Data Storytelling Là Gì? Cách Kể Chuyện Bằng Dữ Liệu Trong Công Việc
Data Storytelling là phương pháp truyền đạt insight từ dữ liệu thông qua sự kết hợp giữa ba yếu tố: dữ liệu (data), cấu trúc câu chuyện (narrative) và trực quan hóa (visualization). Thay vì chỉ trình bày con số khô khan, bạn xây dựng câu chuyện có logic rõ ràng để người nghe hiểu được bối cảnh, nguyên nhân và hành động cần làm.
Trong môi trường doanh nghiệp, việc trình bày một dashboard đầy biểu đồ mà không có mạch dẫn khiến giám đốc điều hành hoặc stakeholder khó nắm bắt thông điệp chính. Data storytelling giúp bạn chuyển từ "đây là con số" sang "con số này có nghĩa gì và chúng ta nên làm gì tiếp theo", tăng khả năng thuyết phục và thúc đẩy ra quyết định. Kỹ năng này đặc biệt quan trọng khi bạn làm Data Analyst, BI Developer hay vai trò liên quan đến báo cáo cho cấp quản lý.
Mục lục
I. Data Storytelling là gì?
Data Storytelling (kể chuyện bằng dữ liệu) là cách bạn diễn giải insight từ phân tích dữ liệu thành một câu chuyện có cấu trúc, dễ hiểu và thuyết phục. Mục tiêu không chỉ là hiển thị số liệu mà còn giúp đối tượng hiểu bối cảnh, nhận ra vấn đề và biết hành động tiếp theo.
Khi làm việc với Power BI hoặc dashboard, nhiều người chỉ tập trung vào chart đẹp nhưng quên mất rằng người xem thường không có thời gian phân tích từng con số. Data storytelling đặt người đọc vào trung tâm, giúp họ nhanh chóng nắm được thông điệp chính trong vài phút.
1. Ba thành phần cốt lõi của Data Storytelling
Nghiên cứu chỉ ra rằng data storytelling dựa trên ba nền tảng cơ bản: nhận thức (Cognitive perception), xây dựng câu chuyện (Narrative construction) và thông điệp thuyết phục (Persuasive messaging) [1]. Trong thực hành, bạn cần kết hợp ba thành phần sau:
Dữ liệu (Data): Con số, chỉ số KPI, kết quả phân tích. Đây là nền tảng đảm bảo câu chuyện của bạn chính xác và đáng tin cậy. Dữ liệu phải sạch, được kiểm chứng và liên quan trực tiếp đến câu hỏi kinh doanh.
Cấu trúc câu chuyện (Narrative): Mạch dẫn logic từ bối cảnh, vấn đề, phân tích đến kết luận. Các yếu tố cấu trúc chính bao gồm nhân vật (Characters) và bối cảnh (Settings) [1], giúp người nghe hình dung rõ tình huống. Ví dụ, bạn có thể bắt đầu bằng "Quý 2 doanh số khu vực miền Bắc giảm 12%", sau đó giải thích nguyên nhân và đề xuất giải pháp.
Trực quan hóa (Visualization): Biểu đồ, infographic, màu sắc giúp làm nổi bật điểm quan trọng. Visualization không phải càng nhiều chart càng tốt, mà phải chọn đúng loại biểu đồ phù hợp với thông điệp bạn muốn truyền tải.
II. Data Storytelling khác gì với Data Visualization và báo cáo truyền thống?
Nhiều người nhầm lẫn giữa data storytelling với data visualization hoặc báo cáo thông thường. Bảng dưới đây giúp bạn phân biệt rõ:
Tiêu chí | Báo cáo truyền thống | Data Visualization | Data Storytelling |
Mục đích | Trình bày đầy đủ số liệu | Hiển thị dữ liệu trực quan | Thuyết phục và dẫn dắt hành động |
Cấu trúc | Danh sách, bảng biểu | Tập hợp biểu đồ | Có mạch câu chuyện rõ ràng |
Đối tượng | Người có chuyên môn | Người cần xem nhanh | Cấp quản lý, stakeholder |
Insight | Người đọc tự tìm | Thể hiện qua màu sắc/hình dạng | Được giải thích rõ ràng |
Hành động | Không gợi ý cụ thể | Ít gợi ý | Đề xuất bước tiếp theo |
Báo cáo truyền thống thường là file Excel dày đặc con số, yêu cầu người đọc tự phân tích. Data visualization cải thiện bằng chart nhưng vẫn thiếu bối cảnh. Chỉ khi bạn thêm narrative và giải thích "tại sao con số này quan trọng" thì mới trở thành data storytelling.
Trong môi trường doanh nghiệp nhanh, giám đốc không có thời gian đọc báo cáo 20 trang. Họ cần bạn tóm gọn insight chính trong 3 phút, kèm khuyến nghị cụ thể. Đó chính là lúc data storytelling phát huy tác dụng.
III. Tại sao Data Storytelling quan trọng trong môi trường doanh nghiệp?
Data storytelling không chỉ là kỹ năng "nice to have" mà trở thành yêu cầu thiết yếu trong nhiều vai trò phân tích dữ liệu. Dưới đây là những lý do thực tế:
1. Tăng tốc độ ra quyết định
Khi bạn trình bày insight dưới dạng câu chuyện có logic, người quản lý nhanh chóng hiểu được tình hình và đưa ra quyết định. Thay vì phải dành 30 phút phân tích dashboard, họ chỉ cần 5 phút để nắm được vấn đề và hành động cần làm.
2. Cải thiện khả năng thuyết phục
Con số đơn thuần ít khi tạo động lực thay đổi. Nhưng khi bạn đặt con số vào ngữ cảnh, kết nối với mục tiêu kinh doanh và chỉ ra hậu quả, stakeholder dễ dàng đồng ý với đề xuất của bạn hơn. Nghiên cứu cho thấy thông điệp thuyết phục là một trong ba nền tảng cơ bản của storytelling [1].
3. Giúp đội ngũ phi kỹ thuật hiểu dữ liệu
Không phải ai trong công ty cũng biết SQL hay hiểu thuật ngữ chuyên môn. Data storytelling dịch insight kỹ thuật thành ngôn ngữ kinh doanh, giúp bộ phận Marketing, Sales hay Giám đốc không chuyên về data vẫn nắm được thông điệp.
4. Tạo sự nhất quán trong tổ chức
Khi mọi người cùng hiểu một câu chuyện dữ liệu, họ dễ dàng thống nhất mục tiêu và hành động. Điều này đặc biệt quan trọng trong các dự án liên phòng ban, nơi data analyst phải làm việc với nhiều stakeholder khác nhau.
IV. Quy trình thực hiện Data Storytelling hiệu quả
Để xây dựng data story chuyên nghiệp, bạn có thể áp dụng quy trình năm bước sau. Các bước này dựa trên năm hướng tiếp cận cấu trúc được nghiên cứu: Data Exploration, Mass communication, Scientific communication, Collaboration, và Time and space conceptual model [1].
1. Bước 1: Xác định audience và mục tiêu
Trước khi mở Power BI hay viết một dòng SQL, hãy trả lời hai câu hỏi:
Ai sẽ xem báo cáo này? Giám đốc điều hành quan tâm đến tổng quan chiến lược, trong khi quản lý cấp trung cần chi tiết hơn để thực thi. Đối tượng khác nhau cần mức độ kỹ thuật và thông điệp khác nhau.
Mục tiêu của câu chuyện là gì? Thuyết phục tăng ngân sách Marketing? Giải thích nguyên nhân doanh số giảm? Hay đề xuất thay đổi quy trình? Mục tiêu rõ ràng giúp bạn chọn lọc dữ liệu và thiết kế narrative phù hợp.
Ví dụ, nếu trình bày cho CEO bận rộn, bạn cần tóm gọn insight chính trong 3 slide đầu tiên với visualization đơn giản. Nếu trình bày cho đội phân tích, bạn có thể đi sâu hơn vào phương pháp và giả định.
2. Bước 2: Khám phá và lọc dữ liệu quan trọng
Giai đoạn này bạn thực hiện phân tích khám phá (EDA) để tìm insight. Tuy nhiên, không phải mọi insight đều cần đưa vào câu chuyện. Hãy ưu tiên những điểm:
Liên quan trực tiếp đến mục tiêu kinh doanh
Có độ lệch đáng kể so với kỳ vọng hoặc xu hướng
Dẫn đến hành động cụ thể
Trong Power BI hoặc Tableau, bạn có thể dùng filter, drill-down và tính toán measure để khám phá dữ liệu. Ghi chú lại các insight quan trọng và loại bỏ những con số nhiễu không đóng góp vào câu chuyện chính.
