Die Geschichte des Data Storytelling – Daten effektiv kommunizieren

Nur Daten zu besitzen, reicht in der heutigen Zeit nicht mehr aus. Denn viel zu oft wird sich dabei auf die bloße Analyse von Informationen konzentriert und viel zu selten darauf, wie die Ergebnisse sinnvoll an andere Abteilungen kommuniziert werden können. Das führt dazu, dass grundsätzlich zwar unzählige Dashboards und Sheets zu den gewonnenen Daten erstellt werden, ein Großteil davon aber schon nach kurzer Zeit im Unternehmen verstaubt und in Vergessenheit gerät. Dabei gehört es zu einer der Kernaufgaben von Datenanalysten, Daten in spannende Erkenntnisse aufzubereiten, aus denen schließlich unternehmensrelevante Handlungsempfehlungen abgeleitet werden können. Eine Disziplin, die daher in letzter Zeit zunehmend an Relevanz gewonnen hat, ist das Data Storytelling. Geschichten erleichtern das Verstehen von komplexen Sachverhalten und lösen Gefühle beim Gegenüber aus. Das Data Storytelling hat weniger mit dem Erzählen von Märchen zu tun, basiert aber auf drei Eigenschaften, die eben diese spannend machen: Daten, Story und Visualisierung. Neben den eigentlichen Daten zählt die Kommunikation mittels sprachlicher Geschichte und unterstützender Visualisierungen dazu (Dykes 2016). Das Ziel des Data Storytellings ist es, relevante Entscheidungen vorzubereiten und eine Veränderung einzuleiten.

Data Storytelling

Abbildung 1 – Die drei Bestandteile des Data Storytellings

Was macht Data Storytelling so wichtig?

Dazu eignet sich ein Blick in das menschliche Hirn. Informationen können vom Menschen nur in begrenzter Menge aufgenommen werden. Schuld daran ist das Kurzzeitgedächtnis, welches eine limitierte Kapazität besitzt. Allein die durchschnittliche Menge an tagtäglichen Analytics-Kennzahlen reicht aus, um diese Speicherkapazität zu überschreiten. In Bezug auf digitale Daten wird hier auch häufig vom sogenannten Information Overload gesprochen. Einen Großteil an Informationen nimmt der Mensch daher gar nicht wahr, ein weiterer Teil wird nach kurzer Zeit „vergessen“. Nur was vom Kurzzeitgedächtnis ins Langzeitgedächtnis gelangt, steht langfristig zur Verfügung. Um dorthin zu gelangen, muss das Gehirn davon überzeugt werden, dass die ausgewählten Informationen von Relevanz sind. Um die Daten in eine solche Form zu bekommen, wird eine Art „Übersetzer“ benötigt, der die technischen Daten in effektive Handlungsempfehlungen für andere Abteilungen übersetzt.

Storytelling Story Wirkung

Abbildung 2 – Gleiche Story, andere Wirkung

Der Datenanalyst muss vermitteln, was er in den Daten erkannt hat und warum sie aus seiner Sicht wichtig sind. Dabei gilt es, einige grundlegende Regeln zu beachten. Denn jede Abteilung im Unternehmen besitzt eigene Bedürfnisse in Bezug auf die Informationsaufbereitung. Die wichtigste Aufgabe lautet daher immer vorweg: „Wem präsentiere ich überhaupt meine Daten?“. Ist diese Frage beantwortet, kann es an die eigentliche Aufbereitung gehen. Vorweg: Gutes Storytelling ist eine Fähigkeit, die erlernt werden muss (Davison, 2016). Es führt also kein Weg am Ausprobieren und Variieren vorbei. Einige Faktoren haben sich allerdings bereits in der Vergangenheit als erfolgreich erwiesen.

Eine Story erzählen

Geschichten folgen häufig einem festgelegten Schema. Sie beginnen mit der Ausgangssituation, bewegen sich dann hin zu einem Konflikt oder einem Wendepunkt und präsentieren zum Schluss eine Lösung. Auch wer seine Daten präsentiert, sollte diesem Schema folgen. Dazu empfiehlt es sich, zunächst nochmal aufzeigen, wo der aktuelle Konflikt im Unternehmen überhaupt vorliegt, z.B. von welchen Verkaufszahlen man gestartet ist. Der Zuhörer kann die Daten von dort aus besser in den Kontext setzen und mit vorhandenem Wissen verknüpfen. Die Aussagen der Daten stellen dann den Konflikt oder den Wendepunkt dar. Es sollte daher auf diesen Punkt hingearbeitet gearbeitet und Spannung erzeugt werden. Im Data Storytelling stellt die Fokussierung auf diesen Punkt die bedeutendste Aufgabe dar.

