Kreativ skrivning

maj 10, 2025

Data-storytelling framework: Forvandl tal til engagerende fortællinger

I en verden, der drukner i data, er evnen til at omdanne rå tal og kompleks statistik til klare, engagerende og handlingsorienterede fortællinger ikke længere en luksus – det er en nødvendighed. Data i sig selv taler sjældent et sprog, alle forstår. De kan være overvældende, abstrakte og svære at relatere til.¹ Det er her, data-storytelling kommer ind i billedet som en kraftfuld metode til at bygge bro mellem den tekniske verden af analyser og den menneskelige søgen efter mening og relevans.³ Forestil dig data som noderne i et partitur; de indeholder potentialet for smuk musik, men det er først, når de arrangeres og fremføres med følelse og struktur – gennem en historie – at de virkelig fænger og bevæger os.⁵

Denne artikel er din guide til at mestre kunsten at fortælle med data. Vi vil udforske et konkret 5-trins framework, der ruster dig til at transformere selv de tørreste statistikker til fængslende narrativer. Processen er designet til at være anvendelig i en bred vifte af danske kontekster – fra virksomhedens bestyrelseslokale til klasseværelset, fra marketingkampagnen til den offentlige informationsindsats. Et særligt fokus vil være på, hvordan data-storytelling kan gøres tilgængeligt og værdifuldt for alle, herunder de 5-7% af den danske befolkning, der er ordblinde.⁸ Principperne for klarhed, struktur og visuel understøttelse, som er essentielle for ordblinde, forbedrer nemlig forståelsen for os alle og er kernen i effektiv data-storytelling.¹¹ I en tid med stigende fokus på digital tilgængelighed og inklusion i Danmark ¹³, er det afgørende at vores datakommunikation ikke utilsigtet ekskluderer. Ved at følge denne guide vil du ikke blot lære at formidle data mere effektivt; du vil lære at skabe historier, der informerer, engagerer og inspirerer til handling hos et bredere publikum.

H2: Hvad er data-storytelling, og hvorfor er det afgørende for succes?

Før vi dykker ned i den praktiske proces, er det vigtigt at forstå, hvad data-storytelling egentlig er, og hvorfor det er blevet en så afgørende kompetence i dag.

Definition: Mere end bare tal og diagrammer

Data-storytelling er processen med at oversætte komplekse dataanalyser til forståelige og meningsfulde termer med det formål at informere en beslutning eller inspirere til en handling.¹⁵ Det handler om at tage rå, numeriske oplysninger og bygge en kontekstuel fortælling omkring dem, som folk kan forstå og relatere til.¹ Det er altså ikke blot en præsentation af data; det er en omhyggeligt konstrueret narrativ rejse, der bruger data som bevisførelse.

Man kan se det som en metode til at præsentere data ved hjælp af en kombination af visuelle og verbale teknikker, der er vævet sammen i en overordnet storyline eller et plot.¹⁶ Det er vigtigt at understrege, at data-storytelling er mere end blot datavisualisering. Selvom effektive visualiseringer er en kritisk komponent, er data-storytelling en integreret treenighed af data, et narrativ (fortællingen) og visualiseringer.⁵

Eksempel: En virksomheds kvartalsrapport kan transformeres fra en lang række tabeller og tørre tal til en fængende historie. Forestil dig en fortælling om, hvordan en ny, innovativ marketingstrategi (kontekst og narrativ) førte til en markant stigning i salget inden for en specifik, yngre demografi (data), illustreret med et klart og overbevisende søjlediagram, der viser væksten måned for måned (visualisering). Denne tilgang gør resultaterne langt mere håndgribelige og mindeværdige.

Formål: Fra indsigt til handling

Det primære formål med data-storytelling er at destillere kompleks information ned til dens mest essentielle elementer. Målet er, at budskabet let forstås og gribes af modtagerne gennem en overbevisende og engagerende narrativ.²¹ En vellykket data-story fanger publikums interesse, formidler et klart og utvetydigt budskab og, vigtigst af alt, påvirker en handling eller definerer de næste skridt.¹ Det handler ikke kun om at vise, hvad der sker i dataene, men i lige så høj grad at illustrere hvorfor det sker, og hvad konsekvenserne er.¹

Kerneelementerne: Data, narrativ og visualisering – en treenighed

Effektiv data-storytelling hviler på tre uadskillelige grundpiller:

Data: Fundamentet for enhver data-story er solide, pålidelige data. Disse data skal så vidt muligt være rene, komplette og troværdige, da de udgør den faktuelle rygrad i fortællingen.¹ Det er afgørende at have en dyb forståelse for dataene og de indsigter, som analysen af dem afdækker, da disse danner selve grundlaget for historien.²¹
Narrativ: Narrativet er den røde tråd, der binder data og visualiseringer sammen til en meningsfuld helhed.⁴ Det følger ofte en traditionel fortællestruktur med en begyndelse, en midte og en slutning – eller en konflikt, en udvikling og en løsning.¹ Narrativet skaber kontekst, forklarer hvad dataene afslører, belyser vigtigheden af disse fund og foreslår potentielle handlinger.¹
Visualiseringer: Visuelle elementer som diagrammer, grafer og infografikker gør historien mere interessant og tilgængelig. De hjælper med at forklare komplekse sammenhænge og afdække skjulte indsigter i dataene.³ Visualiseringerne skal vælges med omhu, så de korrekt repræsenterer dataene og er intuitive og letforståelige for målgruppen.¹ Som man siger, et billede kan være tusindvis af Excel-rækker værd.¹

Disse tre elementer er ikke blot additive; deres effekt er snarere multiplikativ. Svigt i ét element kan drastisk svække hele data-storyens gennemslagskraft. En fængende narrativ kan ikke redde en historie baseret på upålidelige data, og selv de mest banebrydende data kan gå tabt uden en klar fortælling og effektive visualiseringer til at belyse dem.¹

Fordele: Øget forståelse, engagement og gennemslagskraft

Anvendelsen af data-storytelling medfører en lang række fordele:

Forenkler kompleksitet: Det gør overvældende datamængder håndterbare og forståelige.¹ En undersøgelse fra Gartner har peget på, at en stor procentdel af traditionelle analyseindsigter ikke leverer forretningsresultater, netop fordi de ikke formidles effektivt.¹
Øger engagement og fastholdelse: Historier engagerer flere dele af hjernen end rene data, hvilket forbedrer både forståelsen og evnen til at huske informationen.¹
Skaber mening og relevans: Data-stories kan appellere til både følelser og intellekt, hvilket gør data mere mindeværdige og relaterbare.¹ Mennesker er ikke naturligt draget af tal alene, men af historier der giver kontekst og vækker følelser.⁷
Driver handling: Det genererer handlingsorienteret indsigt og understøtter dermed bedre og mere datadrevne beslutninger på tværs af en organisation.¹
Styrker datakultur: Det kan bidrage til at øge den generelle datakompetence (data literacy) i en organisation, da flere medarbejdere får adgang til og forstår værdien af data.²¹
Øger troværdighed og effekt: Velformidlede data-stories kan styrke en organisations troværdighed og endda forbedre konkrete resultater som click-through-rater og konverteringer i marketing.¹

At investere i data-storytelling-færdigheder er derfor ikke kun en investering i bedre kommunikation, men en strategisk investering i forbedret beslutningskvalitet, stærkere medarbejderengagement og øget ekstern gennemslagskraft.²¹ Der er en voksende erkendelse af, at “data alene har begrænset værdi”.²⁴ Det handler ikke kun om hvad dataene viser, men i lige så høj grad om hvad så? og hvad nu?.²⁴ Dette skift fra ren dataindsamling til fortolkning og handling er netop kernen i data-storytelling.

H2: Trin 1: Definer din mission – Kend din målgruppe, dit formål og dit kernebudskab

Fundamentet for enhver succesfuld data-story lægges, længe før du åbner et regneark eller et præsentationsprogram. Det første, afgørende trin handler om at definere din mission: Hvem taler du til? Hvad vil du opnå? Og hvad er det absolut vigtigste, de skal tage med sig?

Forstå din målgruppe: Hvem taler du til?

