企业官网建设流程全解析

数据叙事实战：完成 Data-Science-For-Beginners 第 16 课 "Tell a Story" 作业的完整指南

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

本指南围绕 Data-Science-For-Beginners 课程《数据科学生命周期：沟通（Communication）》中的实战作业"Tell a Story"展开，结合第 16 课正文的五大叙事策略与仓库内置的真实数据集，为学习者提供一份从选题、分析到成文的可操作路线图。读完本文，你将理解数据沟通为何以讲故事为核心，掌握"单向/双向沟通""以终为始""五幕式结构"等关键方法论，并能在本仓库的数据目录中挑选数据集、完成一篇符合评估标准的一页纸短文。

一、作业概览：数据科学本质上是讲故事

本作业位于课程第 4 单元"数据科学生命周期"的第 16 课文件夹中，英文原始说明见 4-Data-Science-Lifecycle/16-communication/assignment.md，其孟加拉语翻译版见 translations/bn/4-Data-Science-Lifecycle/16-communication/assignment.md。作业要求如下：

作业题目：Tell a story（讲一个故事）

说明：数据科学完全是关于讲故事的。请任选一个数据集，写一篇关于你可以用它讲述什么故事的短文。你希望你的数据集能揭示什么？如果它的揭示被证明有问题，你会怎么做？如果你的数据不能轻易解锁它的秘密，你会怎么做？想一想你的数据集可能呈现的各种场景，并把它们写下来。

评估标准（Rubric）：见下表。

从作业要求可以看出，这一任务考察的不是"跑通代码"，而是把数据分析结果组织成有说服力的叙事的能力——这正是数据科学工作流中"沟通"环节（第 16 课）的核心训练目标。

二、课程背景：为什么数据沟通必须讲故事

第 16 课正文 4-Data-Science-Lifecycle/16-communication/README.md 开篇即给出定义：沟通（to communicate）就是传递或交换信息，涉及发送者（communicator）与接收者（audience）。但沟通数据时，目标绝不是简单地把数字扔给听众——你的目标应该是讲一个由数据支撑的故事。听众更容易记住你讲的故事，而不是你给的一个数字。有效的数据沟通与讲故事密不可分。

课程还区分了两种沟通类型，作业撰写时应明确自己处于哪种场景：

• 单向沟通（One-way communication）：发送者向接收者传递信息，不寻求反馈。例如群发邮件、新闻播报、电视广告。写一页纸的短文本质上就是单向沟通——读者无法当场提问，因此你必须主动提供充分的背景与清晰的解释。
• 双向沟通（Two-way communication）：各方既是发送者也是接收者，存在反馈回路。例如会议、对话、社交媒体互动。作业若后续伴随答辩或讨论，则需要预留澄清与问答空间。

三、五条叙事策略：把作业从"报数字"升级为"讲故事"

第 16 课给出了五条核心策略，它们正是完成本作业的方法论骨架，可以逐条映射到你的成文过程。

1. 理解你的听众、渠道与沟通方式

课程引用了《哈佛商业评论》文章"How to Tell a Story with Data"中 Jim Stikeleather 提出的五类听众分类：

• 新手（Novice）：第一次接触该主题，但反感过度简化；
• 通才（Generalist）：了解话题，但需要概览性理解与主要主题；
• 管理层（Managerial）：需要深入、可行动的细节理解及其相互关联；
• 专家（Expert）：更想探索和发现，而非听故事，需要大量细节；
• 高管（Executive）：只有时间提炼加权概率的意义和结论。

对于作业而言，你的"听众"是批改者或同侪——通常介于通才与专家之间。因此文章既要有清晰的背景铺垫（通才友好），也要保留可验证的数据细节（专家友好）。同时要明确：一页纸短文是单向沟通，你必须在文内一次性完成"教育听众 → 呈现数据 → 解释含义 → 说明重要性"的完整链条。

2. 以终为始（Begin with the End in Mind）

动笔之前，先写下你希望读者带走的关键结论。之后准备材料的每一步都反问自己："这如何融入我要讲的故事？"

但课程特别警告了一个陷阱——Cherry-Picking（挑樱桃）：只选择支持自己结论的数据，忽略其他所有数据。正确做法是：如果收集到的数据并非全部支持你的结论，甚至支持相反论点，也要在文中如实呈现，并坦诚说明你为什么仍然坚持这个叙事。这一要求应直接体现在你的作业中——诚实地讨论数据的反例与局限，是拿到"优秀"评级的重要加分项。

3. 像写真正的故事一样组织文章（五幕结构）

传统故事有五个阶段，可以记为：Context（背景）→ Conflict（冲突）→ Climax（高潮）→ Closure（收束）→ Conclusion（结论）。数据叙事可以完全套用：

• 背景：设定舞台，确保读者在同一页面上——为什么研究这个主题？
• 冲突：为什么需要收集这份数据？要解决什么问题？
• 高潮：数据是什么？数据意味着什么？数据告诉我们需要什么解决方案？
• 收束：重申问题与提出的解决方案。
• 结论：总结关键结论与建议的下一步行动。

4. 使用有意义的词句，而不是含糊词

课程举例说明：说"我们的用户 onboarding 需要很长时间"——每个人对"很长时间"的理解不同；而说"用户平均需要 3 分钟完成注册和 onboarding"，含义立刻清晰。含糊词（"业绩惊人""显著提升""大量投入"）只适合作为引入或总结，正文每个环节都应尽力精确。作业中凡是涉及数字的陈述，都应给出具体数值，并注明来源列或统计口径。

5. 运用情感

情感能唤起听众共情、促使其行动，并提高记忆概率。课程给出的三种手段：

• 证言与个人故事：尽量同时收集定量与定性数据；若数据主要是定量的，去寻找个体经历的故事；
• 意象（Imagery）：用图片帮助读者"设身处地"；
• 颜色（Color）：不同颜色唤起不同情绪——蓝色通常唤起平和与信任，绿色关联自然与环境，红色代表激情与兴奋，黄色代表乐观与快乐。注意颜色在不同文化中含义可能不同。

四、标杆案例：Emerson 的 30 分钟会议对比

第 16 课正文用完整篇幅展示了一个"错误示范 vs 正确示范"的案例，课程配套文件 contenteditable="false">【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners