Because Data Can't Speak for Itself: A Practical Guide to Telling Persuasive Policy Stories

راهنمایی برای چگونگی گفتن داستانهای واضح و داده محور که تأثیر می گذارد. خوانندگان می توانند با آنها ارتباط برقرار کنند و درک کنند. و اگر رهبران نتوانند به خوبی با مخاطبان خود ارتباط برقرار کنند ، قادر به ایجاد تغییرات مهم در جهان نخواهند بود.

چرا برخی از ایده های مبتنی بر شواهد در حالی که دیگران می میرند شکوفا می شوند؟ و چگونه می توانیم شانس ایده های شایسته را بهبود بخشیم؟ در زیرا داده ها نمی توانند به خودی خود صحبت کنند ، مربیان و نویسندگان موفق دیوید Chrisinger و Lauren Brodsky با این سؤالات سر و صدا می کنند. آنها قطعات و کارکردهای داستانهای مؤثر مبتنی بر داده ها را آشکار می کنند و روشهای بی شماری را برای تبدیل داده های شما به روایتی توضیح می دهند که می تواند آگاهی ، ترغیب و الهام بخشیدن به عمل باشد.

Chrisinger و Brodsky نشان می دهند که داستانهای متقاعد کننده داده محور قدرت خود را از همان سه صفت می گیرند ، که آنها به آنها افراد ، هدف و <�من می گویند > پایداری . نویسندگان باید ...

A guide for how to tell clear, data-driven stories that will make an impact.

People with important evidence-based ideas often struggle to translate data into stories their readers can relate to and understand. And if leaders can't communicate well to their audience, they will not be able to make important changes in the world.

Why do some evidence-based ideas thrive while others die? And how do we improve the chances of worthy ideas? In Because Data Can't Speak for Itself, accomplished educators and writers David Chrisinger and Lauren Brodsky tackle these questions head-on. They reveal the parts and functions of effective data-driven stories and explain myriad ways to turn your data dump into a narrative that can inform, persuade, and inspire action.

Chrisinger and Brodsky show that convincing data-driven stories draw their power from the same three traits, which they call people, purpose, and persistence. Writers need to...