Intelligent Analysieren – Erfolgreich sein, heißt andere erfolgreich machen.

Data Storytelling: Zahlen in Geschichten verwandeln und so zum Sprechen bringen

Data Storytelling erhöht den Wert der Daten

Immer größer werdende Datenmengen lassen sich aufgrund moderner IT, häufig Cloud-basiert, schnell und einfach verarbeiten. Auch die Datenqualität wird besser, dank konsistenter Datenmodelle und modernen Methoden der Qualitätssicherung durch Anomalieerkennung. Aber die Anzahl und der Umfang an verfügbaren Daten steigt immer mehr an und die Aufnahmefähigkeit der Kunden oder Stakeholder bleibt begrenzt.

Im ersten Schritt verwandeln Data Analysts Daten in numerische Fakten und ansprechende Infografiken, Dashboards oder Daten-Präsentationen. Doch was bedeuten diese Informationen für das Unternehmen? Wer sind die eigenen Kunden, wie gut funktioniert das Marketing, welches Produkt wird in der Zukunft zur Lösung von Kundenanforderungen benötigt?

Bisher war die Interpretation dieser Ergebnisse den Empfängern überlassen. Damit aus diesen Ergebnissen Entscheidungsvorlagen für unser Handeln werden können, hilft es sie in zusammenhängende Informationen, also Geschichten in einen nachvollziehbaren Kontext, zu kleiden.

Data Storytelling ist anspruchsvoll, aber als ein strukturierter Ansatz für die Kommunikation von Daten heute kein Rocket Science mehr. Als das Grundprinzip gelten drei Schlüsselelemente: Datenanalyse, Visualisierung und textuelle Erzählung.

Data Storytelling: Zahlen in Geschichten verwandeln und so zum Sprechen bringen

Wie man die Daten in den richtigen Zusammenhang setzt, kann man sich mit etwas Übung selbst aneignen. Viele Tools sind zudem als Open-Source-Software und Datenquellen frei verfügbar. Dazu weiter unten im Text mehr.

Was macht eine gute Geschichte aus – der narrative Fluss.

Eine Data Story, sollte wie jede gute Geschichte, ihren Leser oder Zuhörer begeistern, emotionalisieren und aktivieren. Die Visualisierung im Data Storytelling verbindet textuelle Elemente und Daten zu einem narrativen Fluss (eine sinnstiftende Erzählung) um so ein einprägsames Bild zu schaffen. Dafür bietet sich die Drei-Akt-Struktur an: die Vorstellung des Themas, die Darstellung der zentralen Frage und das Fazit mit einer Handlungsempfehlung. Wichtig ist, sie kontextgerecht aufzubereiten (wer ist der Empfänger) und strukturiert zu erzählen.

Im Detail:

Vorstellung des Themas – Exposition

  • Was ist der Anlass der Analyse und welche Ausgangssituation finden wir vor (Zielgruppe, Vorkenntnisse)?
  • Welche Daten werden verwendet und welche nicht (Herausforderungen: Aussagekraft, Repräsentativität, Zielgruppe)?
  • Welche Methoden der Analyse kommen zum Einsatz (Methodenkenntnisse, Fehlannahmen)?

Darstellung der zentralen Frage – Erzählung

  • Darstellung der zentralen Frage und der Herausforderungen der Untersuchung
  • Was sind interessante Beobachtungen sowie Problemstellungen (Hypothesen, Szenarien, Konsequenzen)?
  • Wichtiges Hintergrundwissen (externe und interne Schocks)

Fazit mit einer Handlungsempfehlung – Auflösung

  • Abschließendes Fazit mit Handlungsempfehlungen (Entscheidungsvorlage oder Folge-Analyse)

Für eine gute Story bieten sich laut Ben Jones 7 typische Story Plots an:

1. Change over Time: die Darstellung von Prozessen oder Transformationen
2. Drill Down: der Weg vom Allgemeinen zum Speziellen, einem Detail
3. Zoom Out: der Weg vom einem Detail zum Allgemeinen
4. Contrast: der direkte Vergleich von zwei oder mehreren Protagonisten (Daten, Standpunkte)
5. Intersection: beschreibt einen Kreuzungspunkt, von zwei oder mehreren Protagonisten
6. Dissection of Factors: die Zusammenhänge sowie Kausalitäten in unübersichtlichen Situationen werden „seziert“
7. Profile of Outliers: statistische Ausreißer und Sonderfälle

Wer übernimmt das Thema im Team?

Typischer Weise gibt es im Team eine oder mehrere Rollen für Analysten (Digital Analyst, Business Analyst, Data Analyst), doch nicht jeder dieser IT Spezialisten möchte sich mit dieser neuen, emotionalen Form des Data Storytelling beschäftigen. Auch benötigt man dazu einen tiefen Einblick in das Produkt, den Markt, die Kunden und ein gutes Sprachgefühl. Häufig findet man Spezialisten dafür in der Unternehmensberatung. Aber es ist auch eine Chance für Quereinsteiger aus anderen Bereichen wie dem Journalismus oder dem Grafik-Design.

Ausbildung und Weiterbildung

Eine umfassenden Ausbildung zum Data Storyteller gibt es noch nicht. Aber Seminare wie beispielsweise:

Auch auf Messen und Kongressen werden zunehmend Workshops dazu angeboten.

Kurzer Ausflug zu den freien Datenquellen und Tools

Datenquellen: Google Analytics, Social Media API, statista (freier Zugang für Bibliotheken), Our World in Data, Crazy Egg, App Annie, Import.io, Google Public Data, r-dir, …
Data Warehouse: rationale Datenbanken (Access, Pentaho, MySQL) oder textorientierte Datenbanken (MongoDB, CouchDB)
Data Mining: Python, R, …
Visualisierung: Excel, Power BI, Tipps und weitere Tools

Weiterlesen:

Thomas

,

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert