La data peut-elle raconter une histoire ? Non, la data doit être accompagnée d'un bon storytelling.
Ce n'est pas une option, c'est une obligation. On ne peut pas faire autrement.
Pourquoi la data marketing doit-elle s'associer au storytelling ?
Il y a une explication toute simple. La data n'est pas une fin en soi. On peut consacrer beaucoup de temps à collecter et analyser de la data, des montagnes de data, de la big data même. Mais ça reste... de la data.
On n'imagine pas un recevoir le cadavre d'un boeuf pas même dépecé sur son assiette au restaurant. Et bien avec la data c'est pareil. Le boeuf est une matière première au service d'autre chose, une expérience culinaire par exemple. Ah, une expérience : une histoire, du storytelling donc. Un message. Pas d'expérience à transmettre pour la data, mais un message, ça c'est sûr. Et la data, même analysée avec les outils les plus sophistiqués, reste une matière première pour le message.
Et on sait bien que le meilleur moyen de véhiculer un message, c'est une histoire, le storytelling. Voilà.
Raconter une histoire avec de la data :
C'est le premier niveau de storytelling mixé avec de la data. Cela se passe au niveau de la présentation de la data. C'est, on va dire, le storytelling d'entrée de gamme pour la data visualisation (ou dataviz).
N'importe quelle visualisation de données devra exprimer une histoire. On ne parle pas de mots, on parle des graphiques, de l'infographie qui va représenter les données. D'ailleurs, on dit bien qu'une image vaut mille mots.
Dans chaque représentation graphique ou ensemble de représentations graphiques, on devra pouvoir identifier ces éléments clés d'une histoire :
- Un héros (pas forcément une personne)
- Est à un endroit, à un moment donné
- Il a un problème
- Le problème est résolu
Encore une fois, aucun besoin de mots : l'enchaînement des visuels peut se suffire à lui-même. Les couleurs aussi, les formes, le positionnement des différents éléments de graphisme.
Le test qui tue sera ce qu'on appelle en anglais le squint test : en 5 secondes et même si le visuel est flou, est-ce qu'on comprend ce que cette data raconte ?
Le niveau supérieur de storytelling avec de la data :
Kevin Hartman est directeur de l'Analytics chez Google, auteur d' un livre sur le digital marketing, la data et son analyse, également. Autant dire qu'il sait parfaitement de quoi il parle. Et son propos est clair.
Pour lui, il n'y a pas de mystères :
- Au terme de l'analyse de data, c'est une histoire qui doit constituer le "deliverable", ce qui est présenté au client (interne ou externe) de l'étude des données. Et pas n'importe quelle histoire : Kevin Hartman indique que l'analyste doit être capable de raconter ce que racontent les données en moins de 60 secondes. Tous les analystes Google qui n'arrivent pas à faire cela (le test ultime) se font retoquer et sont priés de retourner à leur bureau pour travailler dans ce sens.
- On ne parle pas ici de faire parler des graphiques, mais du niveau au dessus : à partir de ces fameux graphiques, qui peuvent (doivent) déjà être narratifs, il y a un récit à servir au client. Ce récit lui permettra de comprendre ce que dit l'analyse de la data, et est une ouverture vers des possibilités d'actions de la part du client pour optimiser ses process business. Oui, j'utilise les mots "process business" de manière générique, parce qu'au final, on analyse de la data pour servir des objectifs de cette nature, pas pour le plaisir ou la curiosité.
Pour un autre expert en data analytics, Avinash Kaushik, c'est la capacité de l'analyste à explorer le "pourquoi ?" et le "et alors ?" du sujet qui va être déterminant. Le site internet d'Avinash Kaushik est d'ailleurs une mine d'informations à ne pas manquer, si je peux me permettre de glisser un mot là dessus. Pour lui, d'ailleurs, plus de 80% des analystes de données marketing échouent à ce stade.
Au passage, une vidéo très instructive, dans laquelle Avinash Kaushik parle de storytelling et de data (plus de 20 minutes d'explications de très grande valeur) :
Alors, bien entendu, tout cela n'est pas une fatalité. Même si c'est un grand défi que de présenter de la data, en lui faisant raconter une histoire (option n°1), ou en étant capable de formuler les enseignements de la data sous forme d'histoire (option n°2 que nous avons étudiée).
Nous pouvons tous devenir des storytellers efficaces :
Le storytelling est un muscle que nous possédons tous. Il faut le faire travailler pour lui donner du tonus et une utilité opérationnelle ou une employabilité, pour dire les choses autrement. On ne décrète pas du jour au lendemain que l'on est capable de faire raconter une histoire à de la data. Avant cela, il faudra s'être exercé bien des fois à raconter toutes d'histoires devant la machine à café, et au delà de la machine à café aussi. Dans des contextes vraiment professionnels.
Chez Storytelling France, c'est notre travail. Parfois nous faisons avec, parfois à la place de nos clients, cela dépend de ce qu'ils ont envie de faire ou peuvent faire. Nous les formons aussi, pour qu'ils puissent être des storytellers autonomes. Avec un premier stade possible : celui d'une formation express (la plupart de nos stagiaires terminent le programme en quelques heures - c'est l'objectif !) au storytelling.
Et que personne ne se retranche derrière l'excuse de l'outil de présentation des données... Je pense à PowerPoint, qui est l'alibi de bien des présentations de données ratées. PowerPoint n'est pas en cause : votre manière de l'utiliser, oui. Pour ma part, j'ai un programme visant à former les utilisateurs à la narration sur PowerPoint. Oui, autant les données peuvent raconter des histoires, autant PowerPoint le peut aussi.
Pas d'excuses, il n'y a pas d'obstacles au storytelling. Il n'y a que des avantages et des opportunités. Nous ne parlons que de cela sur le site de Storytelling France : de possibilités de faire, simples, opérationnelles, sans nécessité de monter des usines à gaz. Les usines à gaz peuvent se trouver dans le process de traitement de la data, peut-être, mais hors de question qu'il y en ait en bout de chaîne, sinon, toute l'analyse est un gros fail.