KELOMPOK 10

Nama : 1. Cristina Angelyna Siahaan (190502198)

2. Nanda Nina Theresia Br Karo (190502183)
3. Ester Febriana Uliro Siregar (190502169)
4. Meutia Nanda (190502162)
5. Laura Odelia Romaito Siagian (190502181)
Mata Kuliah :Statistik Ekonomi dan Bisnis
Dosen : Dr. Syafrizal Helmi Situmorang, SE., M.Si.

HASIL AKHIR
Kita telah belajar banyak dalam buku ini, yang mana di dalam materi tersebut ada banyak
hal yang dapat dipahami agar berkomunikasi secara efektif dengan data berjalan sukses. Dalam
bab terakhir kita akan membahas beberapa tips tentang strategi untuk meningkatkan keterampilan
bercerita dengan kompetensi data dalam tim dan organisasi. Menerapkan pelajaran yang sudah
dibahas dalam buku ini dengan tujuan menggunakan lisensi artistik untuk membuat informasi
lebih mudah dipahami oleh audiens.
Membaca cerita efektif dengan data adalah satu hal yang utama. Tapi bagaimana kita
menerjemahkan apa yang telah kita pelajari untuk penerapan praktisnya? Cara sederhana untuk
menjadi baik dalam hal ini adalah dengan melakukan latihan, praktik, dan praktik lagi. Carilah
kesempatan waktu untuk menerapkan pelajaran yang telah kita pelajari. Perhatikan juga kalau
tidak harus semua atau tidak satu cara untuk menghasilkan kemajuan, tetapi melalui peningkatan
sedikit demi sedikit terhadap pekerjaan yang sudah ada atau sedang berjalan. Pertimbangkan
juga kapan kita dapat memanfaatkan seluruh proses bercerita dengan proses data yang kita bahas
dari awal hingga akhir.
Memikirkan ulang cara memvisualisasikan data adalah hal yang hebat. Namun, jangan
biarkan tujuan yang terlalu ambisius menghambat kemajuan. Pertimbangkan perbaikan apa yang
bisa dilakukan.. Misalnya, jika kita mempertimbangkan untuk merombak laporan regular kita,
langkah sementara bisa jadi adalah mulai memikirkan laporan itu sebagai tambahan atau
lampiran pada akhir buku. Tinggalkan data untuk referensi, tetapi abaikan agar tidak
mengalihkan perhatian dari pesan utama. Lalu memasukkan beberapa slide untuk memunculkan
cerita-cerita yang menarik, tingkatkan kemampuan bercerita dengan pelajaran data yang telah
dipelajari. Dengan demikian, kita dapat lebih mudah memusatkan audiens pada kisah-kisah
penting serta tindakan-tindakan yang dihasilkannya.
Untuk lebih spesifik, ada langkah-langkah konkrit mengenai penjelasan diatas, yakni:
Tips #1: pelajari peralatanmu dengan baik

Pada umumnya, saya sengaja menghindari diskusi tentang alat karena pelajaran yang
kami bahas itu mendasar dan dapat diterapkan pada berbagai tingkatan dalam alat apa pun
(misalnya, Excel atau Tableau). Namun menurut pengalaman saya, cara terbaik untuk belajar
sebuah alat adalah dengan menggunakannya. Ketika kita tidak dapat mencari tahu bagaimana
melakukan sesuatu, jangan menyerah. Teruslah bermain dengan program ini dan carilah
solusinya di Google.

Berikut adalah ringkasan singkat dari beberapa yang populer saat ini yang digunakan
untuk membuat visualisasi data seperti yang telah kita selidiki:

• Lembar Kerja Google gratis, online, dan dapat dibagikan, yang memungkinkan banyak
digunakan orang untuk mengedit

• Tableau adalah solusi data visualisasi yang mempunyai pemikiran yang luar biasa untuk
menganalisis secara eksplorasi karena dapat memungkinkan kita dengan cepat menciptakan
banyak pandangan dan menciptakan grafik yang bagus dari data kita.

• Pemrograman seperti R, D3 (JavaScript), Memproses, dan Python memiliki kurva

pembelajaran yang lebih rumit namun memungkinkan adanya fleksibilitas yang lebih besar,
karena kita dapat mengendalikan unsur-unsur spesifik pada grafik yang kita buat dan membuat
spesifikasi itu dapat diulang melalui kode.

