Takeaways från meetup om datajournalistik

En analytiker eller data scientist har sällan särskilt väl definierade arbetsuppgifter. Vi kan göra allt från att utveckla prediktiva modeller till att automatisera rapporter med deskriptiv statistik. En sak vi har gemensamt är att vi alltid behöver kommunicera ut vårt resultat. Det spelar ingen roll hur väl ditt analysarbete är utfört om du inte kan presentera det på ett sätt som gör att det känns begripligt och engagerande för din organisation.  

Med detta i åtanke anordnade vi förra veckan en Meetup på temat datajournalistik. För vilka kan inte det här bättre än journalister som jobbar med data? Tillsammans med Helena Bengtsson från SVT och Robin Linderborg från organisationen Datastory, tidigare på SVT, fick vi lyssna på två inspirerande dragningar om allt från hur Helena analyserade Wikileaks-data till hur Robin genom prediktiv analys kan klassificera ämnen på nyhetsartiklar.

Detta kanske kan uppfattas som off topic för denna meetup-grupp som ofta varit lite mer ”techy”. Men tvärt om pekar innehållet på denna meetup på väldigt viktiga aspekter på att inte bara jobba med dataanalys, utan att dessutom få effekt av det man gör som analytiker. Extra kul att meetupen blev fullbokad precis lika snabbt som vanligt!

Från Helenas och Robins presentationer fann vi tre punkter som analysvärlden borde ta till sig!

1: Hellre få siffror än många

När man som analytiker arbetar med data hittar man ofta flera intressanta ingångsvinklar som alla kan vara värda att analysera. Det här, poängterade Helena Bengtsson från SVT, gäller även datajournalister. Men personen som ska ta din siffra vidare (i Helenas fall ofta en reporter) kommer aldrig att ha samma kunskap som du om ditt data. Därför är det bättre att välja en siffra, eller KPI, att förmedla vidare. Hellre en slide eller ett mail med den viktigaste insikten än en lång rapport med alla detaljer.

2: Exempel förstärker din rapport

Något som både Robin och Helena påpekade var att inte glömma den journalistiska sidan av analysen. Det räcker inte bara med siffror, en historia blir så mycket bättre med faktiska exempel! I Robins fall valde han ut tre exempel som visade på typisk nyhetsbevakning på olika kontinenterna: Istället för att stanna vid nyhetsbevakning generellt i Afrika valde han att titta närmare på Moçambique. Här kunde han visa att de få artiklar som skrevs om landet handlade om “exotiska” nyheter som krokodilattacker och lejons flykt från en nationalpark och genom de faktiska exemplen på ett specifikt land och faktiska artiklar får vi i publiken ordentlig insyn i vad som ligger bakom statistiken.

3: Reproducerbara analyser skapar förtroende

Det här är ett ämne som diskuteras flitigt bland såväl journalister som analytiker och forskare. Hur skapar vi trovärdighet för de analyser vi levererar? Genom att skapa flöden för reproducerbar analys kan vi bygga trovärdighet genom att skapa möjlighet för andra att återskapa vår analys. Ett reproducerbart analysflöde innebär oftast att du behöver skriva kod för din analys, som någon annan sedan kan köra. Ett sådant arbetsflöde gör inte bara ditt arbete mer transparent, det minimerar också risken för misstag och gör återkommande analyser betydligt enklare. Robins mediebevakning är exempel på ett projekt som med enkelhet kan uppdateras tack vare reproducerbara flöden.

 

 

Om du blev nyfiken och vill delta på kommande meetups, gå med i gruppen Stockholm Data Science så får du inbjudningar den vägen. Upplägget är ett par opretentiösa dragningar direkt efter arbetstid i Gamla Stan, trevligt mingel lite enklare mat & dryck. Inte sälj och reklam. Välkommen!