连接生活经历和社区
学习目标
完成本单元后，您将能够：
- 描述与数据相关的生活经历的重要性。
- 认识到数据不是中立的，以及如何消除偏见。
- 说明让社区参与数据研究以改善结果的方法。
并不是每个人都有相同的生活经历。我们的个人特征，如种族、性别、神经多样性和年龄都深深影响着我们的研究和数据可视化的形成方式。虽然我们的差异使我们变得独一无二，但这些差异也对我们看待世界的方式产生了很大的影响。
做好数据意味着您需要考虑生活经历，心怀同理心和公平的态度去引导，在数据中反映人们的生活经历，并与处于研究中心的人建立联系。
您还需要与您正在研究的人和社区建立关系，考虑您所做的可能缺了什么，并向可以帮您更完整地讲述故事的人寻求帮助。数据故事讲述者应该始终与社区一起研究和分析，而不是代表社区。
数据不是中立的。谨慎处理。
结构性种族主义、历史歧视、其他障碍和不平等以及它们可能运作的机制可以而且应该融入您的研究框架和您创建的数据可视化中。您不能依赖数据和可视化来说话：数据不是中立或客观的，数据可视化也不是中立的。
如果没有包含多样性、公平性和包容性的观点，数据可视化往往会表达社会中主导群体的观点，并可能无意中掩盖背后的一系列问题。在提供上下文时，您应该引入不同的参考和引用，特别是有色人种学者或焦点社区成员学者的相关内容。您应该提升这些社区的声音，并尽量突出实际的经历。
深入了解
与其回避细节和必要的上下文，承认许多社会问题的固有复杂性，可以更准确地反映主题并促进深层次的理解。通过这些信息，读者能够得出正确的结论。
当呈现强大、细致入微的可视化效果时，读者也会有更强的联系感和参与感。结合定性信息，表达主观性，承认不确定性，为读者提供更有价值的体验。密集、定制设计的数据可视化呈现多层信息可以激励更仔细的阅读、更好的个人联结和更深入的理解，因为提供了各种路径供读者探索数据。您可以让内容明确，提供相关信息，而不是过于简单。
所有数据都需要可视化？也不全是。有时，简单的数字集比图形更有效。在某些情况下，选择用图表传达数据或视觉对象固有的复杂性或偏见是错误的。还要记住，作为一个故事讲述者，您可能会发现传统的图表和图形远不如传统的叙事媒介（如照片或视频）有效。
创建人际联结
当您扩展工具和提高意识时，您可能需要结合反映生活经历的定性研究方法。将该方法和与您一起工作的人相匹配，您可能会发现结果改善显著，特别是因为人们对数据可视化的反应通常是由他们的个人经历（例如他们生活或工作的地方、教育程度或政治身份）驱动或构建的。
长篇调查、访谈和焦点小组可以为社区成员提供一个重要的机会，来分享他们的经历并发出自己的声音。接受采访的人应受到您工作的鼓舞勇于对数据可视化提出问题，利用这些可视化来推销自己的故事，从而实现从意识到行动的转变。方法的透明度和受试者的招募可以在很大程度上提高面试的参与度。数据可视化应特别允许用户对陈述提出质疑。
我们并不是说进行定性研究像进行几次采访那么简单。当定性和定量研究人员合作时，可以有一种更有力的叙事，涵盖更多的人。
总结
作为数据传播者，您有一个独特的机会来塑造社会和文化中的关键叙述。如果您在讲述数据故事时采用“不造成伤害”的原则，那么您就是在努力打造更光明、更公平的未来。访问 Tableau 数据权益中心向数据和公平问题交叉领域的领先专家了解更多信息。