• Beberapa orang menggunakan Adobe Illustrator, sendirian atau bersama-sama dengan grafik
yang diciptakan dalam aplikasi seperti Excel atau melalui bahasa pemrograman, untuk
memudahkan dalam manipulasi unsur-unsur grafik dan penampilan serta perasaan profesional.
Bagaimana saya menggunakan Power Point

Bagi saya, PowerPoint hanyalah mekanisme yang memungkinkan untuk mengatur

selebaran atau tampilan di layar besar. Kita dapat membuat grafik langsung pada PowerPoint.
Namun, saya cenderung untuk tidak melakukan hal itu. Ada fleksibilitas yang lebih besar di
Excel (dimana, selain grafik, kita juga dapat memiliki beberapa elemen visual, misalnya, judul
atau label langsung di sel, yang kadang-kadang berguna). Karenanya, saya membuat tampilan
visual saya di Excel, kemudian menyalin dan tempel ke PowerPoint sebagai gambar. Bila saya
menggunakan teks bersama dengan visual, misalnya, untuk menarik perhatian pada hal tertentu
yang biasanya dilakukan melalui kotak teks di PowerPoint.

Fitur animasi dalam PowerPoint dapat berguna melalui cerita dengan mengulang visual
yang sama, seperti yang ditunjukkan di bab 8 atau beberapa studi kasus di bab 9. Ketika
menggunakan animasi dalam PowerPoint, hanya muncul secara sederhana atau menghilang
(dalam beberapa hal, transparansi juga dapat berguna) Hindarilah animasi apa pun yang
menyebabkan unsur-unsur terbang atau memudar adalah perangkat lunak penyajian yang setara
dengan 3D graphs itu tidak perlu dan mengganggu!

Tips # 2: Iiterasi dan Umpan Balik

Iiterasi dibutuhkan untuk mendapatkan ide-ide awal untuk solusi akhir. Ketika
memvisualisasikan data tertentu yang memiliki arti tidak jelas, mulai dengan selembar kertas
kosong. Hal ini memungkinkan Anda untuk bertukar pikiran tanpa kendala suatu alat . Sketsa
tampilan potensial digunakan untuk melihatnya berdampingan dan menentukan apa yang
terbaik untuk menyampaikan pesan Anda kepada audiens.Ketika kita bekerja di atas kertas
daripada menggunakan komputer ini membentuk lebih sedikit keterikatan pada produk kerja kita
dan membuat iterasi lebih mudah. Ketika kita merasa terjebak,kita juga bisa menggambar di atas
kertas kosong yang dapat membuat lebih mudah untuk mengidentifikasi pendekatan baru .Dan
ketika membuat sketsa kita juga harus memperhatikan disposal-tools,ahli internal atau eksternal
untuk membuat visual.
 Ketika membuat visual dalam aplikasi grafik (misalnya, Excel) dan menyempurnakan
untuk mendapatkan yang lebih baik ,kita dapat memanfaatkan apa yang disebut “optometrist
approach.” Membuat versi grafik (sebut saja A), kemudian membuat salinannya (B) dan
membuat satu perubahan. Kemudian menentukan mana yang terlihat lebih baik A atau B.

Carilah umpan balik,jika jalur tersebut tidak jelas. Perlihatkan kepada orang lain visual
anda dan mintalah mereka berbicara kepada anda melalui proses pemikiran mereka : apa yang
mereka perhatikan, pengamatan apa yang mereka buat, apa pertanyaan yang mereka miliki,dan
apa ide-ide mereka. Wawasan ini akan memberitahu Anda jika visual yang Anda buat benar atau
jika tidak ,berikan gambaran/gagasan anda untuk melakukan perubahan dan fokus melanjutkan
iterasi.

Ketika iterasi, ada satu hal yang perlu mungkin lebih dari apa pun agar suatu iterasi
sukses yaitu waktu.

Tip # 3: mencurahkan waktu untuk menceritakan dengan data

Segala sesuatu yang kita bahas di dalam buku ini membutuhkan waktu. Dibutuhkan
waktu untuk membangun pemahaman yang kuat dari konteks, waktu untuk memahami apa yang
memotivasi dan menarik perhatian pendengar umtuk menciptakan visual yang efektif dan
membentuk ide besar. Dibutuhkan waktu untuk melihat data dalam cara yang berbeda dan
menentukan bagaimana cara terbaik untuk menunjukkannya. Dibutuhkan waktu untuk
menyatukan semuanya ke dalam sebuah cerita dan membentuk narasi kohesif dan menawan.
Dibutuhkan lebih banyak waktu untuk melakukan semua ini dengan baik.

