A Métricas Boss é uma agência de Web Analytics e usabilidade. Conte com uma empresa certificada Google Analytics para sua gestão de web analytics.

Métricas Boss - Agência de Web Analytics! 

thumbnail_BANNER_PNG.png

BANNER_PNG.png

favicon.png

*Este artigo aborda por que devemos contar histórias com dados e como começar uma jornada de criar narrativas com dados. Ele explica por que a narrativa é importante para a análise de dados e quais são os elementos mínimos para contar uma história com dados.*

Os humanos contam histórias como uma forma de comunicação, de transmissão de informações relevantes. **Contamos histórias** para educar, entreter, inspirar, moldar nossos valores e cultura. As histórias ajudam a dar sentido ao mundo ao nosso redor. [**Na análise de dados**](https://metricasboss.com.br/artigos/os-4-tipos-de-analise-de-dados-e-como-faze-los), as histórias ajudam a dar sentido aos padrões, às correlações, às conexões que vemos em um determinado conjunto de dados, contextualizando-o em um sistema maior ao qual esses dados pertencem.

A **narrativa**, algumas vezes também chamada pelo termo em inglês [**“storytelling”**](https://menosachismomaisdados.com.br/curso-de-storytelling-com-dados-online/), é reconhecida como uma disciplina relevante em negócios, marketing e análises de dados devido ao seu **poder de engajar as pessoas**. Em ambientes profissionais, histórias são contadas com dados para envolver as pessoas com as informações, convencer ou persuadir um cliente ou gerente a tomar decisões com base em dados, inspirar as pessoas a olhar para certos assuntos com mais atenção e criar uma cultura de formação de nossas convicções e opiniões com base em dados. A narrativa de dados é uma das maneiras mais eficazes de **democratizar o poder dos dados**

É possível descrever um conjunto de dados sem contar histórias. Por exemplo: as vendas aumentaram no mês passado. A partir do momento em que identificamos esse conjunto de dados como **parte de um sistema**, entendemos que ele existe em um determinado **contexto**. Voltando ao exemplo: as vendas aumentaram no mês passado em 10% em relação ao mesmo mês do ano anterior, após um investimento 20% maior em mídia. Isso começou a soar um pouco mais como uma história.

Quando se trata de contar histórias com dados, as histórias normalmente são contadas de forma oral ou visual, e às vezes em ambos os formatos, como quando alguém apresenta seu trabalho usando slides. Esses são, no entanto, apenas **formatos possíveis para contar uma história**, não as condições sem as quais a história não existe. Embora eu seja tendenciosa em defender o poder da [**visualização de dados**](https://metricasboss.com.br/artigos/14-dicas-de-visualizacao-de-dados-que-voce-precisa-usar) na narrativa, porque sou apaixonada por isso há muitos anos, reconheço que mesmo ótimos conteúdos sobre contar histórias com dados às vezes se concentram quase exclusivamente nos aspectos visuais de “storytelling”, o que não é tudo o que a narrativa de dados é. Uma história de dados pode ser contada usando apenas gráficos de dados ou com outro tipo de suporte visual, e também pode ser contada exclusivamente com palavras, escritas ou oralmente. Profissionais que precisam contar histórias com dados podem se beneficiar muito ao aprimorar suas habilidades de **oratória, escrita e visualização de dados.**

O aprendizado principal deve ser que cada decisão deve ser tomada, sempre que possível, **a serviço da história**. No reino da **visualização de dados**, tudo, desde a escolha do gráfico até as cores, a posição dos elementos na página, tamanho da fonte e muito mais, deve facilitar a comunicação e trabalhar a favor da narrativa. Esses aspectos devem refletir a hierarquia de informações e direcionar a linha de raciocínio. Por exemplo, as cores têm associações culturais que ajudam o público a entender a história e podem até confundi-lo se não forem usadas de forma apropriada. O esquema abaixo ilustra como eu normalmente uso cores "clichês" e ressonância semântica em favor das histórias em que há visualização de dados:

