Data Story เล่าเรื่องด้วยข้อมูล ทำแบบไหนได้บ้าง?

Data Story หรือเรื่องราวที่ถูกถ่ายทอดผ่านการ ‘ใช้ข้อมูล’ นั้น เริ่มมีให้เห็นมากขึ้นในช่วง 2–3 ปีมานี้ แถมเริ่มมีรูปแบบวิธีที่แตกต่างหลากหลาย เรียกได้ว่าตื่นเต้นและน่าสนุกทุกครั้งที่ได้เห็นโปรเจกต์ใหม่ๆ จากทีม Data Storyteller แต่ละมุมโลก

แต่ ‘รูปแบบวิธีที่แตกต่างหลากหลาย’ นั้น ทำให้หลายครั้งก็เกิดคำถามว่า “แล้วตกลง Data Story มันมีแบบไหนได้บ้าง?” ยิ่งเวลาเราต้องทำงานกับลูกค้า/พาร์ตเนอร์ บางทีมันก็จำเป็นต้องเห็นแนวทางที่จะไปให้ตรงกัน เพื่อตกลงวิธีเดินร่วมกันบนทางนั้นให้ได้ (ถึงจะอยากตอบว่า “มีได้ไม่จำกัดรูปแบบ ขึ้นอยู่กับข้อมูลและเรื่องที่อยากเล่า” ก็เหอะ ?)

Punch Up/WeVis เอง จึงแบ่งงานที่เราทำออกเป็น 6 รูปแบบหลักๆ ตามผลลัพธ์สุดท้าย (Final Product) ที่ออกมา ซึ่งเราก็พบว่าสตูดิโอและสื่อหลายๆ ที่ในต่างประเทศก็เลือกใช้วิธีคล้ายๆ กัน ส่วนเวลาทำโปรเจกต์จะเลือกแบบไหนและโครงสร้างการเล่าเรื่อง (Story Structure) จะเป็นแบบไหนนั้น ขึ้นอยู่กับลักษณะข้อมูลและประเด็นสำคัญที่อยากเล่า

แต่เมื่อไม่กี่เดือนก่อน ได้ไปเจอบทความนึงชื่อ The Genres of Data Stories ใน Elevate Dataviz Learning Community ที่แบ่ง Data Story เป็น 4 Genres หลักๆ ด้วย ‘Story Structures’ ไม่ใช่ด้วย Types of Product แบบที่เราทำ ก็รู้สึกว่าน่าสนใจ เพราะว่าเป็นเกณฑ์ที่อาจจะทำให้เห็นภาพของ ‘การใช้ข้อมูล’ มากกว่าแค่ ‘รูปแบบหน้าตาของงาน’ เลยน่าเอามาเป็นโจทย์เพิ่มเติมในการริเริ่มโปรเจกต์ของเราเหมือนกัน ซึ่ง Will คนเขียนบทความ ได้แบ่งไว้ 4 แบบดังนี้

1. Question Story

แน่นอนว่า Data Story ทุกชิ้นย่อมทำขึ้นมาเพื่อตอบคำถามอะไรบางอย่าง แต่ Question Story จะเป็นงานที่พุ่งเป้าไปที่การตอบคำถามสำคัญคำถามเดียว แล้วพาคนอ่าน เดินตามกระบวนการหาคำตอบจากข้อมูลไปพร้อมๆ กัน จากข้อสังเกตคืองานลักษณะนี้มักจะมีชื่อเรื่องเป็น ‘คำถาม’ เช่น Can one earthquake trigger another on the other side of the world? หรือ Are men singing higher in pop songs? หรืออาจจะเป็นประโยคบอกเล่าที่จริงๆ แล้วเอามาตั้งเป็นคำถามได้ เช่น The worst tweeter in politics isn’t Trump ที่อาจจะเปลี่ยนเป็น ‘Who is the worst tweeter in politics?’ ได้

Story Structure: ใช้วิธีการวางโครงเรื่องเหมือนการทดลองทางวิทยาศาสตร์ คำถาม -> ตั้งสมมติฐาน -> ทดลองเอาข้อมูลต่างๆ มาตอบ -> หาผลลัพธ์ที่เป็นไปได้ -> สรุป