At kende din målgruppe er alfa og omega for at kunne skræddersy en data-story, der ikke bare informerer, men også resonerer og inspirerer til handling.³ Overvej nøje, hvem du kommunikerer til. Hvad er deres faglige baggrund og nuværende kendskab til emnet og de data, du vil præsentere? Hvor stor er deres datakyndighed? Hvilke spørgsmål, bekymringer eller potentielle modforestillinger kan de have?.¹

Er din målgruppe interne stakeholders som ledelsen eller kolleger i andre afdelinger, eller er den ekstern, f.eks. kunder, samarbejdspartnere eller den brede offentlighed?.³ En præsentation for direktionen (C-suite) vil typisk kræve et skarpt fokus på strategiske implikationer og bundlinjeresultater, mens en data-story rettet mod et marketingteam måske snarere skal belyse konkrete taktiske muligheder og kampagneoptimeringer.⁴

Eksempel: En data-story, der præsenterer kvartalsregnskabet for virksomhedens bestyrelse, vil have et helt andet fokus, detaljeringsniveau og sprogbrug end en blogpost til potentielle kunder, der bruger data til at illustrere fordelene ved en ny produktfunktion.

At overse eller misforstå sin målgruppe er en af de hyppigste årsager til, at data-stories fejler. Hvis historien ikke er målrettet, risikerer den at virke irrelevant eller uforståelig, og den vil sjældent inspirere til den ønskede handling.³

H3: Særlige overvejelser for målgrupper med ordblindhed

Når du definerer din målgruppe, er det vigtigt at huske på, at en betydelig del af befolkningen, herunder i Danmark, lever med ordblindhed. For denne gruppe kan traditionel, teksttung datapræsentation være en særlig stor udfordring. Data-storytelling, med sin vægt på narrativ og visualisering, er i sig selv en mere tilgængelig formidlingsform.¹¹ Men ved at tage specifikke hensyn kan du gøre dine data-stories endnu mere effektive for personer med ordblindhed:

Klare og enkle budskaber: Sørg for, at dine hovedpointer er lette at afkode. En klar, logisk narrativ struktur og stærke, understøttende visualiseringer er nøglen.¹¹
Tekstformat: Undgå store, massive tekstblokke. Bryd teksten op med overskrifter, korte afsnit og punktopstillinger. Anvend enkle sætningskonstruktioner og undgå unødig fagjargon eller komplekst sprog.²⁹
Visuelt design: Vælg læsevenlige skrifttyper (sans serif-fonte som Arial eller Verdana, i en passende størrelse, typisk minimum 12-14 punkt) og sørg for god kontrast mellem tekst og baggrund samt tilstrækkelig linjeafstand.²⁹
Alternative formater: Overvej, om din data-story kan suppleres med eller præsenteres i alternative formater, såsom en lydoptagelse eller en video, hvor pointerne gennemgås mundtligt.³⁰
Konkretisering: Ordblindeforeningen i Danmark anbefaler generelt at visualisere og konkretisere så meget som muligt i undervisningsmateriale, et princip der direkte kan overføres til data-storytelling.³⁵

Ved at designe med tanke på ordblinde, skaber du ofte en bedre og mere forståelig oplevelse for alle dine modtagere.

Fastlæg dit formål: Hvad vil du opnå?

Når du ved, hvem du taler til, skal du definere præcist, hvad du ønsker at opnå med din data-story. Hvad skal din målgruppe vide, føle eller, vigtigst af alt, gøre, efter de har hørt eller læst din fortælling?.¹

Er dit primære formål at informere om en ny udvikling? Ønsker du at overbevise din målgruppe om at træffe en bestemt beslutning eller ændre adfærd? Vil du inspirere til refleksion og debat? Eller vil du foreslå konkrete løsninger på et problem og drive en specifik handling?.³ Prøv at formulere målet for din historie i én enkelt, klar sætning.¹¹

Eksempel: “Formålet med denne data-story er at overbevise produktudviklingsafdelingen om at prioritere udviklingen af funktion X i næste kvartal, fordi vores brugerdata tydeligt viser en stærk efterspørgsel og et potentiale for øget kundetilfredshed.”

Identificer dit kernebudskab: Hvad er den ene ting, din målgruppe skal huske?

I en verden fyldt med information er det afgørende at have et knivskarpt kernebudskab. Hvad er den absolut vigtigste pointe, din målgruppe skal tage med sig fra din data-story? Prøv at destillere hele din præsentation eller fortælling ned til én “Big Idea” – en enkelt, kraftfuld sætning, der indkapsler essensen af dit budskab.³⁶

For at nå frem til dette kernebudskab er det vigtigt at fokusere på explanatory data – altså de data, der er direkte relevante og afgørende for at underbygge dit budskab. Undgå at falde i fælden med at præsentere exploratory data – alle de interessante, men måske mindre relevante, fund du har gjort undervejs – da det blot kan forvirre din målgruppe og udvande dit kernebudskab.³⁶ Ikke alle datapointer fortjener en plads i rampelyset. Kunsten er at vælge det, der betyder mest, og formidle det på en måde, så det sidder fast.⁴

Ekspert i data-storytelling, Brent Dykes, skelner mellem simple “messages” (meddelelser), “insights” (indsigter, der repræsenterer noget nyt eller overraskende) og “valuable insights” (værdifulde indsigter, der ikke alene er nye, men som også har potentiale til at flytte en vigtig metrik eller påvirke et resultat, som målgruppen bekymrer sig om).²² Dit kernebudskab bør ideelt set bygge på en sådan værdifuld indsigt.

Eksempel på kernebudskab: “Selvom vores generelle kundetilfredshed er stabil, viser en dybdegående analyse af vores seneste brugerdata et markant og bekymrende fald i tilfredsheden blandt kunder under 25 år, hvilket kræver en øjeblikkelig og målrettet indsats for at fastholde denne vigtige målgruppe.”

At definere et enkelt, klart kernebudskab er ikke en forsimpling af virkeligheden, men en nødvendig forudsætning for at opnå gennemslagskraft, især i en informationsmættet verden og over for målgrupper med forskellige kognitive forudsætninger, herunder ordblindhed. For personer, der bruger mere mental energi på selve afkodningsprocessen, er et fokuseret budskab endnu vigtigere for at undgå kognitiv overbelastning og sikre, at det centrale budskab huskes.²⁸

H2: Trin 2: Find og forædl dine data – Kunsten at indsamle, rense og validere

Med en klar mission for din data-story er næste skridt at sikre, at du har det rette datagrundlag. Dette trin involverer at identificere og indsamle relevante data, sikre deres kvalitet gennem rensning og validering, og analysere dem for at afdække de indsigter, der skal drive din fortælling.

Dataindsamling: Hvor finder du de relevante data?

Start med at identificere, hvilke datakilder der er nødvendige for at underbygge din historie og dit kernebudskab.¹⁷ Data kan komme fra en bred vifte af kilder:

Interne systemer: Virksomhedens egne systemer som ERP (Enterprise Resource Planning), CRM (Customer Relationship Management), salgsdatabaser, webanalyseværktøjer (f.eks. Google Analytics), og data fra produktions- eller logistiksystemer.
Eksterne kilder: Data fra sociale medier, markedsundersøgelser, brancheanalyser, konkurrentovervågning, eller data købt fra tredjepartsleverandører.
Offentligt tilgængelige data: Data fra nationale statistikinstitutioner, ministerier, kommuner, internationale organisationer og åbne data-portaler.

H3: Brug af egne data vs. offentlige danske datakilder (f.eks. Danmarks Statistik)

I en dansk kontekst er det værd at bemærke, at mange virksomheder primært anvender data fra egne transaktionsregistreringer (f.eks. salgsdetaljer fra ERP-systemer), kundekøbsoplysninger og data fra sociale medier.³⁹ Ifølge Danmarks Statistik anvendte 81% af virksomheder med mindst 10 ansatte transaktionsregistreringer til dataanalyse i 2023, mens 62% brugte kundekøbsoplysninger og 46% data fra sociale medier.³⁹

Samtidig er der et potentiale i at udnytte de mange offentligt tilgængelige datakilder. I 2023 anvendte 25% af danske virksomheder (med mindst 10 ansatte) åbne data fra offentlige myndigheder. Det kan f.eks. være virksomhedsoplysninger fra CVR-registret, transportdata, bygningsdata eller demografiske data.³⁹ Overvej altid, om din data-story kan beriges og kontekstualiseres ved at inddrage relevante data fra f.eks. Danmarks Statistik, ministeriernes databaser eller kommunale opgørelser. En kombination af egne, interne data med eksterne, offentlige datasæt kan ofte give en stærkere og mere nuanceret fortælling. Selvom en fjerdedel af virksomhederne allerede gør brug af disse offentlige data, antyder det også, at der for de resterende tre fjerdedele kan ligge et uforløst potentiale i at integrere disse kilder for at skabe endnu mere dybdegående og kontekstualiserede datafortællinger.