![Captura de Tela 2025-06-15 às 15.04.35.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_06_15_as_15_04_35_764edb0513.png)


De um ponto de vista diferente, em meus cursos eu frequentemente apresento **a narrativa como uma habilidade relevante para a visualização de dados.** Todos os dias, profissionais criam gráficos tão insípidos ou difíceis de interpretar que, sem dúvida, é possível criar gráficos desprovidos de histórias de dados. Como a habilidade de juntar as peças de uma narrativa de uma forma convincente, considero a narrativa como uma parte crucial do conjunto de habilidades de Visualização de Dados:

![Captura de Tela 2025-06-15 às 15.06.57.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_06_15_as_15_06_57_87ebc2c0bf.png)

De qualquer forma, **a narrativa de dados faz parte de nossas vidas **de muitas maneiras: desde a narrativa sobre nossa saúde e nossas finanças nos aplicativos em nossos telefones, até os gráficos que explicam nas notícias o que está acontecendo no mundo, e até os relatórios e painéis (dashboards) que fazem parte do dia-a-dia de muitos profissionais. Estamos imersos em um mar de “Big Data”, e é por isso que sempre digo: **não basta ter dados disponíveis, os dados só têm valor quando são compreendidos**. Mais do que isso, especialmente nos negócios, **os dados são tão valiosos quanto as decisões que eles nos permitem tomar.** Encontrar histórias em dados amplia e aprofunda nossa compreensão sobre os dados, e compartilhar histórias com dados é o que ajuda a realizar todo o potencial dos dados em nosso mundo.

## Elementos de uma história com dados

Os **elementos mínimos para contar uma história com dados** são: a mensagem, o público e o contexto. O que está sendo contado, para quem e por quê. É isso que é necessário para ter uma história, todo o resto é formato, técnicas ou floreio.

### A MENSAGEM

A história central, **o que está sendo contado**, é o primeiro elemento da narrativa de dados. Para encontrá-la, pode ser útil nos perguntarmos: O que está acontecendo com os dados? Por que o conjunto de dados está se comportando de uma certa maneira? Isso desafia nossas hipóteses ou suposições comuns? Isso reforça uma inclinação para uma decisão? Quais são as consequências disso? Essas perguntas fornecem um ponto de partida decente. No segundo artigo desta série, vamos nos aprofundar em como fazer boas perguntas para obter boas respostas através dos dados.

A mensagem pode ter diferentes formatos: oral, escrito, visual. Independentemente disso, a mensagem da história pode ser simples ou complexa. E cada mensagem pode ser contada de forma simples ou complexa. Vamos colocar isso em uma matriz [1]:

![Captura de Tela 2025-06-15 às 15.10.04.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_06_15_as_15_10_04_3fb702b52c.png)

### A AUDIÊNCIA

Quem recebe a história é o público. Ninguém conta uma história sozinho em uma floresta. A **história precisa ter um público para existir**, mesmo que seja apenas uma pessoa, mesmo que alguém leia uma história escrita séculos após a morte do narrador, a história existe porque alguém a conta e alguém a recebe (escuta, lê ou interpreta).

Para quem estamos contando a história? Qual é o nível de entendimento dessas pessoas sobre o assunto? Quão experientes em dados elas são? Qual é o nível de alfabetização em dados, sua capacidade de entender e se comunicar com dados? Se tivermos sorte, podemos escolher o público que almejamos, ou pelo menos podemos fazer essas perguntas sobre o público de antemão e **ajustar a história de acordo.** Na maioria das vezes, é necessário fazer suposições sobre o público e correr riscos ou fazer correções enquanto a história está sendo contada.

