# Data Storytelling

> 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」。

- Skill: `nahisaho/data-storytelling` (Agent Skill)
- Install (CLI): `npx skillmds@latest add nahisaho/data-storytelling`
- Raw SKILL.md: https://api.skillmd.com/api/skills/nahisaho/data-storytelling/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: nahisaho (https://skillmd.com/u/nahisaho)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/nahisaho/data-storytelling

---


# 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