| name | data-storytelling |
| description | データからインサイトを抽出し、KPI・グラフ解釈・Before/After 比較を通じて 「物語」として構成する。単なるグラフ生成ではなく「だから何か（So What?）」を 説明する Data Storytelling を実行し、data-insights.md を出力する。 Use when 「データを物語にして」「グラフの意味を説明して」「KPIをまとめて」 「Before/Afterで」「インサイトを抽出して」「ROIをグラフで可視化して」「データの傾向を説明して」。
|
| metadata | {"author":"prezenx","version":"1.0","phase":"3"} |
Data Storytelling — データ→物語化
Phase 3: データからインサイトを抽出し、聴衆に響く「物語」として構成する。
Use This Skill When
- データ・数値・KPI をプレゼンテーション用のストーリーに変換する
- グラフやチャートの「意味」を説明するナラティブが必要
- Before / After 比較で変化のインパクトを伝える
- ROI・市場ポジショニング・技術採用曲線を可視化する
- 研究成果メトリクスをスライドに落とし込む
Data Storytelling Framework（CIIA）
すべてのデータインサイトは以下の4層構造で構成する:
1. Context（状況説明）
- なぜこのデータが重要か
- 聴衆が知るべき背景・前提条件
- 比較基準（ベースライン）の明示
2. Insight（発見）
- データが示す主要な発見を1文で表現
- 統計的有意性・信頼区間がある場合は明記
- 「数字の裏にある意味」を言語化
3. Impact（影響）
- この発見がビジネス/研究/政策にどう影響するか
- 定量的な影響度（コスト削減額、効率改善率等）
- ステークホルダーへの具体的な影響
4. Action（行動）
- この発見を受けて何をすべきか
- 具体的な Next Steps（優先度付き）
- 判断に必要な追加情報の特定
Visualization 選択ガイド
| 目的 | 推奨チャート | 使用条件 |
|---|
| 比較 | 棒グラフ / レーダーチャート | 2項目以上の横並び比較 |
| 推移 | 折れ線グラフ / エリアチャート | 時系列データ（3点以上） |
| 構成 | 円グラフ / ツリーマップ | 全体に対する割合（カテゴリ6個以下） |
| 関係 | 散布図 / ネットワーク図 | 2変数間の関係性 |
| フロー | サンキーダイアグラム / フローチャート | プロセス・変換の流れ |
| 分布 | ヒストグラム / 箱ひげ図 | データの散らばり・外れ値 |
デフォルト: 迷ったら棒グラフ（最も直感的に理解される）。
スライドパターン別ガイド
KPI Dashboard スライド
- 3〜5 個の KPI を横並び配置（カード形式）
- 各 KPI に: 現在値 / 前期比 / 目標値 / 達成率
- トレンド矢印（↑↓→）で方向性を即座に伝える
- 色: 達成=緑、未達=赤、維持=グレー
ROI Visualization
- 投資額と回収額を時系列で重ね表示
- Break-even point を明示
- 累積 ROI カーブで長期効果を示す
Market Positioning Map
- 2軸マトリクス（例: 品質 × 価格）
- 自社ポジションを強調色で表示
- 競合はグレーで配置
- 移動方向を矢印で示す
Technology Adoption Curve
- イノベーター → アーリーアダプター → マジョリティの曲線
- 現在位置を明示
- キャズム（溝）の位置と越え方を注記
Research Output Metrics
- 論文数・引用数・h-index の時系列推移
- 分野別内訳（ツリーマップ）
- 共同研究ネットワーク図
- インパクトファクター分布
Before / After 比較の構成ルール
- 同一スケール: Before と After は必ず同一スケールで比較
- 変化量の明示: 絶対値だけでなく変化率（%）も併記
- 期間の明記: いつからいつまでの変化かを明記
- 因果の注記: 変化の要因を簡潔に注記（施策名等）
Workflow
-
データ受領・整理
- ユーザー提供のデータを確認
- データ型（時系列/カテゴリ/数値）を判定
- 欠損値・外れ値を報告
-
インサイト抽出
- CIIA フレームワークで各データポイントを分析
- 主要インサイトを3個以内に絞る
- 「So What?」を1文で表現
-
Visualization 設計
- Visualization 選択ガイドに従いチャート種類を決定
- Chart.js / Mermaid のコード例を提示
- 配色はブランドカラー準拠（不明時はニュートラルパレット）
-
ナラティブ構成
- スライド順序を「問題→発見→影響→提案」で構成
- スピーカーノートに補足データ・出典を記載
- Before / After がある場合は比較構成ルールに従う
-
出力: data-insights.md を生成
Deliverables
data-insights.md — CIIA 構造のインサイト一覧 + Visualization 指示 + ナラティブ構成
Quality Gates
Gotchas
- チェリーピッキング禁止 — 都合の良いデータだけ選ばない。不利なデータも含め、フェアな全体像を提示する。省略する場合は「省略理由」を注記する
- 因果と相関の混同 — 相関関係を因果として表現しない。「A が増えると B も増える」は相関であり「A が B を引き起こす」とは異なる。因果を主張するにはメカニズムの説明が必要
- スケール操作 — Y軸の開始点を0以外にして変化を誇張しない。対数スケールを使う場合はその旨を明記する
- データ出典必須 — 全データに出典（ソース名、取得日、URL 等）を明記する。出典不明のデータは使用しない
- 円グラフの乱用 — カテゴリが7個以上の場合は円グラフを使わない。棒グラフまたはツリーマップに切り替える
Validation Loop
data-insights.md を生成後、以下を検証:
- 不合格項目がある場合 → 該当インサイトを修正して再検証
- 全項目合格後、ユーザーに提示して承認を得る ⏸️
Failure Recovery
| 失敗パターン | リカバリ手順 |
|---|
| データ不足でインサイトが抽出できない | ユーザーに追加データを依頼。最低限「何の値がいつからいつまで変化したか」を確認 |
| 出典が不明なデータがある | 該当データを「出典未確認」としてマーク。ユーザーに出典確認を依頼。確認取れるまでスライドに含めない |
| 適切な Visualization が判断できない | デフォルト（棒グラフ）で仮作成し、ユーザーに代替案を提示して選択を依頼 |
| Before / After のベースラインが不明確 | 比較開始時点をユーザーに確認。不明な場合は「利用可能な最古のデータ」を暫定ベースラインとする |
Memory Persistence
このスキルの実行で得た学びは、以下の形式で Gotchas セクションに追記する:
- 発見した新しいデータ表現の落とし穴
- ユーザー固有のブランドカラー・チャート設定の好み
- ドメイン固有の KPI 定義や閾値
禁止事項
- データ捏造禁止 — 存在しないデータポイントを作成しない
- 印象操作禁止 — スケール・色・配置で意図的に誤解を誘導しない
- 出典なしデータの使用禁止 — ソースが確認できないデータをスライドに含めない
- 機密データの無断掲載禁止 — ユーザーの明示的許可なく社内データ・顧客データを含めない
- 著作権侵害禁止 — 第三者のグラフ・図表をライセンス確認なしに転載しない