Em um ambiente de negócios, uma das formas de **classificar a audiência**  é de acordo com os diferentes **níveis de informação **necessários:

1. **Analistas** precisam de informações mais operacionais. Quando recebem a tarefa de contar histórias com dados, eles precisam ser capazes de explorar os dados e testar hipóteses. Um conjunto de dados é mais valioso para analistas se for interativo, com a possibilidade de filtrar e segmentar, para que várias histórias possam ser exploradas e descobertas.

2. **Gerentes** precisam de informações mais estratégicas. Eles devem agir com base em dados e costumam ter que decidir rapidamente. A narrativa de dados deve abordar pontos acionáveis, incluir alertas e qualquer coisa que ajude a informar as decisões de negócios.

3. **Executivos** precisam de resultados resumidos e de alto nível. A narrativa de dados deve ser sucinta, como de 1 a 3 slides, ou no estilo pitch de elevador.

No terceiro artigo desta série, abordaremos como se aprofundar na compreensão do público de histórias de dados.

### O contexto

Ao contar histórias com dados, devemos deixar claro o sistema ao qual a informação pertence e as relações entre os dados. **O contexto alimenta insights** e torna a narrativa de dados significativa. Também pode ser a diferença crucial entre pensar que algo está errado (por exemplo, quando as vendas caíram) e ver um motivo para comemoração (por exemplo, quando as vendas caíram em comparação ao mês passado, mas aumentaram em comparação ao mesmo mês do ano anterior).

Existem **3 maneiras fáceis de incorporar contexto** ao trabalhar com dados de negócios, usando parâmetros de comparação:

1. **Dados Históricos**
Comparar dados atuais com o período anterior é a maneira mais fácil de incorporar contexto aos dados, porque é a mais comumente disponível. Os dados podem ser comparados com o ano anterior, semana anterior, mesma semana do ano anterior, dependendo de quais dados estão disponíveis, da granularidade dos dados e do que é mais útil para comparar.

![Captura de Tela 2025-06-15 às 15.14.13.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_06_15_as_15_14_13_680813f62f.png)

2. **Metas**
Geralmente definida pela empresa, uma meta é um objetivo ou resultado para o qual os esforços do negócio são direcionados. Por exemplo, uma meta de vendas pode ser definida por mês, trimestre ou ano, para especificar o que o negócio pretende atingir em um determinado período.

![Captura de Tela 2025-06-15 às 15.15.02.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_06_15_as_15_15_02_9a5effacaa.png)

3. **Padrões (Benchmarks)**
Para algumas métricas, não há uma meta, mas um padrão (“benchmark”) definido por médias da indústria, geralmente publicado por associações da indústria ou órgãos de pesquisa. Por exemplo, pode haver um padrão para taxa de conversão ou taxa de rejeição de sites de segmentos específicos da indústria.

![Captura de Tela 2025-06-15 às 15.16.21.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_06_15_as_15_16_21_fc0bbedaf9.png)

Em alguns casos, **todos os 3 parâmetros de comparação** podem estar disponíveis para uma determinada métrica, o que é ainda melhor. Isso ajuda a pintar um quadro bem completo para poder responder: Como os dados estão relacionados ao período anterior? Como estamos agora em relação aos concorrentes ou aos padrões da indústria? E onde pretendemos estar no futuro?

**Outros tipos de dados** também podem ser úteis para estabelecer o contexto e ajudar a contar uma história com dados - praticamente qualquer coisa que ajude a entender os dados principais como parte de um sistema. Por exemplo: dados sobre temperaturas médias de uma localização geográfica ao longo do ano podem fornecer contexto para dados sobre vendas de certos produtos?

Contexto é como fazemos as conexões para que uma história seja relevante em uma **cultura de dados.**

Para contar histórias de dados no contexto de uma organização ou empresa, podemos perguntar: **como as histórias estão conectadas aos objetivos da organização?** Esta pergunta deve ajudar a determinar a importância de cada história para o negócio. Os analistas podem acabar contando histórias de dados que não são consideradas relevantes para o negócio, o que é compreensivelmente frustrante. É responsabilidade da gerência garantir que todos os colaboradores estejam cientes dos objetivos e estratégias organizacionais e como isso interage com sua função, e é trabalho do analista garantir que a narrativa de dados seja pertinente aos objetivos empresariais. Entender os objetivos da organização, seja a empresa para a qual você trabalha ou a do seu cliente, é essencial para contar histórias relevantes com dados de negócios.