Storytelling Zeitplatzierter

Abbildung 3 – Vom Underdog zum Zweitplatzierten im Markt – Story erzählen

Reduzieren, reduzieren, reduzieren

Auch wenn es viel zu erzählen gibt, sollte man sich bei der Präsentation von Daten zügeln. Denn bei zu vielen Informationen schweift der Zuhörer ab und verliert das Interesse. Das bedeutet: Eine Botschaft nach der anderen. Konkret sollten Dashboards und Folien also nur eine wesentliche Nachricht präsentieren – zweitranginge Informationen hingegen besser im Hintergrund verschwinden. Die Kernbotschaft darf dafür aber noch mehr in den Vordergrund gerückt werden, z.B. durch unterstützende Abbildungen und Texte.

Auswahl der Grafiken

Datenvisualisierungen stellen die visuelle Präsentation der Geschichte dar. Allerdings sollen an dieser Stelle nicht zwangsläufig bunte Bilder folgen, vielmehr geht es um die Unterstützung der eigentlichen Aussage und des Kontextes. Es empfiehlt sich daher, nicht blind eine Diagrammform auszuwählen, sondern zu beachten, was dargestellt werden soll. So wird z.B. das Kuchendiagramm von Analysten vermieden, da es häufig einen falschen Eindruck widerspiegelt. Liniendiagramme eignen sich hingegen für Trends und Verläufe, Balkendiagramme sind gut für Vergleiche. Ziel sollte sein, dass die Darstellung für sich spricht.

Die richtige Auswahl an Farben

Farben bieten die einfachste Form, auf bestimmte Dinge aufmerksam zu machen. Im Übermaß wirken sie jedoch schnell verwirrend. Wie schon im vorherigen Punkt genannt, gilt es hier, die Hauptbotschaft herauszustellen. Deswegen: ein oder zwei Farbtöne auswählen, die für Aufmerksamkeit beim Betrachter sorgen sollen. Alles, was stattdessen in den Hintergrund soll, kann mithilfe hellerer Grautöne abgebildet werden. Dadurch können zum Beispiel Vergleichswerte abgebildet werden. Der Kern der Nachricht bleibt dabei bestehen.

Storytelling Abbildung 4

Abbildung 4 – Vom Underdog zum Zweitplatzierten im Markt

Handlungsempfehlungen nicht vergessen

Die Daten sind den Zuhörern präsentiert, die Geschichte ist erzählt. Wie in einer Fabel sollte jetzt jedoch nicht vergessen werden, die entscheidende Erkenntnis der Data Story nochmal herauszustellen. Durch konkrete Vorschläge gehen die gewonnenen Informationen so nicht verloren. Deswegen: zum Schluss die Ergebnisse zusammenfassen. Außerdem kann mit prägnanten Formen nochmal darauf hingewiesen werden, was getan werden soll.

Storytelling Handlungsempfehlung

Abbildung 5 – Handlungsempfehlung

Fazit Data Storytelling

Data Storytelling bietet insbesondere Datenanalysten die Möglichkeit, Daten und vor allem die daraus gezogenen Schlüsse verständlich und nachhaltig für alle Mitarbeiter zu kommunizieren. Bereits kleine Veränderung der Präsentationen können dafür sorgen, dass die wesentlichen Informationen im Unternehmen herausstechen und langfristig in den Köpfen bleiben. Dadurch können gewonnene Daten noch besser in den Unternehmenserfolg integriert werden. Ein wichtiger Schritt in datengetriebenen Zeiten.

Ist dieses Thema interessant oder gibt es weitere Fragen zu dem Thema „Data Storytelling“? Dann melde Dich gerne direkt bei uns.

    Quellen:

    • SAP: The Data Visualization Handbook
    • Neifer: Data Storytelling als kritischer Erfolgsfaktor von Data Science
    • Dykes B (2016) Data storytelling: the essential data science skill everyone needs. In: Forbes. https://www.forbes.com/sites/brentdykes/2016/03/31/data-storytelling-the-essential-data-science-skill-everyone-needs/.
    • Neifer, T., Lawo, D., Bossauer, P. et al. Data Storytelling als kritischer Erfolgsfaktor von Data Science. HMD 57, 1033–1046 (2020). https://doi.org/10.1365/s40702-020-00662-3
    • Stackpole (2020) The next chapter: Data Storytelling. In: https://mitsloan.mit.edu/ideas-made-to-matter/next-chapter-analytics-data-storytelling?utm_source=mitsloanlinkedin&utm_medium=social&utm_campaign=datastorytelling