Quem disse que contar histórias com base em números ou estatísticas tem de ser um enorme aborrecimento? Para muitos inovadores sociais, a necessidade da utilização de dados para definir uma determinada realidade sobre a qual querem trabalhar e gerar impacto pode ser uma enorme dor de cabeça. E é para inverter apresentações entediantes que, cada vez mais, os cientistas de dados se juntam a artistas que, de forma gráfica, transformam informação matemática em material “humanizado” e muito mais fácil de apreender. Este artigo retirado da Stanford Social Innovation Review oferece alguns bons exemplos e inspira a procurar outros tantos
© Stanford Social innovation Review
Adaptado por
HELENA OLIVEIRA

“O verdadeiro poder dos dados provém da comunicação adequada “do que existe” por trás dos números, inspirando as pessoas a formular novas questões e a utilizá-las em inquéritos estatísticos rigorosos”

Quem o afirma é Jake Porway, fundador e director executivo da DataKind, uma organização sem fins lucrativos que tem como objectivo “criar” um mundo no qual qualquer organização social tenha acesso a dados que ajudem a melhor servir a humanidade. A DataKind faz a ponte necessária entre os cientistas ou analistas de dados – por muitos considerados como os profissionais mais cobiçados do século XXI – e as organizações sociais que, sem orçamento para os contratar, pode utilizar os seus serviços em regime pro bono. A ideia é “traduzir” as problemáticas e complexas questões da humanidade, seja no que diz respeito à educação, à pobreza, saúde, direitos humanos, ambiente e cidades, geralmente apresentadas por informação estatística, algoritmos e outros dados matemáticos, em realidades mais “percepcionáveis”. O artigo que se segue, adaptado da Stanford Social Innovation Review, levanta o véu sobre esta ainda pouco conhecida “narrativa”. E vale a pena explorar mais exemplos e aceder aos links fornecidos para melhor se perceber como funciona o que em inglês é denominado como “data storytelling”.

Enquanto orador convidado na conferência Data on Purpose, realizada pela Stanford Social Innovation Review, Jake Porway resume a sua intervenção no artigo que se segue.

Do que forma é utilizamos dados que, simultaneamente, consigam humanizar o nosso trabalho e demonstrar um verdadeiro impacto social?
Como é possível utilizarmos dados para contar uma história sem “atolar” a audiência em números e estatísticas?
Como é que estes mesmos dados se podem transformar numa inspiração?

De acordo com o autor deste artigo, estas são algumas das quase 200 questões que fizeram parte de um questionário que antecedeu a sua intervenção na conferência Data on Purpose, e são representativas do que maior interesse despertou aos participantes no evento em causa e, suspeita o CEO da DataKind, para a esmagadora maioria dos inovadores sociais.

Como explica o próprio, na DataKind, são utilizados dados científicos e algoritmos ao “serviço da humanidade”, sendo que o trabalho para comunicar estes mesmos dados que geram impacto social é, para o seu fundador, tão importante quanto o próprio trabalho que se tem em analisá-los.

Jake Porway acredita também que todos os projectos sociais devem começar por uma pergunta. E torna-se claro, de acordo com as questões acima mencionadas, que a arte da “data storytelling precisa de alguma desmistificação. Todavia, e em vez de se responder a cada uma das questões individualmente, o director da DataKind coloca uma questão mais abrangente com o objectivo de ajudar a clarificar alguma da essência desta inovadora arte: O que fazem de diferente os grandes “contadores de histórias” e o que é possível aprender com eles?

Os contadores de histórias a partir de dados respondem à mais importante das questões: “e então?”

Aprender a “prender” uma audiência a partir de dados é mais uma arte do que uma ciência. A verdade é que a maioria das pessoas, mesmo que inconscientemente, faz associações negativas no que diz respeito aos números e às estatísticas – vindo-lhes à memoria aulas de matemática aborrecidas, conceitos técnicos intimidatórios ou contabilidade “árida”. O que é uma pena, na medida em a mensagem subjacente aos números pode ser extremamente enriquecedora e elucidativa.