Datakvalitet: Sikring af rene, komplette og troværdige data

Kvaliteten af dine data er altafgørende. En data-story, uanset hvor godt fortalt, mister al troværdighed, hvis den bygger på upålidelige eller mangelfulde data.¹ Data skal være så rene, komplette og nøjagtige som muligt. De skal også være relevante for den historie, du vil fortælle, og den problemstilling, du adresserer.²

For at sikre høj datakvalitet er det ofte nødvendigt at gennemgå en række processer ⁴¹:

Dataopdagelse (Discovery): Identificer og forstå de rådata, der skal transformeres.
Datakortlægning (Mapping): Definer, hvordan rådata skal formateres, filtreres, modificeres og aggregeres for at passe til målsystemet og analyseformålet.
Dataekstraktion (Extraction): Flyt data fra kildesystemet til et midlertidigt eller endeligt målsystem.
Datatransformation (Execution): Omdan data til det korrekte format. Dette inkluderer ofte:
- Datarensning (Cleaning): Fjernelse af fejl, inkonsistenser, dubletter og irrelevante data.
- Dataintegration: Kombination af data fra forskellige kilder.
- Datastrukturering: Organisering af data i et format, der er egnet til analyse.
Datagennemgang (Review): Kontroller de transformerede data for at sikre, at processen er udført korrekt, og at dataene er klar til brug.

Eksempel: En detailvirksomhed, der ønsker at analysere kundeadfærd baseret på data fra loyalitetsprogrammet, skal først sikre, at kundedata er deduplikerede (så hver kunde kun tæller én gang), at alle transaktioner er korrekt registreret med tidsstempler og produktinformation, og at eventuelle fejlindtastninger eller manglende data håndteres systematisk. Uden denne forædling risikerer analysen at give et skævt billede af virkeligheden. En sådan grundig databehandling kan i sig selv afdække uventede problemer eller muligheder i virksomhedens datastyring, hvilket kan være en værdifuld sidegevinst.

Dataanalyse: Afdækning af mønstre, tendenser og indsigter

Når du har indsamlet og sikret kvaliteten af dine data, begynder selve analysearbejdet. Formålet er at afdække de mønstre, tendenser, korrelationer, afvigelser eller kausale sammenhænge, der kan udgøre kernen i din data-story.²⁶ Det handler ikke kun om at beskrive data, men om at fortolke dem og finde den dybere mening. Stil spørgsmål som “Hvorfor sker dette?” for at grave dybere end overfladen og forstå konteksten bag tallene.¹

Moderne dataanalyseværktøjer, herunder Business Intelligence (BI) platforme og statistisk software, kan i høj grad accelerere denne proces og hjælpe med at identificere de mest signifikante fund.²⁶

Eksempel: En analyse af trafikken på en virksomheds hjemmeside afslører et pludseligt og uforklarligt fald i antallet af besøgende. En dybdegående analyse af forskellige datakilder (f.eks. serverlogs, brugerfeedback, tekniske tests) viser, at faldet korrelerer præcist med en opdatering af hjemmesidens mobilversion, som utilsigtet har introduceret en teknisk fejl, der gør siden svær at navigere på for mobilbrugere. Denne indsigt – årsagssammenhængen mellem opdateringen og trafikfaldet – bliver nu kernen i en data-story, der skal overbevise ledelsen om at allokere ressourcer til at rette fejlen hurtigst muligt.

Etiske overvejelser og undgåelse af bias

Når du arbejder med data, er det afgørende at opretholde en høj etisk standard og være bevidst om potentielle bias.

Undgå “cherry-picking”: Vær omhyggelig med ikke kun at udvælge de data, der bekræfter din foretrukne teori eller dit ønskede budskab. Se på det samlede billede, inklusiv data der eventuelt modsiger din hypotese.¹¹ En objektiv og balanceret fremstilling styrker din troværdighed.
Pas på “falske afsløringer”: Undgå at tvinge data til at fortælle en historie, de reelt ikke understøtter. At præsentere misvisende konklusioner, bevidst eller ubevidst, kan skade dataenes effekt og få publikum til at drage forkerte beslutninger.³⁸ Datahistorier er ikke fiktion; de skal bygge på sandhed.
Vær objektiv og empatisk: Stræb efter at præsentere dine data og din historie så objektivt som muligt. Vær samtidig empatisk over for din målgruppes perspektiv og potentielle reaktioner.²⁷
Beskyt privatliv og overhold lovgivning: Vær særligt opmærksom på etiske implikationer ved indsamling, brug og deling af data, især persondata. Overhold gældende lovgivning som GDPR. Vær transparent omkring dine datakilder og metoder.⁴⁴ Dårlig datakvalitet eller uetisk datahåndtering kan ikke blot undergrave en enkelt data-story, men potentielt skade hele organisationens omdømme og tillidsforhold til kunder og samarbejdspartnere på lang sigt.

Eksempel: En analyse af medarbejdertilfredshed i en virksomhed skal præsenteres ærligt og objektivt, selv hvis resultaterne peger på områder med udbredt utilfredshed, som kan være ubehagelige for ledelsen at konfrontere. Samtidig skal der tages hensyn til medarbejdernes anonymitet og datasikkerhed i hele processen.

H2: Trin 3: Byg din fortælling – Struktur, narrativ og effektfuld visualisering

Når du har defineret din mission og har et solidt, analyseret datagrundlag, er det tid til at bygge selve data-storyen. Dette trin handler om at skabe en klar narrativ struktur, vælge de mest effektfulde visualiseringer og integrere disse elementer til en sammenhængende og overbevisende helhed.

Skab en narrativ struktur: Begyndelse, midte, slutning (den klassiske bue)

Enhver god historie, uanset om den handler om helte og drager eller salgstal og markedsandele, har en struktur. En velkendt og effektiv model er den klassiske narrative bue med en begyndelse, en midte og en slutning.¹ I konteksten af data-storytelling kan dette oversættes til:

Begyndelse (Setup/Kontekst): Sæt scenen for din målgruppe. Introducer emnet, relevansen og den overordnede kontekst. Hvad er udgangspunktet? Hvilket problem eller hvilken mulighed adresserer dataene?.⁴
Midte (Konflikt/Udvikling/Indsigt): Præsenter dine nøglefund fra dataanalysen. Her udfoldes “konflikten” eller spændingen – hvad afslører dataene af overraskende, vigtige eller problematiske forhold? Byg gradvist op mod din centrale pointe.⁴
Slutning (Løsning/Konklusion/Call-to-action): Præsenter din hovedkonklusion og de vigtigste indsigter. Hvad betyder disse fund? Hvilke løsninger eller handlinger peger de i retning af?.⁴

En mere specifik model tilpasset data-storytelling er Brent Dykes’ “Data Storytelling Arc”, som består af følgende elementer ⁴⁵:

Setting and Hook (Baggrund og Krog): Etabler baggrundsinformation, fokusområde og tidsramme. Præsenter derefter en “krog” – en bemærkelsesværdig observation, et uventet tal eller et presserende spørgsmål, der fanger publikums opmærksomhed og skaber nysgerrighed.
Rising Points (Stigende Punkter): Afslør gradvist de opdagelser, du har gjort under analysen af det problem eller den mulighed, som krogen pegede på. Disse punkter skal være fokuserede og understøttende, og de bygger op mod historiens klimaks.
Aha Moment (Aha-oplevelsen): Dette er klimakset i din data-story. Her deler du analysens hovedfund eller centrale indsigt. “Aha-øjeblikket” kombinerer en (ofte uventet) indsigt med en klar forklaring på, hvorfor din målgruppe skal bekymre sig om den – “the so what?”.
Solution and Next Steps (Løsning og Næste Skridt): Efter den slagkraftige aha-oplevelse har publikum brug for vejledning. Hvad nu? Dette afsnit præsenterer mulige løsninger, anbefalinger og konkrete næste skridt baseret på de præsenterede indsigter.

