目 录__eol__ __eol____eol____eol__第一篇 基础篇__eol__第1章 故事 3__eol__1.1 故事的定义和特征 4__eol__1.1.1 故事的定义 4__eol__1.1.2 故事的特征 7__eol__1.2 故事的发展史 8__eol__1.2.1 视觉/口述讲故事（约公元前700年之前） 8__eol__1.2.2 书面讲故事（约公元前700年至20世纪） 11__eol__1.2.3 数字化讲故事（20世纪至今） 11__eol__1.3 故事的要素 12__eol__1.3.1 意图——为什么要讲故事 13__eol__1.3.2 内容——要讲什么故事 13__eol__1.3.3 方式——如何讲故事 14__eol__1.3.4 受众——给谁讲故事 14__eol__1.3.5 冲突——故事的关键在哪里 15__eol__1.4 故事的情节 16__eol__1.4.1 金字塔结构 16__eol__1.4.2 英雄之旅结构 17__eol__1.4.3 “男孩追到女孩”结构 19__eol__1.5 故事的叙述 19__eol__1.5.1 故事的创作与叙述的区别 19__eol__1.5.2 故事的叙述方法 20__eol__1.5.3 故事的叙述原则 22__eol__1.6 故事的生成 26__eol__1.6.1 Storytelling Alice和Looking Glass 26__eol__1.6.2 BeemGee作者工具 27__eol__1.6.3 Worldbuilding 28__eol__小结 29__eol__思考题 30__eol__第2章 数据故事 31__eol__2.1 数据故事的定义 32__eol__2.1.1 数据与故事的联系 32__eol__2.1.2 数据故事及数据故事化 34__eol__2.1.3 数据故事的金字塔模型 35__eol__2.1.4 数据故事化的相关术语 36__eol__2.1.5 数据故事的作用——EEE作用 36__eol__2.2 数据故事的特征 37__eol__2.3 数据故事的认知模型 40__eol__2.3.1 数据故事的感知 41__eol__2.3.2 数据故事的认知 41__eol__2.3.3 数据故事的行动 42__eol__2.4 数据故事的应用 42__eol__2.4.1 解决数据科学的“最后一英里”问题 42__eol__2.4.2 提升数据的可认知和可记忆能力 43__eol__2.4.3 推动“数据—洞见—行动”的转换 47__eol__2.4.4 数据新闻及数据产品开发 47__eol__小结 49__eol__思考题 50__eol__第二篇 理论篇__eol__第3章 数据故事化的基础理论 53__eol__3.1 数据故事的要素 54__eol__3.2 数据故事化的原则 55__eol__3.3 数据故事化的流程 58__eol__3.3.1 数据理解 58__eol__3.3.2 明确目的 61__eol__3.3.3 了解受众 62__eol__3.3.4 识别关键数据 63__eol__3.3.5 数据故事的建模 63__eol__3.3.6 叙述准备 64__eol__3.3.7 叙述设计及二度创作 65__eol__3.3.8 叙述与互动 65__eol__3.4 数据故事化的模型 66__eol__3.4.1 分析模型 67__eol__3.4.2 故事模型 67__eol__3.4.3 叙述模型 70__eol__3.5 数据故事的叙述 71__eol__3.5.1 叙述者驱动型叙述 71__eol__3.5.2 受众驱动型叙述 72__eol__小结 72__eol__思考题 73__eol__第4章 数据故事化的理论基础 74__eol__4.1 数据科学 76__eol__4.1.1 与数据故事化的联系 76__eol__4.1.2 数据科学的理论与方法 77__eol__4.1.3 数据科学的应用 85__eol__4.2 认知科学 90__eol__4.2.1 与数据故事化的联系 91__eol__4.2.2 认知科学的理论与方法 92__eol__4.2.3 认知科学的应用 95__eol__4.3 数据可视化 96__eol__4.3.1 与数据故事的联系 96__eol__4.3.2 可视化的理论与方法 97__eol__4.3.3 数据可视化的应用 109__eol__4.4 可解释性机器学习 111__eol__4.4.1 与数据故事化的联系 112__eol__4.4.2 可解释性机器学习的理论与方法 113__eol__4.4.3 可解释性机器学习的应用 116__eol__4.5 自然语言处理 117__eol__4.5.1 自然语言处理与数据故事化的联系 117__eol__4.5.2 自然语言处理的理论与方法 118__eol__4.5.3 自然语言处理的应用 123__eol__小结 124__eol__思考题 126__eol__第5章 数据故事化的方法与技术 127__eol__5.1 可视故事化 128__eol__5.1.1 可视故事化的定义 128__eol__5.1.2 可视故事化的特征 129__eol__5.1.3 可视故事化的方法 130__eol__5.2 SHAP 137__eol__5.2.1 SHAP的定义 137__eol__5.2.2 SHAP的方法 138__eol__5.2.3 SHAP的特征 139__eol__5.2.4 SHAP的应用 140__eol__5.3 Facet 140__eol__5.3.1 Facet的定义 140__eol__5.3.2 Facet的方法 141__eol__5.3.3 Facet的特征 142__eol__5.3.4 Facet的应用 142__eol__5.4 反事实解释 144__eol__5.4.1 反事实解释的定义 144__eol__5.4.2 反事实解释的特征 144__eol__5.4.3 反事实解释的方法 144__eol__5.4.4 反事实解释的应用 145__eol__5.5 LIME 146__eol__5.5.1 LIME的定义 146__eol__5.5.2 LIME的特征 147__eol__5.5.3 LIME的方法 147__eol__5.5.4 LIME的应用 150__eol__5.6 Anchors 150__eol__5.6.1 Anchors的定义 150__eol__5.6.2 Anchors的方法 151__eol__5.6.3 Anchors的特征 151__eol__5.6.4 Anchors的应用 151__eol__5.7 对比解释法 153__eol__5.7.1 对比解释法的定义 153__eol__5.7.2 对比解释法的特征 154__eol__5.7.3 对比解释法的方法 155__eol__5.7.4 对比解释法的应用 156__eol__5.8 A/B测试 157__eol__5.8.1 A/B测试的定义 157__eol__5.8.2 A/B测试的方法 157__eol__5.8.3 A/B测试的特征 158__eol__5.9 混淆矩阵 159__eol__5.9.1 混淆矩阵的定义 159__eol__5.9.2 混淆矩阵的特征 160__eol__5.9.3 混淆矩阵的方法 160__eol__5.9.4 混淆矩阵的应用 160__eol__小结 163__eol__思考题 163__eol__第三篇 实战篇__eol__第6章 Tableau及其数据故事化功能 167__eol__6.1 Tableau概述 168__eol__6.2 Tableau的安装 173__eol__6.3 Tableau的界面 174__eol__6.3.1 菜单及工具栏区域 175__eol__6.3.2 数据源、工作表、仪表板和故事标签及状态栏 177__eol__6.3.3 侧栏及窗格区域 178__eol__6.3.4 画布及视图区域 180__eol__6.3.5 卡和功能架区域 180__eol__6.3.6 智能推荐区域 184__eol__6.4 Tableau的术语 184__eol__6.4.1 数据来源（Data Source） 184__eol__6.4.2 工作簿及其组成 185__eol__6.4.3 窗格及其类型 186__eol__6.4.4 功能架及其类型 188__eol__6.4.5 视图及其智能推荐 189__eol__6.4.6 仪表板 189__eol__6.4.7 故事 192__eol__6.4.8 参数 192__eol__6.4.9 维度和度量 194__eol__6.4.10 连续字段和离散字段 196__eol__6.5 Tableau的关键技术 198