No terceiro artigo desta série, discutiremos **maneiras de construir e fortalecer uma cultura de dados** por meio de narrativas.


## Combinando tudo em uma história

Um bom exercício ao contar ou ouvir uma história de dados é identificar os 3 elementos-chave - a mensagem, o público e o contexto - e como eles interagem para construir a história. Só é possível determinar quais dados são relevantes para a mensagem se soubermos o que é importante para o público no contexto apropriado. O que está sendo dito? Para quem? E por quê? Um único conjunto de dados pode se desdobrar em diferentes mensagens para diferentes públicos em diferentes contextos, o que é parte do que torna as narrativas de dados tão interessantes.

*Os próximos artigos desta série abordarão técnicas práticas para contar histórias com dados, e como expandir e aprofundar a conexão com o público e criar uma cultura de histórias de dados.*

*[1] Matriz inspirada na análise de Joseph Anderson sobre o jogo The Witness.*





DESBLOQUEANDO NARRATIVAS COM DADOS: Parte 1, os elementos de uma história de dados!

large_Feature_Image_Era uma vez, na terra das histórias de dados!.png

medium_Feature_Image_Era uma vez, na terra das histórias de dados!.png

small_Feature_Image_Era uma vez, na terra das histórias de dados!.png

thumbnail_Feature_Image_Era uma vez, na terra das histórias de dados!.png

Feature_Image_Era uma vez, na terra das histórias de dados!.png

Era uma vez, na terra das histórias de dados!

Este artigo aborda técnicas práticas para contar histórias com dados. Inclui dicas e truques para abordar a narrativa de dados de forma estruturada e significativa.
Nem todos os bons conselhos para contar histórias são necessariamente bons conselhos para **contar histórias com dados**. No entanto, há muito que podemos aprender com métodos destinados à escrita criativa e técnica, especialmente se forem adaptados às necessidades específicas da narrativa de dados. As **técnicas** que recomendarei neste artigo foram testadas e usadas várias vezes, ao longo de **mais de dez anos de experiência** contando histórias de dados para empresas. Eu atravessei parte da selva com um facão, também orientada pelos que vieram antes de mim, e agora convido você a caminhar por algumas dessas trilhas. Da mesma forma que adaptei os métodos a partir do que veio antes de mim, também cabe a você avaliar como as técnicas descritas aqui melhor se adaptam às suas necessidades e **ajustar de acordo.**

É hora de focar na **mensagem** da história. Para contar histórias simples e complexas de forma simples, devemos aprender como **estruturar** uma história com dados. Mas apenas contar uma história não é suficiente, também devemos aprender como torná-la **significativa e relevante.**

[**PS: Clique aqui para ler a parte 1 dessa série de artigos sobre Storytelling com dados**](https://metricasboss.com.br/artigos/era-uma-vez-na-terra-das-historias-de-dados)

## Como estruturar uma história com dados

Essencialmente, a estrutura de uma história deve ter um começo, meio e fim. No entanto,só  isso não basta para contar uma história com dados. Existem 3 truques principais que uso para garantir que minha narrativa de dados tenha uma estrutura organizada: o método 3Q+COP, identificar estruturas lineares vs. ramificadas, e uma adaptação do método narrativo da Pixar.