Valget af narrativ struktur er ikke blot en formsag; det er en strategisk beslutning, der direkte påvirker, hvordan din målgruppe opfatter og reagerer på dataene. En ulogisk eller rodet struktur kan føre til forvirring og manglende engagement, selvom dataene er nok så interessante.⁴

Eksempel (følger Dykes’ Arc): En webshop observerer et bekymrende fald i det gennemsnitlige ordrebeløb (Hook), på trods af at antallet af besøgende på webshoppen er stabilt (Setting). En nærmere analyse afslører, at faldet primært sker blandt kunder, der handler via mobiltelefoner (Rising Point 1), og at disse kunder i gennemsnit lægger færre varer i kurven end desktop-brugere (Rising Point 2). Den dybere årsag viser sig at være en uoverskuelig og langsom checkout-proces på mobilversionen af webshoppen, som får mange til at opgive yderligere køb eller helt forlade siden (Aha Moment). Løsningen er at redesigne mobil-checkout-processen for at gøre den mere brugervenlig og effektiv, med en forventning om at øge det gennemsnitlige ordrebeløb (Solution/Next Steps).

H3: Narrative teknikker der fænger (konflikt, karakterer, løsning, følelsesmæssig appel)

For at gøre din data-story endnu mere levende og mindeværdig kan du anvende klassiske narrative teknikker:

Karakterer: Selvom dine data måske ikke handler om fiktive personer, kan du identificere nøgleaktører eller “karakterer” i din historie. Det kan være dine kunder, konkurrenter, medarbejdere, specifikke produkter eller markedssegmenter.⁶ At personificere data kan gøre dem mere relaterbare.
Konflikt: Enhver god historie indeholder en form for konflikt eller udfordring. I data-storytelling er konflikten ofte det problem, den mulighed eller det ubesvarede spørgsmål, som dataene belyser.⁶ Det skaber spænding og motivation for at finde en løsning.
Løsning: Din data-story bør pege mod en løsning, en forbedring eller en vej frem baseret på de indsigter, dataene har afsløret.⁶
Følelsesmæssig appel: Data kan virke kolde og abstrakte. Ved at koble dem til menneskelige erfaringer, behov eller følelser, kan du skabe en stærkere forbindelse til din målgruppe. Historier, der vækker følelser (glæde, bekymring, håb, nysgerrighed), huskes bedre og motiverer stærkere til handling.¹
Analogier og metaforer: Brug billedsprog til at forklare komplekse databegreber eller sammenhænge på en mere intuitiv måde.⁴⁹ Som Christian Binggeli-Winter fra KMD illustrerer værdien af datadrevet beslutningstagning med analogien om en farlig skov, hvor tidligere erfaringer (data) fungerer som en lommelygte, der viser den sikre vej.⁵¹ DataInc.dk bruger en lignende metafor, hvor data sammenlignes med strøm, der skal være let tilgængelig for at drive virksomheden.⁵²

Eksempel på følelsesmæssig appel og karakter: I stedet for blot at konstatere “konverteringsraten på vores nye onlinekursus faldt med 15% blandt brugere over 50 år”, fortæl historien om “Jørgen, en 58-årig tømrer, der var topmotiveret for at lære nye digitale færdigheder, men som opgav tilmeldingen i frustration over den teknisk komplicerede og uoverskuelige tilmeldingsproces på sin tablet. Jørgen er desværre ikke alene; vores data viser, at hundredvis af potentielle kursister som ham falder fra hver måned på grund af denne barriere.”

Det handler ikke kun om at vælge de rigtige softwareværktøjer, men i lige så høj grad om at anvende “menneskelige” værktøjer som empati, evnen til at simplificere og evnen til at skabe en følelsesmæssig forbindelse. Disse “bløde” færdigheder er ofte lige så afgørende, hvis ikke mere, end de tekniske.²⁰

Vælg de rette visualiseringer: Diagrammer, grafer, infografik

Visualiseringer er din data-storys øjne. De skal understøtte og forstærke dit narrativ, ikke konkurrere med det eller skabe forvirring.³ Hold dine visualiseringer enkle, relevante for budskabet og fokuserede på den kerneindsigt, du vil formidle.²¹

Vælg den visualiseringstype, der bedst repræsenterer dine data og det, du vil kommunikere ²¹:

Søjlediagrammer (Bar charts): Gode til at sammenligne mængder på tværs af kategorier.
Linjediagrammer (Line charts): Effektive til at vise trends og udvikling over tid.
Cirkeldiagrammer (Pie charts): Bruges til at vise andele af en helhed (vær varsom, de kan være svære at aflæse præcist ved mange segmenter).
Punktdiagrammer (Scatter plots): Viser relationen mellem to numeriske variable.
Kort (Maps): Ideelle til at visualisere geografiske data og mønstre.
Infografikker: Kan kombinere flere datavisualiseringer med ikoner, tekst og illustrationer for at fortælle en mere kompleks historie på en visuelt appellerende måde.

Undgå visuelt rod (“clutter”) ved at fjerne al unødvendig information, såsom overflødige akser, gridlinjer eller dekorationer, der ikke tilføjer værdi. Brug hvid plads (negativt rum) aktivt til at skabe balance og lede øjet.³⁶

H3: Design af dysleksivenlige visualiseringer: Farver, fonte, layout

Når du designer visualiseringer, er det essentielt at tænke på tilgængelighed, især for personer med ordblindhed og andre læsevanskeligheder. Mange af de principper, der gør visualiseringer dysleksivenlige, forbedrer faktisk klarheden og forståeligheden for alle. Der er en stigende bevidsthed om dette, men der er stadig et stykke vej, før bedste praksis er udbredt. Selvom værktøjer som Power BI og Tableau tilbyder et væld af funktioner, ligger ansvaret for at designe tilgængeligt hos skaberen af visualiseringen.⁴³ Danske ressourcer som Designsystem.dk (for offentlige digitale løsninger) giver vejledning i at skabe tilgængelig datavisualisering, herunder vigtigheden af at bruge HTML/CSS frem for flade billedfiler, hvor det er muligt, for at sikre kompatibilitet med hjælpeteknologier.⁵⁶

Her er nogle centrale retningslinjer:

Farver:
- Kontrast: Sørg for god kontrast mellem tekst/grafiske elementer og baggrunden. En mørk tekst på en lys (men ikke kridhvid) baggrund er ofte at foretrække.²⁹
- Farvevalg: Brug enkle farvepaletter. Undgå at bruge farve som den eneste måde at formidle information på (f.eks. i et søjlediagram, hvor søjlernes betydning kun angives af farven). Suppler med mønstre, former, direkte etiketter eller forskellige nuancer af grå.⁵⁶
- Farveblindhed: Vælg farver, der er lette at skelne for personer med farveblindhed. Undgå f.eks. kombinationer af rød og grøn.²⁹ Der findes online værktøjer til at teste farvepaletters tilgængelighed.
- Intensitet: Undgå for skarpe, skrigende farver eller meget mørke baggrunde med lys tekst over længere stræk, da det kan være anstrengende for øjnene.⁵⁷
Fonte:
- Type: Brug simple, klare sans serif-fonte (f.eks. Arial, Calibri, Verdana, Open Sans). Disse fonte har ikke de små “fødder” (seriffer) på bogstaverne, hvilket kan gøre dem lettere at læse for ordblinde.²⁹
- Størrelse: Anvend en tilstrækkelig stor skriftstørrelse. For brødtekst i digitale materialer anbefales ofte minimum 12-14 punkt. For præsentationer, der vises på en skærm, bør skriftstørrelsen være endnu større, f.eks. minimum 18-22 punkt.²⁹
- Formatering: Undgå overdreven brug af kursiv, <u>understregning</u> og KUN STORE BOGSTAVER (versaler) for længere tekststykker, da det kan gøre teksten sværere at afkode og få bogstaverne til at flyde sammen.²⁹ Brug fed skrift til fremhævelse.
Layout:
- Simplicitet og konsistens: Hold layoutet enkelt, logisk og konsistent på tværs af dine visualiseringer og din præsentation/rapport.²⁹
- Tekstjustering: Venstrestil altid tekst. Undgå centreret tekst eller tekst med lige margener (justeret tekst), da den ujævne afstand mellem ordene kan gøre det sværere at læse.²⁹
- Afstand (Spacing): Sørg for god luft omkring tekst og grafiske elementer (white space). Anvend passende linjeafstand (ofte 1.5 gange skriftstørrelsen) og afstand mellem afsnit.²⁹
Tekst i og omkring visualiseringer:
- Klarhed: Hold titler, akseetiketter, forklaringer (legends) og eventuelle anmærkninger korte, klare og enkle.³⁰
- Direkte etiketter: Hvis det er muligt, placer etiketter med værdier direkte på selve diagramelementerne (f.eks. oven på søjlerne i et søjlediagram) i stedet for kun i en separat forklaring. Dette reducerer behovet for at flytte blikket frem og tilbage.⁵⁷
Alternativ tekst (Alt Text) og andre formater:
- Alt Text: Alle visualiseringer, der præsenteres digitalt (f.eks. på en hjemmeside eller i en elektronisk rapport), skal have en fyldestgørende alternativ tekst (alt text). Denne tekst læses op af skærmlæsere og giver brugere, der ikke kan se visualiseringen, en forståelse af dens indhold og budskab.⁵⁶
- Tabeller som alternativ: Overvej at supplere komplekse visualiseringer med en simpel datatabel, der præsenterer de samme data i et struktureret format. Dette kan være særligt nyttigt, når præcise værdier er vigtige.⁵⁶
- Beskrivende resumé: En kort tekstlig opsummering af hovedpointerne i visualiseringen kan også være en stor hjælp.

