Schritt für Schritt zur erfolgreichen Datenvisualisierung

Wie gut funktioniert meine Kampagne? Was muss ich vielleicht ändert? Wie steht es um meinen Markenwert? Datenanalysen helfen, solche Fragen zu beantworten. Doch einfach nur Zahlen in einer Excel-Tabelle auszugeben reicht nicht aus. Man muss die Daten auch in verwertbare Informationen verwandeln. Dafür ist es wichtig, sie so aufzubereiten, dass sich die Kernaussagen auf einen Blick erfassen lassen. Es gibt verschiedene Möglichkeiten der Datenvisualisierung – von der einfachen, statischen Grafik bis hin zum digitalen Echtzeit-Dashboard.

Welche Form am besten geeignet ist, hängt immer von den individuellen Anforderungen ab. Geht es um Daten, die sich nur selten ändern – etwa den Vergleich der jährlichen Umsatzzahlen – reicht ein schlichtes, übersichtliches Diagramm. Möchte man dagegen eine Social-Media-Kampagne in Echtzeit oder täglich tracken, ist eine interaktives Dashboard gefragt, das sich laufend selbst aktualisiert. Denn in diesem Fall können sich Daten sehr dynamisch entwickeln und Projektverantwortliche müssen in der Lage sein, schnell zu reagieren.

Grundsätzlich kann jedes Unternehmen, das Daten erfasst und konkrete Fragestellungen beantworten möchte, ein Datenvisualisierungsprojekt starten. Dabei empfiehlt es sich, in folgenden sechs Schritten vorzugehen.

1. Anforderungen definieren

Für eine aussagekräftige Datenvisualisierung benötigt man ein klares Konzept mit klaren Anforderungen. Es bringt nichts, einfach einmal willkürlich irgendetwas aus den Daten darzustellen. Entscheidend ist es, die Fragestellung zu konkretisieren. Was möchte ich beantworten? Dafür ist es wichtig, die Zielgruppe des Visualisierungsprojekts klar vor Augen zu haben. Was sind ihre grössten Pain Points? Welche Bedürfnisse hat sie? Um diese genau zu erfassen, sollte beim Kick-off ein Vertreter des Managements bzw. der spätere Dashboard-Nutzer dabei sein. Anschliessend geht es darum zu prüfen, wie sich diese Bedürfnisse mit dem Dashboard erfüllen lassen.

2. KPIs entwickeln

Um möglichst plakative, knackige Aussagen zu gewinnen, ist es empfehlenswert, für das Dashboard einen logischen Aufbau mit einer klaren Leserichtung zu definieren. Dabei hilft es, sich auf wenige aber wichtige KPIs zu fokussieren – in der Praxis hat sich eine Zahl von acht bis zwölf bewährt. Diese gilt es individuell zu entwickeln. Das Projektteam muss genau überlegen, welche Daten für die jeweiligen Kennzahlen relevant sind und wie sie zusammenspielen. Dabei muss man immer wieder prüfen, ob die Berechnungen die Fragestellung auch tatsächlich richtig treffen. Mit aggregierten Daten zu arbeiten, wie sie zum Beispiel Facebook bietet, ist nicht ratsam. Denn dann lässt sich nicht transparent nachvollziehen, wie die KPIs eigentlich ermittelt werden. Um passgenaue Kennzahlen zu entwickeln, ist bereits beim Projekt-Kick-off ein interdisziplinäres Team wichtig, das aus Fachansprechpartnern, Data Analytics-, Design- und UX-Experten sowie Konzeptionern und Entwicklern besteht.

3. Daten prüfen

Im nächsten Schritt geht es darum zu prüfen, ob man die Fragestellung überhaupt anhand der vorhandenen Daten beantworten kann. In welcher Form und Granularität liegen die Daten vor? Müssen noch weitere Datenquellen hinzugezogen werden? Und welche Data-Engineering-Massnahmen sind vielleicht nötig, um die Daten passend aufzubereiten? Viele Unternehmen unterschätzen den Aufwand, der mit solchen technischen Fragen verbunden ist. Daher ist es wichtig, sie gleich zu Beginn des Projekts zu stellen. Nur so lassen sich Zeit und Kosten realistisch abschätzen.