Salah satu tips terbesar saya untuk sukses menceritakan dengan data adalah dengan
memungkinkan waktu yang cukup untuk itu. Jika kita tidak sadar meyadari bahwa ini
membutuhkan waktu untuk melakukannya dengan baik, waktu kita dapat sepenuhnya dihabiskan
oleh bagian lain dari proses analisis. Mempertimbangkan proses analisis yang khas: Anda mulai
dengan pertanyaan atau hipotesis, kemudian Anda mengumpulkan data, kemudian Anda
membersihkan data, dan kemudian Anda menganalisis data. Setelah semua itu, kita dapat tergiur
untuk hanya membuang data ke dalam grafik dan menyebutnya “selesai.”

Tapi kita tidak hanya melakukan untuk diri kita sendiri atau data kita melainkan dengan
keadilan dengan pendekatan ini. Pengaturan default aplikasi grafik kami biasanya jauh dari ideal.
Alat kami tidak tahu cerita yang ingin kami sampaikan. Menggabungkan dua hal ini dan Anda
berisiko kehilangan banyak potensi nilai, termasuk kesempatan untuk mendorong tindakan dan
melakukan perubahan jika waktu yang cukup tidak dihabiskan untuk langkah terakhir dalam
proses analisis: langkah komunikasi. Ini adalah satu-satunya bagian dari seluruh proses yang
benar-benar dilihat pendengar Anda. Meluangkan waktu untuk langkah penting ini. Berharap itu
akan memakan waktu yang lebih lama dari yang Anda pikirkan dan kemudian memperbaikinya.

Tip #4: Mencari inspirasi melalui contoh-contoh yang baik

Peniruan benar-benar bentuk sanjungan terbaik. Jika kalian melihat visualisasi data atau contoh
cerita dengan data yang kalian sukai, pertimbangkan bagaimana kalian dapat mengadaptasi
pendekatan untuk penggunaan kalian sendiri. Berhentilah sejenak untuk merenungkan apa yang
membuatnya efektif. Buat salinannya dan buat perpustakaan visual yang bisa kalian tambahkan
dari waktu ke waktu dan lihat untuk inspirasi. Tiru contoh dan pendekatan bagus yang kalian
lihat.

Ada sejumlah blog dan sumber daya hebat tentang topik visualisasi data dan komunikasi dengan
data yang di dalamnya terdapat banyak contoh yang bagus. Berikut adalah beberapa favorit
pribadi saya saat ini (termasuk milik saya):

 Eager Eyes (eagereyes.org, Robert Kosara): Konten yang bijaksana pada visualisasi data
dan visual storytelling.
 FiveThirtyEight’s Data Lab (fivethirtyeight.com/datalab, beragam pemilik):Saya suka
gaya grafik mereka yang minimalis pada umumnya berbagai topik berita dan peristiwa
terkini.
 Flowing Data (flowingdata.com, Nathan Yau): Keanggotaan dapat Anda konten
premium, tetapi ada banyak contoh gratis yang bagus visualisasi data juga.
 • The Functional Art (thefunctionalart.com, Alberto Cairo): Pengantar untuk informasi
grafis dan visualisasi, dengan ringkas posting yang menyoroti saran dan contoh.
• The Guardian Data Blog (theguardian.com/data, various authors): Data terkait berita,
seringkali dengan artikel dan visualisasi yang menyertainya, oleh outlet berita Inggris.
• HelpMeViz (HelpMeViz.com, Jon Schwabish): “Membantu orang dengan visualisasi
sehari-hari, ”situs ini memungkinkan Anda untuk mengirimkan visual untuk menerima
umpan balik dari pembaca atau memindai arsip untuk contoh dan percakapan yang
sesuai.
• Junk Charts (junkcharts.typepad.com, Kaiser Fung) : Oleh memproklamirkan diri
"kritik data pertama web," berfokus pada apa yang membuatnya kerja grafis dan cara
membuatnya lebih baik.
• Make a Powerful Point (makeapowerfulpoint.com, Gavin McMahon): Menyenangkan,
konten yang mudah dicerna saat membuat dan memberi presentasi dan penyajian data.
• Perceptual Edge (perceptualedge.com, Stephen Few): Nononsense konten pada
visualisasi data untuk pembuatan sensasi dan komunikasi.
• Visualising Data (visualisingdata.com, Andy Kirk): Memetakan pengembangan bidang
visualisasi data, dengan hebat bulanan Daftar sumber daya “visualisasi terbaik web”.
• VizWiz (vizwiz.blogspot.com, Andy Kriebel): Visualisasi data praktik terbaik, metode
untuk meningkatkan pekerjaan yang ada, dan kiat serta
trik untuk menggunakan Perangkat Lunak Tableau.
• Storytelling with data (storytellingwithdata.com): Blog saya berfokus berkomunikasi
secara efektif dengan data dan berisi banyak contoh, perubahan visual, dan dialog yang
berkelanjutan.