ถ้าจะให้ลองจัดงานของ Punch Up/WeVis ที่เข้าข่ายนี้ ก็อย่างเช่น

2. How It Happened

Data Story ลักษณะนี้เป็นเหมือนการเล่าเรื่องตามลำดับเวลา หลายครั้งอาจจะเป็นการตอบคำถามคล้ายๆ กับ Question Story แต่จะต่างไปตรงที่จะโฟกัสที่เหตุการณ์ใดเหตุการณ์หนึ่ง แล้วจะเป็นการใช้ข้อมูลและวิชวลมาช่วยเปิดเผย insight ใหม่ๆ หรือแก้ความเข้าใจผิด อย่างเช่น The Surfside Condo Was Flawed and Failing. Here’s a Look Inside. (ถ้าเป็น Question Story อาจจะเป็นเรื่องแนว ‘Are more buildings collapsing today than they used to?’), Italia, The Airship Crash Chronicle, SCMP’s coverage of the 2019 Hong Kong protests

Story Structure: ใช้วิธีการวางโครงเรื่องเหมือนการเล่าตามไทม์ไลน์ เอาเหตุการณ์/เรื่องราวหลักมาเรียง และใช้ข้อมูล/ภาพ เพื่อเผยให้เห็น insight ใหม่หรือความเข้าใจผิดที่เกิดขึ้น

ถ้าจะให้ลองจัดงานของ Punch Up/WeVis ที่เข้าข่ายนี้ ก็อย่างเช่น

3. How It Works

Data Story ประเภทนี้จะมุ่งอธิบายข้อมูลเกี่ยวกับเครื่องมือ กระบวนการ เทคโนโลยี และวิธีการที่ใช้ตอบคำถามบางอย่าง อย่างเช่น

งานของ Punch Up/WeVis ที่ใกล้เคียงประเภทนี้มากที่สุดก็น่าจะเป็น ความท้าทายใต้พื้นโลก

4. Look At All This Cool Data!

Data Story หลายชิ้น อาจไม่ได้ทำขึ้นมาเพื่อตอบคำถามแบบเฉพาะเจาะจงบางอย่าง หรืออธิบายคอนเซปต์/เหตุการณ์เฉพาะเรื่อง บางครั้งเป็นเพียงการนำข้อมูลที่น่าสนใจมาแสดง เพื่อให้คนดูคนอ่านได้ลองตั้งคำถามหลายๆ มุม แล้วสำรวจและหาเรื่องราว/ข้อสรุปจากข้อมูลเหล่านั้นเอง

เป้าหมายของงาน Data Story ลักษณะนี้จะเป็นแนวว่า “Hey! มาดูข้อมูลเจ๋งๆ พวกนี้สิ แล้วดูว่าเราจะเรียนรู้อะไรจากมันได้บ้าง”

แต่จากประสบการณ์ของ Punch Up/WeVis พบว่า การทำ Data Story ในลักษณะนี้ต้องพึ่งพาคนดูคนอ่านค่อนข้างมาก บางครั้งจึงเป็นความท้าทายว่าจะทำอย่างไรให้คนตั้งคำถามหรือแม้แต่กดสำรวจข้อมูลเหล่านี้ (เพราะบางที คนอ่านเองก็ไม่รู้จะเริ่มตรงไหน) ตัวอย่างเช่น

บางที เราเลยต้องแอบหยอดๆ คำถามชวนคิด และตัวอย่างวิธีการหาคำตอบจากข้อมูลไว้ เพราะกลัวคนไม่อ่าน ไม่ใช่อะไรหรอก ? (แบบนี้ BKK Follow Up สำรวจปัญหากวนใจชาว กทม.)

อย่างไรก็ตาม Will ก็เขียน Disclaim ไว้ในบทความว่า โดยปกติ Data Story เองก็อาจมีวิธีการเล่าที่หลากหลาย รวมถึงใช้รูปแบบหน้าตาที่หลากหลายในการนำเสนอ เป็นไปได้ว่างานชิ้นนึงอาจจะถูกจัดอยู่ในหลายประเภท (Genre) และเป็นไปได้ว่า Data Storyteller แต่ละทีม ก็อาจมีวิธีการจัดรูปแบบที่แตกต่างกันไป

ส่วนตัวแล้ว คิดว่าสิ่งสำคัญในการทำ Data Story อาจไม่ใช่ชื่อเรียกของ ‘ประเภท’ (Genre) ของงานชิ้นนั้น แต่คือการชวนกันคิดถึง ‘วิธีการใช้ข้อมูล’ เพื่อตอบคำถามหรืออาจจะชวนตั้งคำถาม ว่าเราใช้มันได้ดีแค่ไหน รวมถึงการตั้ง ‘เป้าหมายในการสื่อสาร’ ผ่านงานชิ้นนั้นๆ เพื่อเลือก ‘รูปแบบการแสดงผล’ ที่เหมาะสม ไม่ว่ามันจะหน้าตาเป็นแบบไหนก็ตาม