3. Bước 3: Xây dựng narrative structure
Cấu trúc câu chuyện phổ biến trong data storytelling bao gồm các yếu tố Existents (nhân vật, bối cảnh) [1]. Bạn có thể áp dụng mô hình ba hồi đơn giản:
Bối cảnh (Context): Tình hình hiện tại, mục tiêu kinh doanh, hoặc câu hỏi cần giải đáp. Ví dụ: "Doanh số quý 2 giảm bất ngờ dù chiến dịch Marketing tăng gấp đôi."
Xung đột (Conflict): Vấn đề, nguyên nhân hoặc phát hiện từ dữ liệu. Ví dụ: "Phân tích cho thấy tỷ lệ chuyển đổi từ website giảm 25% do thời gian tải trang chậm."
Giải pháp (Resolution): Khuyến nghị, hành động tiếp theo hoặc kết luận. Ví dụ: "Đề xuất tối ưu tốc độ website và tập trung ngân sách vào kênh có ROI cao nhất."
Cấu trúc này giúp người nghe dễ theo dõi và nhớ lâu hơn so với việc liệt kê danh sách insight rời rạc.
4. Bước 4: Thiết kế visualization phù hợp
Mỗi loại insight cần loại biểu đồ khác nhau. Một số nguyên tắc cơ bản:
So sánh giữa các nhóm: dùng bar chart (cột dọc hoặc ngang)
Xu hướng theo thời gian: dùng line chart
Tỷ trọng phần trăm: dùng pie chart hoặc stacked bar (nếu nhiều hơn 5 phần, tránh pie)
Phân phối: dùng histogram hoặc box plot
Mối quan hệ giữa hai biến: dùng scatter plot
Ngoài ra, nghiên cứu đã phát triển các hệ thống tự động hỗ trợ data storytelling, bao gồm khuyến nghị visualization tự động (Automated visualization recommendations) và sắp xếp trình tự tự động (Automated sequencing) [1]. Tuy nhiên, bạn vẫn cần hiểu logic đằng sau để điều chỉnh phù hợp ngữ cảnh.
Sử dụng màu sắc để làm nổi bật insight chính. Nếu muốn chỉ ra một khu vực có vấn đề, tô đậm màu đỏ hoặc cam cho phần đó và giữ các phần còn lại màu xám nhạt.
5. Bước 5: Trình bày và điều chỉnh
Khi trình bày, hãy bắt đầu bằng kết luận chính (bottom line up front), sau đó mới đi vào chi tiết. Điều này giúp người nghe nắm được thông điệp ngay cả khi họ phải rời cuộc họp sớm.
Sau buổi trình bày, thu thập phản hồi và điều chỉnh câu chuyện nếu cần. Có thể stakeholder quan tâm đến góc độ khác hoặc cần thêm dữ liệu bổ sung. Data storytelling là quá trình lặp đi lặp lại, không phải làm một lần xong.
V. Công cụ phổ biến để tạo Data Story
Tùy vào quy mô dự án và kỹ năng của bạn, có nhiều công cụ hỗ trợ data storytelling:
1. Power BI
Power BI là lựa chọn phổ biến trong doanh nghiệp, đặc biệt khi bạn làm việc trong hệ sinh thái Microsoft. Bạn có thể tạo dashboard tương tác, thêm annotation, bookmark để dẫn dắt người xem qua từng phần của câu chuyện. Tính năng narrative smart visual trong Power BI tự động tạo đoạn văn mô tả insight chính, giúp tiết kiệm thời gian.
Trong chương trình Agentic AI Analytics, học viên học cách xây dựng semantic layer và dùng AI Agents để tự động hóa quy trình data storytelling trên nền tảng Power BI.
2. Tableau
Tableau nổi bật với khả năng tạo visualization đẹp và tính năng story points, cho phép bạn xây dựng trình tự slide kể câu chuyện. Giao diện kéo thả trực quan giúp người không chuyên về code vẫn làm được data story chuyên nghiệp.
3. Python (Matplotlib, Seaborn, Plotly)
Nếu bạn cần tùy biến sâu hoặc làm việc với dữ liệu phức tạp, Python là lựa chọn linh hoạt. Thư viện như Plotly hỗ trợ tạo chart tương tác, còn Jupyter Notebook giúp bạn kết hợp code, visualization và markdown text thành một câu chuyện hoàn chỉnh.