Nedenstående tabel opsummerer nogle af de vigtigste designhensyn:

Tabel 1: Tjekliste: Design af dysleksivenlige datavisualiseringer og tekstformidling

Kategori	Anbefaling	Begrundelse/Fordel for ordblinde	Eksempler på “Do” og “Don’t”	Kilder
Typografi	Brug sans serif font (f.eks. Arial, Verdana)	Lettere at afkode bogstavernes form, mindre visuel “støj”	Do: Arial 12pt. Don’t: Times New Roman 10pt med mange seriffer.	²⁹
	Minimum skriftstørrelse 12-14 pkt (tekst), 18+ pkt (præsentation)	Sikrer læsbarhed uden anstrengelse	Do: Brødtekst 14pt. Don’t: Små etiketter på 8pt i en graf.	²⁹
	Undgå KUN STORE BOGSTAVER, kursiv og <u>understregning</u> i længere tekst	Kan få tekst til at flyde sammen og være svær at afkode	Do: Fed til fremhævelse. Don’t: En hel overskrift i VERSALER OG KURSIV.	²⁹
	God linjeafstand (f.eks. 1.5) og afstand mellem afsnit	Giver luft og gør det lettere at følge linjerne	Do: Linjeafstand 1.5. Don’t: Kompakt tekst uden luft mellem afsnit.	²⁹
Farvebrug	Høj kontrast mellem tekst/grafik og baggrund (mørk på lys foretrækkes ofte)	Gør elementer tydeligere og lettere at skelne	Do: Mørkegrå tekst på cremefarvet baggrund. Don’t: Lysegul tekst på hvid baggrund.	²⁹
	Brug ikke farve alene til at formidle information	Sikrer forståelse for farveblinde og ved sort/hvid print	Do: Brug mønstre/symboler sammen med farver i diagrammer. Don’t: Et cirkeldiagram hvor betydning kun er farvekodet.	⁵⁶
	Vælg farveblindevenlige paletter	Inkluderer flere brugere	Do: Test palet med farveblindhedssimulator. Don’t: Standard rød/grøn til at vise negativ/positiv.	²⁹
Layout	Enkelt, logisk og konsistent layout	Reducerer kognitiv belastning, gør det lettere at orientere sig	Do: Samme placering af titler og forklaringer på tværs af slides. Don’t: Rodet slide med mange overlappende elementer.	²⁹
	Venstrestil tekst (undgå lige margener)	Jævn højrekant gør det lettere at finde næste linjes start	Do: Venstrestillet brødtekst. Don’t: Tekst med fuld justering (lige margener).	²⁹
	Brug rigeligt med “white space” (luft)	Reducerer visuelt rod og fremhæver vigtige elementer	Do: God afstand omkring grafer og tekstblokke. Don’t: Overfyldt side med minimal margen.	²⁹
Sprog & Tekst	Korte, klare og enkle sætninger	Lettere at forstå og bearbejde	Do: “Salget steg.” Don’t: “Der blev observeret en signifikant opadgående tendens i salgstallene.”	³⁰
	Undgå unødig fagjargon og komplekse ord	Øger forståeligheden for et bredere publikum	Do: Forklar fagudtryk eller brug simplere synonymer. Don’t: Antag at alle forstår interne forkortelser.	³⁰
	Direkte etiketter på visualiseringer	Reducerer behovet for at skifte fokus mellem graf og forklaring	Do: Værdi skrevet direkte på søjlen i et diagram. Don’t: Kun farvekodet forklaring langt fra grafen.	⁵⁷
Alternativer	Altid alternativ tekst (Alt Text) til billeder/grafer	Gør visuel information tilgængelig for skærmlæserbrugere	Do: `<img src="salg.png" alt="Søjlediagram der viser salgsvækst på 15% i Q3">`. Don’t: `<img src="graf.png">`	⁵⁶
	Overvej tabeller som supplement til komplekse grafer	Giver adgang til præcise data for dem, der foretrækker/behøver det	Do: En graf over befolkningsudvikling med en tilhørende tabel med de præcise tal. Don’t: Kun en kompleks graf.	⁵⁶
	Tilbyd resumé eller mundtlig gennemgang	Understøtter forskellige læringsstile og behov	Do: En kort video der forklarer hovedpointerne i en rapport. Don’t: Kun en lang, teksttung PDF.	³⁰

H3: Værktøjer til datavisualisering (f.eks. Tableau, Power BI, Google Charts)

Der findes et bredt udvalg af softwareværktøjer, der kan hjælpe dig med at skabe effektfulde datavisualiseringer. Valget afhænger ofte af dine specifikke behov, datakilder, tekniske færdigheder og budget. Her er nogle af de mest populære:

Microsoft Power BI: Et omfattende Business Intelligence-værktøj, der er stærkt til at skabe interaktive dashboards og rapporter. Det integrerer godt med andre Microsoft-produkter og er udbredt i mange danske virksomheder og offentlige organisationer.¹¹ Power BI tilbyder mange muligheder for datatransformation og -modellering.
Tableau: Kendt for sin intuitive brugerflade og store fleksibilitet i forhold til at skabe en bred vifte af avancerede visualiseringer. Tableau har et stort og aktivt online community (Tableau Public), hvor brugere deler visualiseringer og viden.⁴³ Det bruges også flittigt i Danmark, både kommercielt og i f.eks. datajournalistik.
Google Charts / Google Data Studio (nu Looker Studio): Google tilbyder gratis, cloud-baserede værktøjer, der gør det relativt nemt at oprette interaktive diagrammer og dashboards, især hvis dine data allerede er i Googles økosystem (f.eks. Google Sheets, Google Analytics).⁶⁶
Andre specialiserede værktøjer:
- Infogram: God til at skabe infografikker og visuelt engagerende rapporter.⁶³
- Datawrapper: Populær blandt journalister og mediehuse for dens evne til at skabe klare, responsive diagrammer og kort, der let kan integreres på websites.⁴³
- RAWGraphs: Et open source-værktøj, der giver mulighed for at skabe mere utraditionelle og avancerede visualiseringstyper ud fra rådata.⁴³
- Akkio: En nyere, AI-drevet BI-platform, der sigter mod at automatisere dele af analyse- og visualiseringsprocessen.³⁷
- Værktøjer til “Scrollytelling”: Platforme som Vev specialiserer sig i at skabe dynamiske, webbaserede fortællinger, hvor visualiseringer og narrativ udfolder sig, mens brugeren scroller. Dette kan være meget effektfuldt til online long-form data-stories.⁶⁸
- Programmeringssprog: For dem med kodningsfærdigheder tilbyder sprog som Python (med biblioteker som Matplotlib og Seaborn) og R (med ggplot2) ekstrem fleksibilitet til at skabe skræddersyede visualiseringer.

Husk, at værktøjet i sig selv ikke garanterer en god data-story. Det er din evne til at anvende værktøjet i overensstemmelse med principperne for klarhed, relevans og tilgængelighed, der gør forskellen.

Integrer data, narrativ og visualisering til en sammenhængende historie

Det sidste skridt i at bygge din fortælling er at sikre, at de tre kerneelementer – data, narrativ og visualiseringer – arbejder harmonisk sammen for at skabe en sammenhængende og overbevisende helhed.¹⁶ Narrativet skal give kontekst og mening til de tal og den grafik, du præsenterer.¹ Visualiseringerne skal illustrere og underbygge de pointer, du fremfører i dit narrativ. Og dataene skal være det solide fundament, som både narrativ og visualiseringer hviler på.