### O MÉTODO 3Q+COP
Um método conhecido de resolução de problemas e abordagem de questionamento que é útil no kit de ferramentas do contador de histórias de dados é o método 3Q+COP (também conhecido pela sigla em inglês 5W1H). Usado no jornalismo para garantir que todos os elementos essenciais de uma notícia sejam abordados, o 3Q+COP consiste em fazer as seguintes perguntas:

![3Q+COP.png](https://imagens.metricasboss.com.br/3_Q_COP_81176be073.png)

Em uma história de dados, não há uma única resposta correta para cada uma dessas perguntas. Primeiro, devemos saber sobre o **“que”** ou “sobre quais” dados a história é, e isso geralmente se refere a uma métrica ou a um indicador-chave de desempenho (key performance indicator ou KPI). Os sujeitos da história podem ser "quem" precisa contar ou ser contado sobre a história, ou **“sobre quem” **a história é - por exemplo, a amostra de uma pesquisa ou o público-alvo de uma campanha de marketing. Então é imperativo saber **"quando"** a história acontece, de qual período os dados são. Muitas vezes eu vi a qualidade dos dados sendo questionada porque o público de uma história de dados estava comparando dados de diferentes períodos. Além disso, o tempo pode ser uma dimensão dos dados, e especificar a granularidade geralmente é relevante para a história: meses, dias, horas. Às vezes, também pode ser pertinente perguntar “quando” a história será contada. 

**"Como"** as conclusões foram tiradas para chegar à história e "como" a história é contada são perguntas que não devem ser ignoradas. É sempre relevante para uma história saber "onde" ela acontece, a “onde” os dados pertencem (é sobre um país ou cidade específica?), ou se os dados têm alguma divisão de dimensão geográfica (podem ser divididos por região ou estado?). Perguntar “de onde” os dados vieram também nos lembra de indicar a fonte dos dados, o que é essencial para dar credibilidade à história. Muitas pessoas podem se sentir desencorajadas a perguntar **"por quê?"**, como se todos tivéssemos nascido sabendo as respostas, então pode ser a pergunta mais complicada no esquema 3Q+COP. Mas para criar histórias significativas, é crucial expor "por que" uma história está sendo contada, e "por que" os dados estão se comportando de uma certa maneira. 

Em português, o método é chamado de 3Q+COP (o Que, Quem, Quando, Como, Onde, Por quê), mas às vezes também é referido pela sigla em inglês 5W1H (What, Who, When, How, Where, Why).

Esse método 3Q+COP não é uma abordagem onde as mesmas perguntas se aplicarão a qualquer caso. Ele deve ser tratado como um esquema prático e um ponto de partida para ajudar os contadores de histórias de dados a criarem sua linha de raciocínio e a fazerem perguntas mais inteligentes.

## NARRATIVAS LINEARES OU RAMIFICADAS

Um dos momentos em que senti **o poder da narrativa de dados sendo desbloqueado** no meu trabalho foi quando comecei a abordar narrativas lineares e ramificadas de forma diferente.

Histórias lineares são bem-vindas quando estamos no **modo explicativo**, por exemplo, apresentando um relatório. Deve parecer linear como ler um romance, onde há uma linha definida e singular que nos leva do começo ao meio e ao fim. Histórias ramificadas devem existir quando estamos no **modo exploratório**, por exemplo examinando um conjunto de dados ou um painel (dashboard) e as múltiplas narrativas possíveis que podem ser construídas a partir dele. É mais semelhante a uma história do tipo "escolha sua própria aventura" ou um jogo de RPG.

Para **narrativas de dados lineares**, geralmente há uma necessidade de nivelar a complexidade delas de acordo com a média dos membros da audiência. Os objetivos são pré definidos e podem não ser igualmente relevantes para todos que recebem a história. Com **histórias ramificadas**, isso fica ainda mais complicado, mas também muito mais interessante. No brilhante artigo [“Storytelling in Dashboards”](https://susielu.com/data-viz/storytelling-in-dashboards) (disponível em inglês), Suzie Lu aponta duas maneiras de abordar narrativas ramificadas na narrativa de dados:

- Ramificando a narrativa com base no tipo de meta.
- Usuários diferentes estarão interessados ​​em diferentes tipos de insights.