Ini hanya contoh. Ada banyak konten hebat di luar sana. Saya terus belajar dari orang lain yang
aktif di ruang ini dan melakukan kerja bagus. Kalian juga bisa!

Belajarlah dari contoh-contoh yang tidak terlalu bagus.

Seringkali, kalian dapat belajar banyak dari contoh-contoh buruk visualisasi data. Grafik yang
buruk begitu banyak di seluruh situs. Saya menantang kalian tidak hanya untuk mengenali ketika
kalian menemukan contoh visualisasi data yang buruk tetapi juga untuk menjeda dan
merenungkan mengapa itu tidak ideal dan bagaimana bisa ditingkatkan.

Kalian sekarang memiliki mata yang tajam ketika datang ke tampilan visual informasi. Kalian
tidak akan pernah melihat grafik yang sama. Seorang peserta lokakarya mengatakan kepada saya
bahwa dia “hancur” —dia tidak dapat menemukan visualisasi data tanpa menerapkan lensa
barunya untuk menilai efektivitas. Saya suka mendengar cerita-cerita ini, karena itu berarti saya
membuat kemajuan menuju tujuan saya membersihkan dunia dari grafik yang tidak efektif.
Teruslah belajar dan manfaatkan aspek-aspek dari contoh-contoh bagus yang kalian lihat.

Tips #5 Bersenang-senang dan menemukan gaya Anda

Ketika kebanyakan orang berpikir tentang data, salah satu hal yang paling jauh dari pikiran
mereka adalah kreativitas. Tapi dalam visualisasi data, tersedia ruang untuk kreativitas untuk
memainkan peran. Data biasa dapat diubah menjadi data yang lebih bagus lagi. Jangan takut
untuk mencoba pendekatan baru sedikitnya. Anda akan terus mempelajari apa yang berhasil dan
apa yang tidak berhasil dari waktu ke waktu.

Anda mungkin akan mengetahui bahwa Anda sedang mengembangkan gaya visualisasi data
pribadi. Misalnya, Suami saya mengatakan bahwa dia dapat mengenali visual yang saya buat.
Saya cenderung melakukan segala sesuatu dalam nuansa abu-abu dan warna biru untuk gaya
minimalis. Itu tidak berarti pendekatan anda harus meniru spesifik ini harus sukses, gaya saya
sendiri telah berkembang berdasarkan preferensi pribadi dan belajar melalui trial and error-
menguji font yang berbeda, warna, dan elemen grafik. Saya ingat salah satu contoh yang sangat
disayangkan bahwa tergabung warna abu-abu-to-putih latar belakang grafik teduh dan terlalu
jauh.
Membangun cerita dengan kompetensi data dalam tim atau
organisasi

Untuk menjadi efektif dalam berkomunikasi dengan data dalam tim atau organisasi , ada strategi
potensial untuk dipertimbangkan yaitu : upskill seseorang, berinvestasi dalam seorang ahli, atau
outsourcing bagian dari proses.

1. Upskill

Visualisasi data adalah satu langkah dalam proses analisis. Mereka yang dipekerjakan ke peran
analitis biasanya memiliki latar belakang kuantitatif yang cocok untuk mereka dengan langkah-
langkah lain (menemukan data, menariknya bersama-sama, menganalisisnya, membangun
model), tetapi belum tentu pelatihan formal di desain untuk membantu mereka ketika
berkomunikasi secara analisis.

