Budowanie narracji z danych - Nauczysz się zamieniać liczby i wykresy w spójną historię, dzięki której łatwiej wyjaśnisz wnioski, dopasujesz przekaz do odbiorcy i zwiększysz siłę swoich prezentacji.
Czytelne i estetyczne slajdy - Dowiesz się, jak projektować wykresy i slajdy, aby były przejrzyste, estetyczne i skupiały uwagę na tym, co najważniejsze, bez przeciążania odbiorcy zbędnymi elementami.
Lepszy dobór wykresów - Nauczysz się dobierać typ wykresu do celu analizy i rodzaju danych, dzięki czemu szybciej pokażesz porównania, trendy, udziały i zależności w sposób zrozumiały dla odbiorcy.
Praktyka w używanych narzędziach - Przećwiczysz tworzenie skutecznych wizualizacji w Excelu, PowerPoincie oraz narzędziach takich jak Datawrapper i Flourish, aby od razu wykorzystać poznane techniki w codziennej pracy.
Pewniejsze prezentowanie na żywo - Poznasz sposoby selekcji informacji i układania narracji podczas wystąpień, aby mówić o danych jasno, utrzymywać uwagę odbiorców i wzmacniać przekaz trafnymi analogiami.
Unikanie błędów i manipulacji - Zrozumiesz zasady etycznej wizualizacji danych, dzięki którym unikniesz mylących skal, źle dobranych form i niezamierzonego zniekształcania wniosków w raportach oraz prezentacjach.
Szerszy repertuar wizualizacji - Poznasz nie tylko wykresy słupkowe, liniowe i kołowe, ale też mapy oraz mniej standardowe formy prezentacji, co pozwoli Ci lepiej pokazywać różne typy danych i kontekst biznesowy.
Wsparcie AI w data storytellingu - Zobaczysz, jak wykorzystać AI do usprawnienia pracy nad wizualizacjami i narracją, od porządkowania pomysłów po szybsze przygotowanie materiałów i mocniejsze formułowanie wniosków.
Data storytelling łączy analizę z takim sposobem prezentacji, który ułatwia odbiorcom zrozumienie sensu danych. W tej części omawiana jest rola narracji, przykłady historii opartych na danych oraz zasady dopasowania przekazu do odbiorcy, kontekstu i konkretnej sytuacji.
Czytelność wizualizacji zależy od świadomej pracy z kolorem, typografią i hierarchią treści, a nie wyłącznie od poprawnego narysowania wykresu. Uczestnicy analizują też, jak kierować uwagę na kluczowe wnioski, zachować etykę prezentacji danych i unikać manipulacji obrazem.
Dobór typu wykresu wynika z celu komunikacyjnego i sposobu, w jaki odbiorca ma odczytać dane. Omawiane są zastosowania wykresów słupkowych, liniowych i kołowych, a także map i mniej standardowych form, na przykładach opartych na różnych zbiorach danych.
Na bazie Excela, PowerPointa i innych narzędzi używanych na co dzień uczestnicy tworzą wykresy dopasowane do typowych sytuacji biznesowych. Część obejmuje także bezpłatne rozwiązania, takie jak Datawrapper i Flourish, wraz z ich zastosowaniem w różnych zadaniach wizualizacyjnych.
Prezentowanie danych na żywo wymaga innych decyzji niż przygotowanie raportu lub dashboardu do samodzielnego odczytu. Uczestnicy pracują nad selekcją informacji, budową przekonującej narracji oraz sposobami mówienia o danych z użyciem metafor i analogii, które utrzymują uwagę odbiorców.
AI może wspierać data storytelling na etapie formułowania przekazu, porządkowania wniosków i szukania sposobów ich czytelnego pokazania. Ta część koncentruje się na praktycznych obszarach użycia takich narzędzi oraz na roli człowieka w ocenie trafności i jakości efektu.
Ćwiczenia praktyczne pojawiają się w każdej części szkolenia, dzięki czemu omawiane zasady są od razu sprawdzane na konkretnych zadaniach. Taki układ pomaga przełożyć pracę nad przekazem, doborem wykresów i sposobem prezentacji na codzienną praktykę zawodową.
Podstawy pracy z danymi - Powinieneś swobodnie czytać tabele, rozumieć podstawowe wskaźniki i wyciągać proste wnioski z danych, aby skupić się na prezentacji, a nie na samych podstawach analizy.
Znajomość Excela lub PowerPointa - Powinieneś umieć wykonywać podstawowe działania w Excelu lub PowerPoincie, takie jak edycja danych, praca na slajdach i tworzenie prostych wykresów na własnych materiałach.
Doświadczenie z prezentowaniem wyników - Warto, abyś miał choć podstawowe doświadczenie w pokazywaniu wyników lub raportów, ponieważ szkolenie rozwija sposób opowiadania o danych, a nie uczy od zera wystąpień.
Gotowość do pracy praktycznej - Powinieneś być gotów aktywnie pracować na przykładach i ćwiczeniach, testować różne formy wizualizacji oraz rozwijać własne materiały w trakcie zajęć i między modułami.