Sørg for en logisk sekvens i din historie, hvor hvert nyt element (en datapointer, en visualisering, et afsnit i narrativet) bygger videre på det foregående og leder din målgruppe frem mod din konklusion.⁴

Eksempel: En årsrapport for en velgørenhedsorganisation som f.eks. Oxfam Ireland (nævnt som et godt eksempel på data-storytelling ⁷⁰) kunne struktureres således:

Begyndelse (Narrativ + Data): Etabler behovet og problemets omfang (f.eks. data om fattigdom eller ulighed i et bestemt område).
Midte (Visualiseringer + Narrativ): Vis organisationens arbejde og indsats gennem året. Dette kan illustreres med kort over projektområder, diagrammer over anvendte midler, og korte historier om specifikke projekter.
Slutning (Data + Narrativ + Visualiseringer): Demonstrer den opnåede effekt (impact). Præsenter data om resultater (f.eks. antal hjulpne personer, forbedrede levevilkår), understøttet af diagrammer, der viser fremgang, og personlige historier (cases) fra de mennesker, organisationen har hjulpet. Dette skaber en stærk følelsesmæssig forbindelse og underbygger dataene.

Ved at flette disse elementer sammen skaber du en data-story, der er langt mere end summen af dens dele.

H2: Trin 4: Formidl med gennemslagskraft – Sprog, tone og engagement

Selv den mest velstrukturerede data-story med de skarpeste indsigter og flotteste visualiseringer kan falde til jorden, hvis den ikke formidles med gennemslagskraft. Dette trin handler om sproget, tonen og de teknikker, du bruger til at engagere din målgruppe og sikre, at dit budskab ikke bare bliver hørt, men også forstået og husket.

Skriv levende og engagerende: Varieret sprog og sætningsstruktur

Undgå et tørt, akademisk eller alt for teknisk sprog, medmindre din målgruppe specifikt forventer det. Brug i stedet et aktivt sprog frem for passivt, da det ofte er mere direkte og dynamisk.²⁹ Varier længden og opbygningen af dine sætninger for at skabe en god rytme og fastholde læserens eller lytterens interesse. Lange, komplekse sætninger med mange indskud kan være svære at afkode, især for personer med ordblindhed eller andre læseudfordringer.²⁹ Vælg konkrete navneord og handlingsorienterede verber, der maler billeder og gør dit sprog mere levende.

Eksempel: I stedet for at skrive: “En signifikant stigning i kundeengagement blev observeret som følge af implementeringen af den nye interaktive feature på platformen,” kan du skrive: “Den nye interaktive feature på platformen fik kundeengagementet til at stige markant.” Eller endnu bedre: “Kunderne strømmede til den nye interaktive feature, og deres engagement på platformen skød i vejret.”

Tal direkte til læseren (du-form) og skab en empatisk tone

For at skabe en stærkere forbindelse til din målgruppe og gøre dit indhold mere personligt og relevant, kan du med fordel anvende “du-form” (hvor det er passende for konteksten og din relation til målgruppen). Dette inviterer læseren eller lytteren ind i din fortælling.

En empatisk tone er ligeledes vigtig. Vis, at du forstår din målgruppes potentielle udfordringer, behov eller perspektiver – det kan være travlhed, en overvældende mængde information at forholde sig til, eller specifikke læsevanskeligheder.²⁷ Anerkend, at data kan virke abstrakte eller fjerne, og gør en indsats for at vise, hvordan de relaterer sig til konkrete menneskelige erfaringer eller de problemstillinger, din målgruppe står overfor.⁴⁹ Sproglig og tonal tilpasning er ikke blot overfladisk “pynt”; det er en direkte vej til øget engagement og dybere forståelse. Et komplekst sprog og en distanceret, upersonlig tone kan skabe unødvendige barrierer, især for personer med ordblindhed, der i forvejen kan bruge mere energi på selve afkodningsprocessen.²⁹

Eksempel: “Du har sikkert selv oplevet, hvordan en uoverskuelig rapport fyldt med tal kan gøre det svært at få fat i de vigtigste pointer. Derfor er det afgørende, at du i din data-story fokuserer på…”

Formidl komplekst stof enkelt: Undgå fagjargon, brug analogier og metaforer

En af data-storytellerens vigtigste opgaver er at agere “oversætter” – at oversætte fra “datasprog” til “menneskesprog”.¹⁵ Det indebærer at omsætte tekniske termer, statistiske begreber og komplekse analyser til et sprog, som en bredere målgruppe kan forstå uden at have en specialistbaggrund.¹

Undgå unødig fagjargon. Hvis tekniske termer er nødvendige, så forklar dem kort og klart. Brug analogier og metaforer til at belyse abstrakte eller komplekse databegreber og gøre dem mere håndgribelige.⁴⁹ Vi har tidligere set eksempler med KMD’s “farlige skov” ⁵¹ og DataInc.dk’s “strøm-metafor”.⁵² Hold dine sætninger relativt korte og klare, især når du forklarer vanskelige pointer eller præsenterer nøgletal.²⁹

Eksempel: “Forestil dig, at din virksomheds samlede data er som en kæmpestor, uordnet skattekiste fyldt med både værdifulde juveler og en masse grus. Uden den rette nøgle (dataanalyse) til at åbne kisten og et pålideligt kort (data-storytelling) til at vise vej til de mest værdifulde skatte, risikerer du, at juvelerne forbliver gemt og ubrugte, mens du spilder tid på at rode rundt i gruset.”

Skab illustrative scenarier og konkrete eksempler

Abstrakte principper og generelle råd bliver først rigtig levende, når de illustreres med konkrete eksempler og scenarier. Brug fiktive, men realistiske, cases eller generaliserede eksempler baseret på din research til at vise, hvordan de præsenterede værktøjer, teknikker og trin i data-storytelling-processen kan anvendes i praksis. Vis, hvordan data-storytelling kan løse reelle problemer eller skabe værdi i forskellige danske kontekster – det kunne være en kommune, der skal formidle effekten af en ny social indsats, en SMV der vil overbevise investorer, eller en NGO der skal dokumentere resultaterne af et projekt.

Eksempel: “Forestil dig Anne, der er projektleder i en mellemstor dansk produktionsvirksomhed. Hun har indsamlet data, der viser en bekymrende stigning i produktionsfejl på en bestemt maskinlinje. For at overbevise ledelsen om behovet for en investering i nyt udstyr, beslutter Anne sig for at bruge data-storytelling.

Trin 1 (Mission): Hendes målgruppe er ledelsen, formålet er at få godkendt budget til nyt udstyr, og kernebudskabet er, at de nuværende fejl koster mere på lang sigt end investeringen.

Trin 2 (Data): Hun indsamler data om fejlprocenter, nedetid, reparationsomkostninger og tabt produktionsværdi over de sidste 12 måneder. Hun renser data og sammenligner med data fra andre, mere moderne maskinlinjer.

Trin 3 (Fortælling): Hun bygger en historie op: ‘Vores produktion har generelt kørt stabilt (Setting), men på linje 3 ser vi en alarmerende trend (Hook). Fejlprocenten er steget med X% (Rising Point 1), hvilket har ført til Y timers ekstra nedetid (Rising Point 2) og Z kr. i direkte tab (Rising Point 3). Den primære årsag er maskinens alder og manglende reservedele (Aha Moment). Hun visualiserer dette med et linjediagram over fejludviklingen og et søjlediagram over omkostningerne.

Trin 4 (Formidling): Hun præsenterer sin data-story for ledelsen med et klart sprog, fokuserer på de økonomiske konsekvenser og bruger visualiseringerne til at underbygge sine pointer.

Trin 5 (Handling): Hun konkluderer med en klar anbefaling om at investere i nyt udstyr, underbygget af en beregning af tilbagebetalingstiden, og foreslår en konkret tidsplan for implementering.”

Tilpasning til den danske målgruppe og kultur

Når du formidler data-stories i Danmark, er det en fordel at bruge eksempler, cases og sprogbrug, der er relevante og genkendelige for et dansk publikum.¹ Vær også opmærksom på den danske arbejdskultur og kommunikationsnormer. Selvom der ofte er en forventning om en vis grad af direktehed, værdsættes også typisk en inkluderende tilgang, hvor der er plads til dialog og forskellige perspektiver. Mange fagpersoner, der er dygtige til selve dataanalysen, kan mangle træning i de narrative og kommunikative aspekter, der er nødvendige for effektiv data-storytelling.²¹ Denne guide sigter netop mod at bygge bro over dette kompetencegab.

