在制作數據故事時，很容易迷失在細節中，并且無法創造出可以激發別人動手操作的數據故事。下面是新手數據講師所犯的最常見的錯誤，以及如何改正它們。這些技巧來自“像數據講述者一樣思考”研究會。

1. 數據故事不適合聽眾

不是所有的聽眾都是相同的，不是所有的聽眾都有一樣的目標。即使您自己審視自己團隊內部，也可以考慮一個技術支持專家和一個運營主管如何具有不同的觀點。盡管兩者都有共同的目標即服務客戶，但每個人對于這個目標能夠實現的方法和原因具有不同的觀點。

許多展示數據故事的講師只創建一套目標過于廣泛的幻燈片。在這些故事中，聽眾可能不理解接下來會發生什么，或者可能無法理解這個問題。所以請確保仔細思考，您的聽眾可能會遇到什么問題并通過故事的講述回答這些疑問。

2. 數據支持的是另一個不同版本的故事

研究數據的很多時候，研究者允許偏差蔓延。偏差可能源于我們為了得到想要的結果，精心選擇特定數據。在“醉酒與癌癥之間的混亂關系”一文中，作者說，表明酒精是健康的先前研究受到了偏差選擇的影響。該文中的原始數據把健康的飲酒者和因病戒酒者混在一起，作者將其描述為非飲酒者和適度飲酒者相比，實際上這些“非飲酒者”是一些曾經的酗酒者或者因病不能再繼續喝酒的人組成的，而這些人通常比健康的適度飲酒者病得更嚴重。這個結果證明該研究得到了錯誤的結論。

在制作數據故事時，請確保你正在使用合適的統計技術，并讓其他人嚴格地審查您的結論。

3. 數據故事缺乏重點

對于一個數據故事，為有效地促成聽眾進行操作，信息必須是簡單的。新手的數據講師大多使用多個信息形成一個復雜的故事。聽眾會因此變得困惑甚至有挫敗感。

1854年，約翰·斯諾博士用一個簡單的信息講述了一個數據故事：“我們可以通過關閉被污染的布羅德街水泵來阻止霍亂流行。”這不僅是一個簡單的信息，也是一個可行的信息。

讓你的信息簡單和重點明確。想一想，“在看了我的數據故事后，我想讓聽眾做些什么?”那么就在那個元素周圍加工你的信息。

4. 數據故事充滿了數據

我們的大腦對故事更敏感而非數據。在“Made to Stick”這本書中，作者Chip and Dan Heath提及了一項研究，研究要求學生向班里的同學展示一分鐘有說服力的演講。平均每個演講 包含2.5個數據。只有一個演講包含了一段故事。

十分鐘之后，研究者要求這些學生拿出一張紙并且寫下他們記得的信息。只有5%的同學記住了數據;63%的學生記住了故事。想一想——這個故事是聽眾能夠保留下來的。這是因為故事能激發我們的情感，使我們能夠成功地回憶起故事。

講述數據故事時，試著把統計數據限定在最重要的幾個方面。你使用的任何統計數據都應該是效果出色的并且有助于敘述。請仔細選擇那些具有重要影響的部分。

5. 恰當的數據可視化方法被忽視了

許多數據故事陳述者并不精通展示數據的方法。因此，信息在不恰當的表達方式下變得混亂和費解。可以把這件事比作有人在同時說兩種語言，但你只會理解你所知道的語言。

在制作數據故事前，確保理解如何編碼變量。研究數據可視化技術或者與能助你成功完成展示的專家合作。

想想已故的漢斯·羅斯林教授在他的TED演講中講述的故事，或者他為BBC4創作的這個叫做“The Joy of Stats”的故事。他巧妙地用一張圖表將120個數字簡化成關于健康和財富的簡單信息。

6. 缺乏引人入勝的敘述

當數據呈現出令人意外的結果時，聽眾會很激動。但如果你的數據故事沒有展示出任何新結論，那么聽眾也會失去興趣，沒有動力去嘗試。

Freakanomics這本書的作者Steve Levitt 和Steve Dubner，在數據中找到了意想不到的答案。在一項研究中，他們發現，低級別的毒販可能賺不到比在快餐店工作更多的錢。由于大多數人認為毒品交易能帶來奢華的生活，因此這個發現令人意外。然而，在每一個播客中，他們都講述了一個吸引人的故事。

如果你的數據甚至無法讓你發出一聲“哇”的驚嘆，或許你的敘述方式是不對的。

7. 數據故事中缺乏“人”

人們都對其他人的故事感興趣。如果你了解過歷史上的偉大故事，那么你會知道所有這些故事都是關于某人如何成功地處理逆境。“某人”可能是盧克·天行者或李爾王這樣的個體，也可能是一個群體，比如軍隊如何打敗敵人。故事幫助我們了解生活是如何變化的以及它為什么會改變。這些故事可以教會聽眾如何處理反對意見，如何面對困難的決定，以及如何采取最佳行動。

我們的大腦關注其他人的故事。在羅斯林的“Numbers are Boring, People are Interesting”演講中，他用自己舉例來鼓勵聽眾改變對于家庭的看法。他講述了自己犧牲職業目標，在家陪伴孩子的故事。他的題目泄露了一個講好故事的秘密——這是關于人的故事，不是關于數字的故事。