4. Google Data Studio (Looker Studio)
Công cụ miễn phí từ Google, phù hợp cho đội nhỏ hoặc freelancer. Kết nối dễ dàng với Google Analytics, Google Sheets và các nguồn dữ liệu phổ biến. Tuy tính năng ít hơn Power BI hay Tableau, nhưng đủ cho hầu hết nhu cầu báo cáo hàng tháng.
VI. Ví dụ Data Storytelling trong thực tế
Để hiểu rõ hơn cách áp dụng, dưới đây là hai tình huống thực tế:
1. Báo cáo doanh số cho Giám đốc Bán hàng
Bối cảnh: Doanh số tháng 8 giảm 15% so với tháng 7. Giám đốc muốn biết nguyên nhân và giải pháp.
Cách kể không hiệu quả: Bạn mở dashboard có 10 biểu đồ, trình bày lần lượt từng chỉ số KPI mà không giải thích. Giám đốc phải tự đoán insight.
Cách kể theo Data Storytelling:
Slide 1 (Context): "Doanh số tháng 8 giảm 15%, tương đương mất 300 triệu doanh thu."
Slide 2 (Conflict): "Phân tích chi tiết cho thấy khu vực miền Nam chiếm 80% sụt giảm, nguyên nhân chính từ hai đại lý lớn tạm ngưng đặt hàng do vấn đề thanh toán."
Slide 3 (Resolution): "Đề xuất: (1) Gặp trực tiếp hai đại lý này trong tuần tới để giải quyết vấn đề thanh toán, (2) Tăng hỗ trợ Marketing cho khu vực miền Nam, (3) Mở rộng mạng lưới đại lý dự phòng."
Với cách này, Giám đốc ngay lập tức hiểu được vấn đề và biết cần làm gì.
2. Phân tích hiệu quả chiến dịch Marketing
Bối cảnh: Công ty vừa chạy ba chiến dịch quảng cáo trên Facebook, Google Ads và Email Marketing. CMO muốn biết kênh nào hiệu quả nhất để phân bổ ngân sách quý tới.
Cách kể theo Data Storytelling:
Bối cảnh: "Ba chiến dịch tổng cộng chi 500 triệu, mục tiêu tăng 20% lượng lead chất lượng."
Xung đột: "Google Ads mang về nhiều lead nhất (1.200 lead) nhưng tỷ lệ chuyển đổi chỉ 2%. Email Marketing chỉ có 300 lead nhưng tỷ lệ chuyển đổi lên đến 15%, cao gấp 7 lần. Facebook nằm giữa với 800 lead và tỷ lệ 5%."
Giải pháp: "Đề xuất tăng ngân sách Email Marketing lên 40% (hiện tại chỉ 15%), giảm Google Ads xuống 30% và tối ưu lại targeting. Dự kiến tăng 35% số lượng khách hàng chuyển đổi với cùng ngân sách."
Kèm theo là biểu đồ so sánh chi phí mỗi khách hàng chuyển đổi (cost per conversion) giữa ba kênh, làm nổi bật Email Marketing bằng màu xanh.
VII. 5 lỗi thường gặp khi làm Data Storytelling
Kể cả khi đã hiểu lý thuyết, nhiều người vẫn mắc những sai lầm sau:
1. Nhồi nhét quá nhiều dữ liệu
Bạn muốn chứng minh mình phân tích kỹ nên đưa tất cả con số vào báo cáo. Kết quả là người xem bị choáng ngợp và không nhớ được điểm chính. Hãy nhớ quy tắc: một câu chuyện tốt là câu chuyện biết lược bỏ.
2. Thiếu bối cảnh
Trình bày "doanh số tăng 10%" nhưng không nói rõ so với kỳ nào, mục tiêu ban đầu là bao nhiêu, hay liệu 10% đó có đủ hay không. Bối cảnh giúp người nghe đánh giá đúng ý nghĩa của con số.
3. Chọn sai loại biểu đồ
Dùng pie chart cho 10 phân khúc khiến biểu đồ rối mắt. Dùng line chart cho dữ liệu không liên tục (ví dụ so sánh doanh số giữa các chi nhánh) gây hiểu nhầm. Mỗi loại chart có mục đích riêng, hãy chọn đúng.