Untuk kelompok ini, mencari cara untuk memberi pengetahuan dasar dapat membuat semua
orang menjadi yang lebih baik. Berinvestasi dalam pelatihan atau menggunakan pelajaran yang
dibahas untuk menghasilkan momentum. Pada catatan terakhir ini, berikut adalah beberapa ide
spesifik:

• Menceritakan dengan buku data: membaca sebuah bab pada satu waktu dan kemudian
membahasnya bersama-sama, mengidentifikasi contoh-contoh spesifik untuk pekerjaan di mana
pelajaran yang diberikan dapat diterapkan.

• Do-it-yourself workshop : setelah menyelesaikan buku itu, lakukan workshop anda sendiri
.Contoh meminta Anda berkomunikasi dengan data dari tim Anda dan mendiskusikan
bagaimana ini dapat ditingkatkan.

• Makeover Monday : menantangan individu untuk makeover mingguan dengan menggunakan

pelajaran yang sudah dibahas.

• Umpan balik: mengatur bahwa individu harus berbagi dalam proses dan menawarkan umpan
balik untuk satu sama lain yang didasarkan pada pelajaran data.
• Dan pemenangnya adalah: memperkenalkan kontes bulanan atau kuartalan, di mana individu
atau tim dapat mengirimkan contoh mereka sendiri yang efektif dengan data.

Semua pendekatan ini -sendiri atau dikombinasikan-dapat membuat dan membantu memastikan
pada visualisasi yang efektif dan bercerita dengan data.

2. Berinvestasi dalam satu atau dua ahli internal

Pendekatan lain adalah mengidentifikasi individu atau beberapa individu dalam tim Anda atau
dalam organisasi Anda yang tertarik visualisasi data dan berinvestasi di dalamnya. Jadikan
harapan dari peran mereka untuk menjadi konsultan visualisasi data internal yang dapat
digunakan oleh orang lain dalam tim untuk melakukan brainstorming dan umpan balik atau
mengatasi tantangan spesifik alat. Investasi ini dapat berupa buku, alat, pelatihan, lokakarya,
atau kursus. Menyediakan waktu dan kesempatan untuk belajar dan berlatih. Ini bisa menjadi
bentuk besar pengakuan dan pengembangan karir bagi individu. Ketika individu terus belajar,
mereka dapat berbagi dengan orang lain sebagai cara untuk memastikan pengembangan tim yang
berkelanjutan juga.

3. Outsource

Dalam beberapa situasi, mungkin masuk akal untuk outsourcing visual ke ahli eksternal. Jika ada
kendala waktu atau keterampilan yang terlalu besar untuk mengatasi kebutuhan tertentu, beralih
ke visualisasi data atau konsultan presentasi mungkin perlu dipertimbangkan. Sebagai contoh,
salah satu klien mengontrak saya untuk merancang presentasi penting yang harus mereka berikan
beberapa kali di tahun yang akan datang. Setelah cerita dasar sudah ada, mereka tahu bahwa
mereka dapat membuat perubahan kecil yang diperlukan untuk membuatnya sesuai dengan
berbagai tempat.
Kelemahan terbesar dari outsourcing adalah bahwa Anda tidak mengembangkan keterampilan
dan belajar dengan cara yang sama seperti jika Anda mengatasi tantangan secara internal. Untuk
membantu mengatasi hal ini, mencari peluang untuk belajar dari konsultan selama proses
tersebut. Pertimbangkan apakah output juga dapat memberikan titik awal untuk pekerjaan lain,
atau jika itu dapat berkembang dari waktu ke waktu ketika Anda mengembangkan kemampuan
internal.

4. Pendekatan gabungan

Mereka mengakui pentingnya menceritakan dengan data dan berinvestasi dalam pelatihan dan
praktek untuk memberikan semua pengetahuan dasar untuk visualisasi data yang efektif. Mereka
juga mengidentifikasi dan mendukung ahli internal, untuk siapa seluruh tim bisa berpaling untuk
membantu mengatasi tantangan khusus. Mereka mendatangkan ahli dari luar untuk belajar dari
sebagai rasa merek. Mereka mengakui nilai bisa menceritakan kisah-kisah dengan data secara
efektif dan berinvestasi pada orang mereka untuk membangun kompetensi ini.

Melalui buku ini, saya berikan kamu pengetahuan dasar dan bahasa untuk digunakan untuk
membantu tim Anda dan organisasi Anda excel ketika datang untuk berkomunikasi dengan data.
Pikirkan tentang bagaimana Anda bisa membingkai umpan balik dalam hal pelajaran kita telah
membahas untuk membantu orang lain meningkatkan kemampuan dan efektivitas mereka juga.

