In einer explorativen Datenanalyse entscheidet der Nutzer selbst, welche Erkenntnisse er entdecken möchte. Ein erklärendes Dashboard hingegen ist auf sehr deutliche Aussagen reduziert. Dies lernten Sie schon letzte Woche in Teil 1 dieser Blogreihe: Mit Daten Geschichten erzählen – wie bringe ich meinen Unternehmensmotor ins Laufen?
Was ist nun aber für Sie die richtige Wahl – explorativ oder erklärend?
Wann explorativ, wann erklärend?
Stellen Sie sich vor, Ihnen liegt ein wunderschönes Dashboard vor. Vielleicht zeigt es eine zeitliche Entwicklung in einem Liniendiagramm, monetäre Werte in einem Balkendiagramm und Anteilsverhältnisse in einem Kreisdiagramm. Außerdem bietet es einiges an Interaktivität, damit die Nutzer beliebig selektieren und filtern können.
Geringe Aufrufzahlen, Tendenz sinkend. Was nun?
Zu Ihrem Erstaunen wurde das Dashboard seit der Veröffentlichung allerdings nur sehr wenige Male angesehen, und der Trend ist sinkend. Woran kann das liegen?
Woran scheitert Nutzerakzeptanz?
Bei der großen Anzahl von Visualisierungstools, die es mittlerweile am Markt gibt, und dem immer populärer werdenden Schlagwort „Self-Service BI“ sollte man meinen, dass sich die breite Masse der Menschen ein sehr grafisches Verständnis von Daten angeeignet hat.
Viel öfter ist es jedoch der Fall, dass Nutzer sich bei der Betrachtung eines Dashboards hilflos, ratlos oder überfordert fühlen. Sie sehen sich die Visualisierung an und fragen sich, was sie damit machen sollen. Was sollen sie darin entdecken? Müssen sie aktiv werden? Sollten sie auf Basis des Dashboards eine Entscheidung treffen? Müssen sie es ausdrucken und Ihrem Vorgesetzten auf den Schreibtisch legen?
Lesekompetenz – dieser Begriff ist Ihnen nur aus der Grundschule bekannt? „Data literacy“ bestimmt, wie gut Ihre Nutzer Ihre Datenanalysen lesen und verstehen können.
Hinzu kommt teils sogar ein Gefühl der Unsicherheit oder der Hilflosigkeit bei den Betrachtern, weil sie mit den ihnen vorliegenden Daten nichts anfangen können. Dies führt zu einer Ablehnung und einer instinktiven Abneigung gegenüber der Dashboards.
Dies bedeutet nicht, dass grundsätzlich keiner Ihrer Nutzer ein Balkendiagramme lesen kann oder mit einem Blickfang wie einem Tortendiagramm nicht umzugehen weiß.
Sie mögen Eye Candy? Dann probieren Sie es doch mal mit einem Donut-Chart oder mit einem Waffeldiagramm in Tableau.
Der grundlegende Zweck der Datenvisualisierung ist es allerdings, das Verständnis der Daten für die Betrachter zu erleichtern. Wenn Sie dabei nicht berücksichtigen, mit welchem Maß der Visualisierung Ihre Benutzer vertraut sind, kann es schnell passieren, dass Sie es zu gut meinen. Beim Betrachter wird eine gewisse „Lesekompetenz“ vorausgesetzt, im Englischen als „data literacy“ bezeichnet. Wenn Ihre Nutzer bisher nur Tabellen kennen, ist ein Bullet-Chart auf den ersten Blick daher womöglich ein zu großer Sprung vom Vertrauten zum Neuen.
Datenvisualisierung für jedermann?
Wenn Sie Ihre Daten visualisieren sollten Sie daher bedenken, dass verschiedene Nutzer unterschiedliche Bedürfnisse haben. Es gibt nicht das eine Dashboard für jedermann. Wenn Sie die Aussage Ihrer Daten auf überzeugende Weise ausdrücken möchten, müssen Sie demnach verstehen, wie Ihr Publikum mit der Erfahrung von Datenvisualisierung umgeht.
Nutzerakzeptanz steigern – nur wie? Das erfahren Sie kommende Woche im dritten und letzten Teil dieser Blogreihe: Mit Daten Geschichten erzählen – wie steigere ich meine Nutzerakzeptanz?