![diagrama de suzie lu traduzido em portugues.png](https://imagens.metricasboss.com.br/diagrama_de_suzie_lu_traduzido_em_portugues_3fce3618dd.png)

Se recursos de visualização de dados puderem ser utilizados, por exemplo, com um dashboard interativo, a visualização poderá ser otimizada para diferentes cenários de dados e diferentes tipos de [histórias](https://menosachismomaisdados.com.br/curso-de-storytelling-com-dados-online/) que podem ser contadas.

## A ESTRUTURA NARRATIVA DA PIXAR

Anos atrás, quando eu estava pesquisando **técnicas narrativas** que pudessem ser usadas para tornar a narrativa de dados mais envolvente, fiquei tão intrigada com a estrutura da história da Pixar que decidi adaptá-la. Era particularmente importante para mim ajustar a estrutura de uma forma que pudesse ser usada para prever narrativas ramificadas para um projeto de visualização de dados onde vários profissionais diferentes teriam acesso aos dados.

Esta é a **estrutura narrativa original** usada pelos estúdios de animação da Pixar para criar arcos narrativos envolventes:

**Era uma vez...**

**Todos os dias...**

**Até que um dia...**

**Por causa disso...**

**Por causa disso...**

**Até que finalmente…**

Aqui está como eu reformulei a estrutura para funcionar para **narrativas de dados**:

**Atualmente, há...**

**Todos os dias/mês...**

**Um dia...**

**Por causa disso...**

**Com a consequência de...**

**E a conclusão é…**

Funciona igualmente bem para histórias lineares e ramificadas, como mostrado nos exemplos abaixo.

![narrativa da pixar para contar histórias com dados.png](https://imagens.metricasboss.com.br/narrativa_da_pixar_para_contar_historias_com_dados_13737b36d5.png)


![Captura de Tela 2025-07-08 às 10.09.08.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_07_08_as_10_09_08_5f80a5c987.png)

A estrutura narrativa criada pela Pixar e adaptada para a narrativa de dados incentiva a definir o contexto, identificar possíveis incidentes, bem como hipóteses e explicações para o comportamento dos dados, concluindo com pontos de ação claros. Enquanto o original pretendia enfatizar o desenvolvimento do personagem ao longo do arco narrativo, a adaptação para a narrativa de dados visa **encorajar insights e decisões baseadas em dados.**

[Aprenda Storytelling com Dados na Prática!](https://menosachismomaisdados.com.br/curso-de-storytelling-com-dados-online/)

## Como contar uma história significativa com dados

Há um exemplo emblemático que eu uso quando falo sobre narrativa de dados para mostrar como nem toda história de dados que parece simples e direta à primeira vista é realmente significativa. Eu estava trabalhando como especialista em visualização de dados e o gerente (stakeholder) de um projeto me pediu para construir um painel (dashboard) com apenas dois elementos: **um gráfico de pizza e uma tabela.** Deveria ser algo assim:

![Captura de Tela 2025-07-08 às 10.10.31.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_07_08_as_10_10_31_95b51ae63a.png)

O gerente tinha certeza de que o gráfico de pizza e a tabela já seriam suficientes e que aquele era um pedido simples. Admito não ser a maior fã de gráficos de pizza, e geralmente evito adicionar tabelas a painéis interativos; mas, nesse caso, eu só queria ter certeza de que **as necessidades do projeto** realmente seriam atendidas com aquele entregável. Depois que fiz uma série de perguntas a ele, percebemos que a pizza e a tabela não seriam suficientes.

Por exemplo: a alocação de gastos em mídia era relevante apenas por canal ou também por marca? Na verdade, eles precisavam que esse dado por canal estivesse no nível da marca, então um gráfico de pizza não seria adequado (porque havia duas categorias para dividir os dados, canal e marca, e não apenas uma, como é nos gráficos de pizza). Os dados estavam se referindo a apenas um ou vários mercados? Precisávamos incluir uma classificação de gastos de mídia por país para saber o que priorizar. Com que frequência as pessoas tomariam decisões com base nos dados? Seria semanal, então decidimos adicionar uma visão semanal dos gastos.