A solução? Ajudar a audiência a perceber o “e então?” e não os números. Para tal, é preciso questionar o seguinte: por que motivo é que alguém deverá interessar-se pelos dados sujeitos a análise e de que forma é que este tipo de informação gera o impacto necessário. Para Jake Porway, a verdade reside no facto de a maioria das pessoas não gostar de olhar e interpretar estes mesmos números. Apesar de ser necessária uma boa dose de confiança no rigor dos métodos apresentados, e no raciocínio e análise que se lhes segue, as pessoas limitam-se a querer saber qual o seu significado geral e o que devem fazer a seguir.

Um excelente exemplo de como é possível aceder directamente à questão “e então” pode ser encontrado nesta visualização interactiva elaborada pela Periscope e que ilustra as mortes devido à livre posse de armas nos Estados Unidos [infelizmente bem a propósito, depois do ataque em Orlando no último fim-de-semana]. Apesar de os dados serem mostrados com “parcimónia”, a forma como são apresentados evoca, claramente, uma forte mensagem anti-armas.

© Periscopic
© Periscopic

Para aceder à animação dos dados clique aqui

Como seria de esperar, existe muita informação envolvida neste tipo de visualização e o modelo estatístico que a acompanha e que estima a idade das vítimas de armas é bastante sofisticado e avançado. Mas existe apenas uma estatística que realmente se destaca: o número de anos “roubados” às vítimas em causa.

Na verdade, e como argumenta Porway, o número rigoroso de mortes não é o que mais importa, no sentido em que não é matematicamente importante. E, no final da animação, quem assistiu à visualização pode até nem se lembrar qual foi o número total de anos perdidos daqueles a quem foi tirada a vida, mas saberá que os mesmos serão sempre superiores a zero. Ao observar os pequeníssimos pontos que aparecem no gráfico – cada um deles representando uma pessoa – é quase impossível não se sentir uma enorme tristeza, afirma o fundador da DataKind. Para além de a Periscopic estar a dar a conhecer uma terrível realidade, a sua forma de exibir os dados não deixa ninguém indiferente e, muito menos, “atolado num pântano” de estatísticas difícil de compreender.

Estes contadores de histórias inspiram-nos a formular mais questões

Uma visualização de dados eficaz ajuda as pessoas a investigar um determinado tópico a fundo, em vez de o mesmo ser oferecido já como uma “conclusão” ou enquanto forma de persuasão para se acreditar em uma determinada nova realidade.

O autor do artigo dá o exemplo da DC Action for Children, uma organização sem fins lucrativos sedeada em Washinton D.C. que trabalha com crianças e jovens oriundos de agregados com baixos rendimentos, proporcionando-lhes cuidados de saúde, educação, segurança e bem-estar financeiro.

A DC Action oferece análise baseada em dados, todos eles interactivos, que ajudam os decisores políticos a melhor promoverem as suas políticas e acções para optimizar o bem-estar destas famílias. Interessada em aumentar não só a divulgação pública de dados provenientes de agências governamentais, bem como dos censos americanos, mas também as suas próprias bases de dados para ajudar os decisores políticos, os pais e os membros das comunidades a melhor perceber as condições que influenciam, negativa ou positivamente, o bem-estar das crianças dos bairros pobres de Washington, a empresa de Porway ajudou a criar uma ferramenta com capacidade para juntar um conjunto extenso e variável de informações, numa multitude de maneiras, apresentando-a de forma a permitir que as pessoas “mergulhem” nos seus tópicos de interesse e a descobrir verdades surpreendentes, como, por exemplo, o facto de uma em cada três crianças viver num bairro em que não existe nenhuma mercearia [para ver como funciona a ferramenta, clique aqui].

© DC Action for Children’s DataTools 2.0
© DC Action for Children’s DataTools 2.0

O director da KindData explica que a organização sem fins lucrativos em causa utiliza uma abordagem de “informação escalonada” que poderá funcionar muito bem para outras organizações. No website da organização existe um sumário executivo que explica as principais conclusões retiradas dos dados em causa, mas nada de muito “pesado”, dando antes preferência a algumas estatísticas para as apoiar. É igualmente possível ir mais além, navegando pelo mapa, adicionar e retirar “camadas” e criar visualizações diferentes, numa espécie de “faça você mesmo”.