H2: Trin 5: Inspirer til handling – Konklusion, anbefalinger og næste skridt

En data-story er ikke kun til for at informere eller underholde; dens ultimative formål er ofte at inspirere til en form for handling eller forandring. Det femte og sidste trin i processen handler derfor om at sikre, at din fortælling lander stærkt, med en klar konklusion, konkrete anbefalinger og en tydelig vej frem.

Opsummer de vigtigste indsigter klart og præcist

Når du nærmer dig afslutningen på din data-story, er det vigtigt at samle trådene og gentage dine absolut vigtigste budskaber. Præsenter en kort, koncis opsummering af dit kernebudskab og de 2-3 mest afgørende fund fra din dataanalyse.⁴ Denne opsummering skal være letforståelig og direkte underbygget af den data og det narrativ, du har præsenteret. Undgå at introducere ny information i konklusionen.

Eksempel: “Som vi har set gennem analysen af de seneste seks måneders kundefeedback og supporthenvendelser, viser dataene med al tydelighed, at den primære årsag til kundefrafald er den manglende integration mellem vores mobilapp og webplatformen. Dette resulterer ikke kun i frustration hos brugerne, men også i et direkte tab af potentielle abonnementsfornyelser på estimeret X kroner årligt.”

Formuler en tydelig opfordring til handling (call-to-action)

En data-story, der ikke munder ud i en klar opfordring til handling (CTA), risikerer at efterlade publikum med en følelse af “hvad så nu?” og dermed miste sin gennemslagskraft.² Vær derfor meget specifik omkring, hvad du ønsker, din målgruppe skal gøre med den viden, de netop har fået.¹¹ Hvilke næste skridt anbefaler du baseret på de indsigter, din data-story har afdækket?.¹ En uklar eller helt manglende CTA er en af de hyppigste årsager til, at selv ellers velformidlede data-stories ikke fører til den ønskede forandring.³ Det er den kritiske “sidste mil” i processen, som afgør, om indsigt omsættes til reel værdi.⁵

Eksempel: “Baseret på disse fund anbefaler vi derfor, at udviklingsteamet prioriterer udviklingen af fuld synkronisering mellem mobilapp og webplatform i næste udviklingssprint. Vi foreslår desuden, at marketingafdelingen forbereder en kommunikationsplan, der kan informere kunderne om denne forbedring, så snart den er implementeret, med et mål om at reducere kundefrafaldet med Y% inden for de næste to kvartaler.”

Giv praktiske tips og løsninger, der kan implementeres

For at gøre din opfordring til handling endnu mere konkret og brugbar, kan du supplere med praktiske tips og løsningsforslag, som din målgruppe direkte kan tage med sig og implementere. Disse råd bør være handlingsanvisende og realistiske inden for den givne kontekst, gerne med et specifikt blik for danske forhold, hvis relevant.

Eksempel: “For at styrke jeres interne kompetencer inden for data-storytelling og sikre en mere ensartet og effektiv datakommunikation på tværs af afdelinger, kan I overveje følgende konkrete tiltag:

Afhold månedlige ‘data-dyster’, hvor forskellige teams præsenterer korte data-stories for hinanden og giver konstruktiv feedback.
Etabler en intern vidensbank med best practice-eksempler på god data-storytelling fra jeres egen organisation og branche.
Invester i et fælles kursus eller workshop i data-storytelling for nøglemedarbejdere, eventuelt med fokus på de værktøjer, I allerede anvender (f.eks. Power BI eller Tableau).”

Hvordan måles effekten af din data-story?

Den ultimative målestok for en succesfuld data-story er, om den får publikum til at handle i overensstemmelse med dens budskab og anbefalinger.³ Men effekten kan også vise sig på andre måder:

Øget engagement: Stiller publikum flere uddybende spørgsmål til de foreslåede handlinger frem for til selve dataene? Er der en livlig diskussion?
Bedre forståelse: Er der færre misforståelser omkring dataenes betydning?
Videreformidling: Begynder publikum selv at tale om og dele de indsigter, du har præsenteret? Føler de sig “empowered to communicate and discuss with others the insights they have learned”?.³
Kulturel forandring: Bidrager din data-story til at styrke en datadrevet kultur i organisationen, hvor beslutninger i højere grad baseres på evidens og fælles forståelse?.⁷

Det kan være en god idé at indsamle feedback efter din præsentation, enten uformelt eller gennem en mere struktureret evaluering, for at vurdere effekten og identificere forbedringsområder til fremtidige data-stories.³ Måling af effekt handler således ikke kun om hårde, kvantitative metrics (som f.eks. en stigning i konverteringsraten efter en marketing-data-story), men også om blødere, kvalitative ændringer i adfærd, forståelse og organisationskultur. Mange fokuserer på selve skabelsen af data-storyen, men det er vigtigt også at have en strategi for den opfølgning og implementering af handlinger, som historien gerne skulle inspirere til.

H2: Data-storytelling for ordblinde i Danmark: Ressourcer og bedste praksis

Et centralt aspekt af at skabe fængslende og effektfulde datafortællinger er at sikre, at de er tilgængelige for alle. I Danmark, hvor Nota estimerer, at omkring 5-7% af befolkningen er ordblinde, er dette en særlig vigtig overvejelse.⁸ Ordblindhed er en specifik indlæringsvanskelighed, der primært påvirker evnen til at afkode ord og koble bogstaver med lyde, hvilket kan give markante udfordringer med både læsning og skrivning.⁸ For studerende kan det betyde vanskeligheder med at huske det læste, nå læse- og skriveopgaver, strukturere skriftlige opgaver og formulere sig præcist på skrift.⁷⁵ Disse udfordringer kan have konsekvenser for både faglig udvikling og generel trivsel.⁷⁶

Hvordan data-storytelling specifikt kan hjælpe personer med ordblindhed

Netop data-storytelling, med sin iboende vægt på visuel støtte og narrativ struktur, kan være en særdeles effektiv kommunikationsform for personer med ordblindhed:

Visuel støtte: Klare og veldesignede datavisualiseringer som diagrammer, grafer og infografikker kan formidle kompleks information hurtigt og intuitivt. Dette reducerer afhængigheden af store mængder tekst, som kan være en barriere for ordblinde.¹¹ Grafisk visualisering kan generelt bidrage til bedre læring, forståelse, overblik og engagement, især for elever med læse-/skrivevanskeligheder.⁷⁷
Narrativ struktur: En tydelig historie med en klar begyndelse, midte og slutning giver en logisk ramme, der hjælper med at organisere informationen. Dette kan gøre komplekse data mere håndterbare, meningsfulde og lettere at huske.¹¹
Reduceret kognitiv belastning: Ved at simplificere data, fremhæve nøglepointer og præsentere information i mindre, mere fordøjelige bidder, kan data-storytelling mindske den kognitive byrde, som ordblinde kan opleve, når de konfronteres med lange og teksttunge materialer.¹¹ Læsning på skærm kan i sig selv være mere overfladisk, hvilket gør gode formidlingsstrategier endnu vigtigere.²⁸
Multisensorisk tilgang: Data-storytelling åbner op for at kombinere det visuelle med det auditive. En mundtlig præsentation af en data-story, eller muligheden for at få tekst oplæst via læse-skriveteknologi (LST), appellerer til flere sanser. Forskning peger på, at multisensoriske tilgange kan være gavnlige i forbindelse med dysleksi og læsning.⁷⁸ Ordblindeforeningen anbefaler da også at skabe et multisensorisk læringsmiljø.³⁵

Eksempel: En data-story om konsekvenserne af klimaforandringer i Danmark vil være langt mere tilgængelig for en person med ordblindhed, hvis den primært bruger et simpelt, farvekodet kort til at vise temperaturstigninger i forskellige regioner (visuelt), understøttet af en klar og koncis mundtlig eller skriftlig fortælling om de vigtigste konsekvenser (narrativt), frem for en traditionel rapport fyldt med tætskrevne sider, komplekse tabeller og teknisk fagsprog.

