
    
    M1 --> M2 --> M3 --> M4 --> M5
    
    subgraph Инструменты["Инструменты"]
        GA["GA4"]
        AMP["...