Estes contadores de histórias usam análises rigorosas em vez de se limitarem a colocar números numa página.

Como reforça Porway, a visualização de dados não é um objectivo com um fim, mas antes um processo. É, na maioria das vezes, o último passo numa longa cadeia de produção que culmina na elaboração de um gráfico. O fundador da DataKind conta uma história, ocorrida com o New York City Department of Parks & Recreation (NYC Parks), o qual abordou a sua organização, armada com um conjunto substancial de dados sobre cada uma das árvores existentes na cidade de Nova Iorque – incluindo a data de plantação e de poda – e lhes perguntou: podar as árvores num ano reduz o número de potenciais perigos para as mesmas árvores nos anos que se seguem? A imagem que se segue foi uma das primeiras elaborada pelos cientistas de dados que, voluntariamente, trabalham para a DataKind:

© DR
© DR

Esta é uma visualização da densidade de árvores existentes na cidade de Nova Iorque e como recorda Porway foi recebida com “oohs” e “aahs”. Porque era interactiva [não foi possível encontrar a imagem original] e capaz de mostrar onde diferentes tipos de árvores estavam plantados, o gráfico foi recebido com uma enorme satisfação. Mas uma outra “descoberta” que teve origem neste trabalho teve ainda um impacto significativamente maior. Brian D’Alessandro, um dos cientistas de dados voluntários da DataKind, utilizou a modelação estatística para ajudar o NYC Parks a calcular um número: 22 por cento. Acontece que existem menos 22% de probabilidades de as árvores virem a sofrer de algum problema nos quarteirões em que foram podadas do que naqueles onde a poda não existiu. E este número está a ajudar a cidade a aumentar a eficácia da alocação dos seus recursos, sendo que actualmente outros programas de florestação urbana estão a “perguntar” a Nova Iorque se podem fazer o mesmo. Neste caso em particular não existe uma visualização sexy, nem interactividade, mas apenas um modelo estatístico rigoroso de um determinado universo que está ajudar as cidades a proteger as suas árvores e, consequentemente, os seus habitantes.

De acordo com o autor do artigo, é exactamente neste ponto que existe um ponto de tensão no que à visualização de dados diz respeito. Quando as pessoas falam da “utilização de dados”, geralmente usam o mesmo termo para se referirem a dois tipos diferentes de “linhas de trabalho”, apesar de relacionados: aquilo a que estes cientistas de dados denominam como “dados para humanos versus dados para máquinas”. O mapa dos parques da cidade de Nova Iorque acima publicado, por exemplo, é constituído por “dados para humanos”, na medida em que apresenta um retrato “bonito” de dados que permitirão a alguém responsável pelos mesmos parques “ver alguma coisa” e, de seguida, “fazer algo de novo com essa mesma informação” (e fizeram-no). Todavia, os 22 por cento a que Brian D’Alessandro “chegou” – através de técnicas de probabilidade e estatísticas utilizadas para aprendermos, de forma mais rigorosa, sobre uma determinada realidade – deram origem não só a dados, mas a uma nova constatação e, no final de tudo, uma justificação para os programas realizados pelo NYC Parks’.

Se pretende saber mais sobre visualização de dados que geram impacto social, pode ouvir e aceder à apresentação de Jake Porway na conferência acima mencionada aqui.

Pode ainda aceder ao trabalho da designer de informação Giorgia Lupi ou ao blog de Jer Thorpe, que se dedica a misturar dados com artes.

Ambos são considerados como excelentes contadores de histórias a partir de dados que utilizam os números “embrulhados” em produções artísticas.

Adaptado, com permissão, de “Three Things Great Data Storytellers Do Differently” © Stanford Social Innovation Review 2016

Helena Oliveira

Editora Executiva