4. Không có call to action rõ ràng
Sau khi trình bày insight, bạn kết thúc bằng "Cảm ơn mọi người đã lắng nghe" mà không đề xuất bước tiếp theo. Người nghe hiểu vấn đề nhưng không biết phải làm gì. Luôn kết thúc bằng khuyến nghị cụ thể.
5. Bỏ qua feedback từ audience
Bạn chuẩn bị câu chuyện kỹ lưỡng nhưng khi trình bày, stakeholder liên tục hỏi về một góc độ khác. Thay vì bảo vệ kịch bản ban đầu, hãy linh hoạt điều chỉnh để giải đáp quan ngại của họ. Data storytelling là giao tiếp hai chiều.
VIII. Kỹ năng cần có để làm Data Storytelling tốt
Để thành thạo data storytelling, bạn cần kết hợp nhiều kỹ năng:
1. Kỹ năng phân tích dữ liệu
Nền tảng vẫn là khả năng làm sạch, xử lý và phân tích dữ liệu. Bạn cần biết SQL để truy vấn, Excel hoặc Python để tính toán, và hiểu thống kê cơ bản để không rút ra kết luận sai.
2. Hiểu biết về business
Bạn phải hiểu KPI nào quan trọng với doanh nghiệp, quy trình kinh doanh diễn ra như thế nào và quyết định nào cần ưu tiên. Khi nắm được ngữ cảnh kinh doanh, bạn mới biết insight nào đáng kể và insight nào không.
3. Kỹ năng thiết kế và trực quan hóa
Biết chọn màu sắc, font chữ, bố cục hợp lý. Hiểu nguyên lý thiết kế như hierarchy, contrast, alignment giúp dashboard của bạn dễ đọc và chuyên nghiệp hơn.
4. Kỹ năng truyền đạt và thuyết trình
Data storytelling không chỉ là slide đẹp mà còn là cách bạn nói, ngữ điệu, cách trả lời câu hỏi. Luyện thuyết trình trước đồng nghiệp hoặc ghi hình lại để tự đánh giá là cách cải thiện hiệu quả.
5. Tư duy phản biện
Luôn tự hỏi: "Insight này có thật sự quan trọng không? Có cách diễn đạt nào rõ ràng hơn? Liệu con số này có thể hiểu sai không?" Tư duy phản biện giúp bạn tránh được những lỗi logic và trình bày chính xác hơn.
IX. Câu hỏi thường gặp
1. Data Storytelling có phải là kỹ năng chỉ dành cho Data Analyst không?
Không. Bất kỳ ai làm việc với dữ liệu và cần trình bày cho người khác đều cần kỹ năng này: BI Developer, Product Manager, Marketing Manager, thậm chí Giám đốc điều hành khi trình bày với hội đồng quản trị.
2. Tôi không giỏi thiết kế, có thể làm Data Storytelling không?
Có thể. Bạn không nhất thiết phải là designer chuyên nghiệp. Học các nguyên tắc cơ bản như chọn màu tương phản, căn chỉnh đối tượng, sử dụng white space là đủ. Nhiều công cụ như Power BI, Tableau có template sẵn giúp bạn bắt đầu nhanh.
3. Mất bao lâu để tạo một data story tốt?
Tùy độ phức tạp. Một báo cáo đơn giản cho meeting hàng tuần có thể mất 2-3 giờ. Một báo cáo chiến lược trình lên cấp cao cần 1-2 ngày để khám phá dữ liệu, xây dựng narrative và thiết kế visualization. Thời gian này sẽ giảm dần khi bạn quen tay.
4. Có framework nào giúp tôi xây dựng narrative nhanh hơn không?
Có. Bạn có thể dùng framework Problem - Solution - Benefit: nêu vấn đề, trình bày giải pháp dựa trên dữ liệu, sau đó nêu lợi ích khi áp dụng. Hoặc dùng mô hình Situation - Complication - Resolution của Barbara Minto, phổ biến trong tư vấn.
5. Làm thế nào để biết câu chuyện của mình có hiệu quả?
Quan sát phản ứng của audience trong buổi trình bày. Nếu họ gật đầu, đặt câu hỏi liên quan đến hành động tiếp theo và chủ động thảo luận, nghĩa là câu chuyện đã truyền đạt tốt. Nếu họ yên lặng hoặc hỏi lại những thông tin bạn vừa trình bày, bạn cần điều chỉnh cách kể.
