data-storytelling

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

1. 同一スケール: Before と After は必ず同一スケールで比較
2. 変化量の明示: 絶対値だけでなく変化率（%）も併記
3. 期間の明記: いつからいつまでの変化かを明記
4. 因果の注記: 変化の要因を簡潔に注記（施策名等）

Workflow

1. 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

2. 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

3. 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）

4. 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

5. 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

• すべてのインサイトが CIIA 4層構造に従っている
• データ出典が全データポイントに明記されている
• Visualization の種類が選択ガイドと整合している
• Before / After 比較が同一スケールで構成されている
• 1スライド1メッセージの原則が守られている
• スピーカーノートに補足データが含まれている
• KPI は5個以内に絞られている
• 因果と相関が区別されている

Gotchas

1. 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
2. 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
3. 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
4. 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
5. 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

1. data-insights.md を生成後、以下を検証:
   • CIIA フレームワークの4層が各インサイトに存在するか
   • Visualization 選択がガイドに従っているか
   • 出典が全データに記載されているか
   • スケールの操作がないか（Y軸開始点等）
2. 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
3. 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

1. 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
2. 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
3. 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
4. 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
5. 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