Data-storytelling kan således være et reelt værktøj til empowerment for ordblinde. Som modtagere får de lettere adgang til og forståelse for kompleks information. Og som skabere kan de anvende de visuelle og narrative elementer til at kompensere for eventuelle skriftsproglige udfordringer og dermed effektivt formidle deres egne indsigter og analyser. Dette kan styrke selvtilliden og øge deltagelsesmulighederne i faglige og professionelle sammenhænge.⁷⁶

Danske ressourcer og støttemuligheder

Danmark har en veludbygget infrastruktur af støttemuligheder og ressourcer for personer med ordblindhed. Denne infrastruktur skaber ikke kun hjælp, men også en forventning i samfundet om, at information og kommunikation, herunder digitalt, gøres tilgængelig. Organisationer, der ignorerer dette, risikerer at fremstå ekskluderende. Nedenstående tabel giver et overblik over nogle centrale aktører:

Tabel 2: Danske ressourcer og støttemuligheder for ordblinde

Organisation/Ressource	Primær Målgruppe(r)	Tilbud/Ydelser	Relevans for Data-Storytelling	Website/Kontakt
Nota	Personer med læsevanskeligheder (alle aldre)	Lydbøger, e-bøger, studiematerialer i tilgængelige formater	Adgang til information og viden i tilgængelige formater, som kan danne baggrund for eller supplere data-stories.	nota.dk ⁷⁵
Ordblindeforeningen i Danmark	Ordblinde, pårørende, fagfolk, virksomheder	Rådgivning, vejledning, interessevaretagelse, kurser, netværk	Anbefalinger til tilgængelig information og undervisning, som kan guide design af data-stories. Kendskab til målgruppens behov.	ordblindeforeningen.dk Tlf: 69 13 80 07 ³⁵
SPS (Specialpædagogisk Støtte)	Elever/studerende på ungdoms- og videregående udd.	IT-hjælpemidler (LST-software, computer), instruktion, studiestøttetimer	Værktøjer (f.eks. oplæsningssoftware) der kan gøre data-stories (både tekst og visualiseringer med alt-text) tilgængelige.	spsu.dk ⁷⁵
VUC’er (f.eks. KVUC)	Voksne, der ønsker uddannelse eller opkvalificering	Ordblindeundervisning (OBU), ordblindetest, vejledning om hjælpemidler	Undervisning i brug af LST-værktøjer, der kan anvendes til at tilgå eller skabe data-stories.	F.eks. kvuc.dk ⁸⁴
VISO (Den nationale videns- og specialrådgivningsorganisation)	Kommuner, borgere, fagfolk (ved komplekse sager)	Specialrådgivning, udredning, vidensformidling	Ekspertise der kan inddrages ved særligt komplekse tilgængelighedsudfordringer ifm. formidling.	socialstyrelsen.dk/viso ³⁵
Ordblindetesten.dk	Uddannelsesinstitutioner, testere, borgere	National ordblindetest, adgang til egne testresultater	Dokumentation for ordblindhed, som kan give adgang til SPS-støtte og relevante hjælpemidler.	ordblindetest.dk ¹⁰
EMU Danmarks læringsportal	Lærere, pædagoger, elever, forældre	Undervisningsmaterialer, vejledninger, inspiration til undervisning	Materiale og viden om ordblindhed og pædagogiske tilgange, der kan inspirere til tilgængelig formidling.	emu.dk ¹⁰
Udvalgte legater (f.eks. Thereses Ordblindelegat, Egmont Fonden)	Ordblinde (specifikke kriterier for hvert legat)	Økonomisk støtte til f.eks. hjælpemidler, kurser, efterskoleophold	Kan finansiere værktøjer eller uddannelse, der styrker evnen til at arbejde med/forstå data-stories.	Søg via legatdatabaser ⁸¹

Derudover er der lovgivning om webtilgængelighed (baseret på EU-direktiv), som stiller krav til offentlige organers websteder og mobilapplikationer, herunder at indhold skal være tilgængeligt. Dette omfatter også dokumentformater som PDF’er og videoer, der ofte bruges til at formidle data-stories.¹³ Digitaliseringsstyrelsen fører tilsyn med denne lovgivning.

Praktiske råd til at skabe og tilgå data-stories, når man er ordblind

For skabere af data-stories:
- Følg de tidligere nævnte retningslinjer for dysleksivenligt design af tekst og visualiseringer (se Tabel 1).
- Sørg for, at alt digitalt materiale er korrekt opmærket (f.eks. overskriftsniveauer i HTML eller Word, alternativ tekst til billeder og grafer), så det fungerer optimalt med LST-værktøjer.³⁵ Notas retningslinjer for tilgængelige elektroniske titler giver god vejledning herom.⁵⁹
- Overvej at tilbyde et resumé af de vigtigste pointer i starten af længere data-stories.
- Test dine materialer med LST-værktøjer for at sikre, at de læses korrekt op.
For modtagere med ordblindhed:
- Gør aktivt brug af de mange Læse-SkriveTeknologi (LST) værktøjer, der findes. Populære programmer til computer inkluderer AppWriter, IntoWords, CD-ORD og ViTre. Disse kan typisk læse digital tekst højt, give ordforslag under skrivning, OCR-behandle billeder af tekst og nogle har tale-til-tekst funktioner.⁸⁰ Mange af disse findes også som apps til smartphones og tablets.
- Udnyt de indbyggede funktioner i din smartphone eller tablet. Både iOS og Android har funktioner til at få tekst læst højt og til at diktere tekst i f.eks. mails og beskeder.⁸⁴ Google Lens (i Google-appen) kan tage et billede af tekst og læse den højt.⁸⁰
- Brug scanner-apps som Prizmo Go (iOS) eller Claro ScanPen (Android) til at tage billeder af trykt tekst (f.eks. fra en rapport eller et handout) og få den læst højt.⁸⁰
- Til film og videoer med udenlandske undertekster kan appen SubReader læse underteksterne højt på din telefon, synkroniseret med afspilningen på skærmen. Den virker med mange streamingtjenester og i nogle biografer.⁸⁰
- Organiser den information, du modtager, i overskuelige dele. Brug eventuelt mindmaps eller noter med visuelle elementer til at fastholde vigtige pointer.³⁵

Selvom der findes mange LST-værktøjer, er kendskabet til dem og den effektive brug af dem ikke nødvendigvis udbredt hos alle ordblinde eller de fagfolk, der støtter dem. Der er et kontinuerligt behov for oplysning, undervisning og træning i disse værktøjer for at sikre, at potentialet udnyttes fuldt ud.⁷⁵ Data-stories bør designes med henblik på at fungere optimalt sammen med disse hjælpeteknologier.

Konklusion:

At transformere rå data til fængslende og meningsfulde fortællinger er en kunst, der kræver både analytisk tæft, kreativitet og en dyb forståelse for sin målgruppe. Den 5-trins proces, vi har gennemgået – Definer din mission, Find og forædl dine data, Byg din fortælling, Formidl med gennemslagskraft, og Inspirer til handling – tilbyder en robust og fleksibel ramme, der kan guide dig på denne rejse. Det er vigtigt at huske, at processen sjældent er strengt lineær; ofte vil du bevæge dig frem og tilbage mellem trinene, efterhånden som din forståelse af dataene og historien udvikler sig. Øvelse, iteration og modtagelse af feedback er nøglen til at finpudse dine færdigheder.

Potentialet i veludført data-storytelling er enormt. Det kan bygge bro mellem dataeksperter og beslutningstagere, mellem virksomheder og deres kunder, og mellem organisationer og den brede offentlighed.¹ Ved at tage de principper og værktøjer, der er præsenteret i denne artikel, i brug, kan du gøre din egen datakommunikation markant mere effektiv, engagerende og, ikke mindst, inkluderende. I en stadig mere kompleks og datadrevet verden er evnen til at skære igennem støjen og formidle klare, handlingsorienterede budskaber en form for lederskab – et lederskab, der guider andre mod bedre forståelse og mere informerede beslutninger.

Behovet for data-storytelling vil kun vokse i takt med den eksplosive stigning i datamængder og kompleksiteten i de udfordringer, vores samfund og virksomheder står overfor.¹ Samtidig vil kravene og forventningerne til tilgængelighed og digital inklusion, herunder hensynet til ordblinde, utvivlsomt blive endnu stærkere.¹³ Nye teknologier, herunder kunstig intelligens, vil utvivlsomt tilbyde nye værktøjer til at assistere i analyse- og visualiseringsprocessen.³⁷ Men den menneskelige evne til at skabe et relevant narrativ, til at forstå kontekst, til at formidle med empati og til at inspirere til handling vil forblive helt central. Din rejse mod at blive en mesterlig data-storyteller starter nu – med det første datasæt, den første historie, det første skridt mod at gøre tal til fortællinger, der virkelig betyder noget.

Vi støtter

SkrivSikkert arbejder for bedre muligheder for alle med læse- og skrivevanskeligheder.