6. Data Storytelling có áp dụng được cho báo cáo tự động không?
Có, nhưng cần thiết kế trước. Bạn có thể tạo template với narrative cố định, sau đó dùng AI hoặc script để cập nhật số liệu mới. Trong Agentic AI Analytics, học viên học cách xây dựng hệ thống AI Agents tự động tạo insight và đề xuất narrative dựa trên semantic layer.
7. Tôi nên bắt đầu học Data Storytelling từ đâu?
Bắt đầu bằng cách phân tích các data story tốt từ báo cáo của công ty lớn, bài viết trên blog phân tích dữ liệu hoặc TED Talk về data. Sau đó thực hành trên dự án nhỏ, xin feedback từ đồng nghiệp và cải thiện dần.
8. Data Storytelling có cần biết code không?
Không bắt buộc. Nhiều công cụ như Power BI, Tableau cho phép bạn tạo data story mà không cần viết code. Tuy nhiên, nếu biết SQL để truy vấn dữ liệu và Python để phân tích sâu, bạn sẽ linh hoạt và mạnh mẽ hơn.
X. Kết luận
Data Storytelling là cầu nối giữa dữ liệu và quyết định kinh doanh. Thay vì chỉ trình bày con số, bạn xây dựng câu chuyện có bối cảnh, giải thích insight và dẫn dắt hành động tiếp theo. Kỹ năng này ngày càng quan trọng khi lượng dữ liệu tăng lên và các vai trò phân tích dữ liệu cần tương tác nhiều hơn với stakeholder không chuyên về kỹ thuật.
Để thành thạo data storytelling, hãy bắt đầu bằng quy trình năm bước: xác định audience, khám phá dữ liệu, xây dựng narrative, thiết kế visualization và trình bày. Thực hành thường xuyên trên dự án thực tế, thu thập feedback và cải thiện liên tục. Kết hợp với các công cụ như Power BI, Tableau hay Python, bạn sẽ tạo ra những báo cáo thuyết phục và tạo tác động thực sự đến doanh nghiệp.
Trong môi trường doanh nghiệp hiện đại, người biết phân tích dữ liệu tốt nhưng không truyền đạt được insight sẽ khó tạo giá trị. Ngược lại, người kết hợp được kỹ năng phân tích và kể chuyện sẽ trở thành người dẫn dắt quyết định, thúc đẩy thay đổi và xây dựng uy tín chuyên môn. Hãy đầu tư vào data storytelling như một kỹ năng dài hạn, không chỉ để thăng tiến trong sự nghiệp mà còn để tạo ra tác động thực sự từ dữ liệu.
Lưu ý: phần dưới đây giới thiệu chương trình đào tạo của Mastering Data Analytics.
📚 Bắt đầu sự nghiệp Analytics vững vàng trong kỷ nguyên AI
Mastering Data Analytics (MDA) là một trong những đơn vị đào tạo phân tích dữ liệu tại Việt Nam, mang chương trình Agentic AI Analytics đến với người học. Sau hơn 6 năm đào tạo phân tích dữ liệu, MDA đã đồng hành cùng 3.000+ học viên và 250+ doanh nghiệp lớn như Heineken, Prudential, P&G, AEON, BIDV, Coca-Cola, Unilever.Điểm khác biệt của MDA không nằm ở những lời hứa kiểu '5 phút phân tích data với ChatGPT' hay 'vibe coding dashboard'. Chúng tôi rèn đúng bộ ba tạo nên lợi thế cạnh tranh thật sự thời AI: tư duy phân tích hệ thống, chuyên môn vững chắc và năng lực điều phối AI Agents.
Khám phá chương trình: Agentic AI Analytics, Finance Analytics
Tư vấn lộ trình miễn phí qua Zalo: 0961 48 66 48
Fanpage: Mastering Data Analytics
Nguồn tham khảo
[1] Telling stories with data - A systematic review - arXiv.org. https://arxiv.org/html/2312.01164v1
[2] (PDF) Re-understanding of data storytelling tools from a narrative .... https://www.researchgate.net/publication/371862883_Re-understanding_of_data_storytelling_tools_from_a_narrative_perspective
[3] PDF Storytelling - ResearchGate. https://www.researchgate.net/publication/377006749_Storytelling/fulltext/6591a08a2468df72d3ee1b38/Storytelling.pdf
Bình luận