Com essas e muitas outras perguntas, o esboço que criamos juntos para planejar o projeto era muito diferente do “gráfico de pizza e uma tabela” solicitados no início, e estávamos muito mais certos de que o resultado ajudaria a tomar **decisões de negócios mais inteligentes com base nos dados.** O esboço era parecido com a imagem abaixo:

![Captura de Tela 2025-07-08 às 10.12.05.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_07_08_as_10_12_05_0cceecb0b0.png)

Isso não quer dizer que adicionar mais gráficos seja sempre o melhor caminho, e especialmente na visualização de dados há muitos exemplos de como “menos é mais” (a sabedoria por trás do conceito de “relação dados-tinta” de Edward Tufte - em inglês, “data-ink ratio”). A moral dessa história é que, para contar histórias significativas com dados, **precisamos aprender a fazer perguntas mais eficazes.**

## FAZENDO PERGUNTAS MELHORES

A estrutura 3Q+COP (5W1H) já é uma ferramenta útil para os momentos em que não temos certeza sobre quais perguntas devemos fazer, mas é importante ir além disso.

Aqui estão algumas **premissas** que devemos ter em mente: Não basta ter dados disponíveis, os dados só têm valor quando são compreendidos. As histórias nos ajudam a entender e nos envolver com os dados. E os dados são tão valiosos quanto as perguntas que ajudam a responder e quanto às decisões que nos permitem tomar.

Portanto, devemos perguntar: Qual é o nosso **objetivo** com a história? Quais são as **perguntas de negócio** que precisam ser respondidas? Quais decisões esperamos que as pessoas tomem com base nos dados? Quais são os dados que podem dar suporte a essas respostas e decisões?

Em negócios, isso pode ser mais evidente, mas mesmo em outros contextos, os objetivos, perguntas e decisões devem ser esclarecidos ao contar uma história com dados. O público atribui **relevância** e extrai **significado** de uma história de dados quando entende não apenas a mensagem, mas as causas, os raciocínios e as implicações por trás da história.

[Aprenda Storytelling com Dados na Prática!](https://menosachismomaisdados.com.br/curso-de-storytelling-com-dados-online/)

## SIMPLICIDADE É A CHAVE

O exemplo mais claro e impactante dos últimos anos de como a simplicidade pode tornar uma história mais poderosa é provavelmente o caso de **“achatar a curva da COVID-19”.**

O gráfico da “curva da COVID-19”, que se tornou viral em 2020, foi criado pela jornalista de visualização de dados **Rosamund Pearce **para um artigo publicado pela revista The Economist, com dados dos Centros de Controle e Prevenção de Doenças, o principal instituto nacional de saúde pública dos Estados Unidos. Embora a percepção do comportamento pandêmico em ondas que podem ser representadas em um gráfico remonte ao início do século XX, na época da gripe espanhola, Pearce se inspirou em um artigo sobre prevenção de pandemias lançado em 2007 pelos Centros de Controle e Prevenção de Doenças dos EUA [1]. O gráfico de Pearce mostrava a importância de desacelerar a contaminação, para garantir que o sistema de saúde pudesse lidar com os casos ativos, enquanto vacinas e curas eram pesquisadas. Muitas versões do gráfico de Pearce foram compartilhadas nas redes sociais e ajudaram a aumentar a conscientização para combater a pandemia do coronavírus de 2020, incluindo uma versão animada brilhante criada por Alexander Radke, que ajudou a tornar o gráfico uma imagem viral.