Mari kita membungkus dengan rekap dari jalan kami telah diambil untuk bercerita efektif dengan
data.
Rekap: cepat melihat semua yang kita pelajari

Kami telah banyak belajar dari buku ini, dari konteks pemotongan kekacauan dan menarik
perhatian menceritakan cerita yang kuat. Kami telah dikenakan topi desainer kami dan melihat
hal-hal melalui mata penonton kita. Berikut adalah review dari pelajaran utama yang sudah di
bahas :

1. Memahami konteks,membangun pemahaman yang jelas tentang siapa

Anda berkomunikasi dengan mereka yang tau apa yang kamu butuhkan atau yang kamu lakukan,
bagaimana Anda akan berkomunikasi dengan mereka, dan apa saja data yang Anda miliki untuk
mendukung kasus Anda. Konsep mempekerjakan seperti cerita 3 menit, Ide besar, dan
storyboard untuk mengartikulasikan cerita Anda dan merencanakan konten yang diinginkan.

2. Pilih tampilan visual yang tepat ketika menyoroti

Teks sederhana adalah yang terbaik. Diagram garis biasanya sangat tepat untuk data kontinu. Bar
chart adalah pekerjaan yang besar untuk data kategorikal dan harus memiliki dasar dari nol.

3. Menghilangkan kekacauan. Mengidentifikasi unsur-unsur yang tidak menambah

informatif

Memanfaatkan prinsip-prinsip Gestalt untuk memahami bagaimana orang melihat dan

mengidentifikasi calon eliminasi. Gunakan atribut-atribut strategis. Mempekerjakan keselarasan
elemen dan menjaga ruang putih untuk membantu membuat interpretasi visual anda dan
memberikan pengalaman yang nyaman untuk para audiens Anda.
4. Fokuskan perhatian ditempat yang anda inginkan. Mempekerjakan kekuatan pra

Atribut perhatian seperti warna, ukuran, dan posisi untuk sinyal yang penting. Gunakan atribut-
atribut strategis untuk menarik perhatian ke arah yang anda ingin audiens Anda untuk melihat
dan membimbing audiens Anda melalui visual Anda dengan menerapkan “dimana mata Anda
ditarik?” uji.

5. Berpikir seperti seorang desainer. Menawarkan affordances sebagai penonton

visual Anda.

Isyarat untuk bagaimana berinteraksi dengan komunikasi Anda: menyoroti hal-hal penting,
menghilangkan gangguan, dan menciptakan hirarki visual informasi. Membuat desain anda
diakses dengan tidak overcomplicating dan memanfaatkan teks untuk label dan menjelaskan.
Meningkatkan toleransi audiens Anda dari masalah desain dengan membuat visual estetis Anda
menyenangkan. Pekerjaan untuk mendapatkan penerimaan penonton desain visual Anda.

6. Bercerita kerajinan cerita dengan jelas awal (petak),tengah.

Konflik leverage dan ketegangan untuk merebut dan mempertahankan perhatian audiens Anda.
Mempertimbangkan urutan dan cara narasi Anda. Memanfaatkan kekuatan pengulangan untuk
membantu cerita Anda tetap, taktik mempekerjakan seperti logika vertikal dan horizontal,
storyboard terbalik, dan mencari perspektif baru untuk memastikan bahwa cerita Anda berada
jelas di dalam komunikasi Anda.
Sebagai penutup

Ketika kalian membuka buku ini, apakah kalian merasakan ketidaknyamanan atau
kurangnya keahlian dalam hal berkomunikasi dengan data, harapan saya adalah bahwa perasaan
itu telah dikurangi. Kalian sekarang memiliki fondasi yang kuat, contoh untuk ditiru, dan
langkah konkret yang harus diambil untuk mengatasi tantangan visualisasi data yang kalian
hadapi. Kalian memiliki perspektif baru. Kalian tidak akan pernah melihat visualisasi data yang
sama. Kalian siap membantu saya dengan tujuan saya membersihkan dunia dari grafik yang tidak
efektif. Ada sebuah cerita di data kalian. Gunakan pelajaran yang kita pelajari untuk membuat
cerita itu jelas bagi audiens kalian.