4. Ein Mockup bauen

Sind alle Anforderungen und Voraussetzungen geklärt, wird ein Mockup gebaut. So lässt sich schon einmal darstellen, wie das Dashboard später aussehen wird. Tools wie Tableau, Datorama oder Power BI ermöglichen es, mit Beispieldaten einen lokalen Prototypen zu erstellen. Auch hier ist es wichtig, dass Tech-Experten und Designer eng zusammenarbeiten. Denn nicht alles, was man mit einem Tool anstellen kann, ist auch für das Projektergebnis gut. Das Dashboard sollte am Ende so gestaltet sein, dass alle Informationen leicht zu erfassen sind und die Anwender gerne damit arbeiten.

5. Datenquellen anbinden

Bevor das Dashboard tatsächlich live gehen kann, müssen die echten Datenquellen angebunden werden. Dieser Schritt ist kritisch und oft aufwändiger, als Unternehmen vermuten. Denn auch wenn Dashboard-Tools versprechen, dass sich Datenquellen kinderleicht per «Drag and Drop» anbinden lassen, gibt es in der Praxis immer Fälle, auf die das nicht zutrifft. Im schlimmsten Szenario müssen die Entwickler Schnittstellen (APIs) neu schreiben und Datenverbindungen selbst aufbauen.

6. Finalisieren und kontinuierlich optimieren

Im letzten Schritt prüft das Projektteam noch einmal, ob das Dashboard alle definierten Anforderungen erfüllt, und nimmt gegebenenfalls Korrekturen vor. Anschliessend kann es live gehen. Ganz wichtig ist es, Feedback einzuholen: Arbeiten die Anwender gerne mit dem Tool? Bringt es ihnen den gewünschten Nutzen? Da sich Anforderungen schnell ändern können, sollte man solche Feedback-Schleifen kontinuierlich einplanen, das Dashboard immer wieder auf den Prüfstand stellen und gegebenenfalls anpassen. Denn nur, wenn den Nutzern das Dashboard gefällt, werden sie es einsetzen.

Hin zum datengetriebenen Mindset

Ein Real-Time-Dashboard aufzubauen, ist zwar zunächst mit etwas Aufwand verbunden. Doch die Investition lohnt sich. Einmal erstellt, können Unternehmen viele Jahre damit arbeiten und schnell auf Veränderungen reagieren. Von Hand wären vergleichbare Auswertungen dagegen mühsam und langwierig. Vor allem die Möglichkeit, Alerts zu konfigurieren, hat sich in der Praxis bewährt: Projektverantwortliche erhalten dann eine Warnmeldung, wenn ein bestimmter Wert über- oder unterschritten wird. Dabei sollte man darauf achten, möglichst wenige, aber aussagekräftige Alerts zu definieren. Denn wer zu viele Meldungen bekommt, ignoriert sie irgendwann.

Das beste Echtzeit-Dashboard bringt allerdings nichts, wenn Unternehmen nicht den Anspruch haben, auch direkt danach zu handeln. Wichtiges Ziel muss daher sein, ein datengetriebenes Mindset zu entwickeln und auf Basis objektiver Fakten die richtigen Entscheidungen zu treffen.

Über den Autor:

Dr. Lars Borgmann ist Senior Principal Data Consultant bei Namics – A Merkle Company und Autor der Studie «Rookie oder Pro? Data Maturity in Deutschland und der Schweiz». Er berät und unterstützt seine Kundinnen und Kunden bei data-driven-Marketing- und Big-Data-Projekten sowie bei der Umsetzung und Analyse von Reportings und Dashboards.