![Captura de Tela 2025-07-08 às 10.14.19.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_07_08_as_10_14_19_02a0254665.png)

Um elemento-chave foi adicionado um dia depois: **uma linha para representar a capacidade do sistema de saúde.** Essa versão foi criada por **Drew Harris**, então professor assistente na Faculdade de Saúde Populacional da Universidade Thomas Jefferson, que viu a versão de Pearce na The Economist, e que já havia usado um gráfico semelhante inspirado no mesmo artigo do CDC em seu trabalho como instrutor de preparação para pandemias. Embora a posição da linha no eixo Y seja especulativa, ela **deixou claro o impacto** que as medidas de prevenção [2] poderiam ter. A ideia é simples: desacelerar a propagação da doença para que o sistema de saúde possa acompanhar todos os casos.

![Captura de Tela 2025-07-08 às 10.15.30.png](https://imagens.metricasboss.com.br/Captura_de_Tela_2025_07_08_as_10_15_30_7756a8fce7.png)

Podemos comparar a “curva da COVID-19” a outros gráficos com grande impacto em decisões de saúde pública, como o **mapa da cólera de Snow** ou o **diagrama da rosa de Nightingale**, ambos do século XIX, mas é indiscutivelmente ainda mais impressionante em alguns aspectos. A “curva da COVID-19” comunica a mensagem de “achatar a curva” com **simplicidade**, fácil de entender mesmo para pessoas com apenas alfabetização visual básica, especialmente para um gráfico construído com o conceito matemático de uma parábola [3]. Embora as visualizações de Snow e Nightingale visassem enfrentar desafios localmente, ambas tiveram um impacto mais amplo no longo prazo: o mapa da cólera de Snow teve um papel enorme na compreensão moderna dos germes e como eles podem espalhar doenças, e o diagrama de rosa de Nightingale influenciou práticas de saneamento melhores e duradouras em todo o mundo. No entanto, o gráfico da “curva da COVID-19” teve um **claro impacto mundial de curto prazo** no comportamento das pessoas durante uma pandemia global, com uso generalizado e compartilhamento de versões deste gráfico por cientistas, governos, jornais e até mesmo cidadãos comuns nas mídias sociais.

O **impacto a longo prazo ainda está para ser visto**. Mas, graças à sua simplicidade, esse gráfico sustentou uma narrativa de dados que encorajou comportamentos capazes de salvar vidas ao redor do mundo.

[Aprenda Storytelling com Dados na Prática!](https://menosachismomaisdados.com.br/curso-de-storytelling-com-dados-online/)

## DESBLOQUEANDO AS NARRATIVAS DE DADOS

Há dias em que você encara os dados e eles não parecem dispostos a revelar suas histórias secretas. Espero que as ideias discutidas neste artigo, sobre como estruturar histórias de dados e como torná-las significativas, sirvam como inspiração para desbloquear narrativas de dados até nos dias mais complicados.

O próximo artigo desta série abordará como expandir e aprofundar a conexão com a audiência e como criar uma cultura de histórias de dados.

[1] Os autores não foram identificados individualmente nesta publicação, e a equipe entrevistada do CDC não conseguia se lembrar de quem criou o original (Wilson, 2020).

[2] Exemplos de medidas preventivas de pandemia viral são: lavar as mãos frequentemente com água e sabão ou um antisséptico à base de álcool; manter uma distância segura de outras pessoas, especialmente ao tossir ou espirrar; usar uma máscara apropriada quando o distanciamento físico não for possível; ficar em casa quando não estiver se sentindo bem e procurar atendimento médico se algum sintoma for identificado.

[3] Uma parábola é uma seção cônica, uma curva plana que é simétrica em espelho e tem aproximadamente o formato de U. Os surtos de pandemia se manifestam no formato de uma parábola, portanto, esse formato é usado para explicar e prever o comportamento de pandemias.





Saiba melhor como usar storytelling com dados no dia a dia da sua empresa!

Ingrid Silva Pino

Era uma vez, na terra das histórias de dados!

Era uma vez, na terra das histórias de dados! Parte 2: Na barriga do monstro de dados