Aus Daten Erkenntnisse zu gewinnen und diese weiterzuvermitteln, ist mittlerweile eine Teamaufgabe.
Egal, wie viel wir automatisieren, wie groß unsere Datensätze sind oder wie klug unsere Berechnungen sein mögen – wenn wir nicht in der Lage sind, anderen unsere Erkenntnisse zu vermitteln, werden wir mit unserer Analyse letztlich nichts bewirken. In diesem Zusammenhang können Datenvisualisierungen ihr ganzes Können ausspielen. Datenvisualisierung ist eine Sprache für sich, die für Analysten zunehmend zur Möglichkeit wird, Informationen verständlich und praxisnah an Entscheidungsträger zu kommunizieren. Diese Möglichkeit wird zuweilen als „Data Storytelling“ bezeichnet, wobei bei der Datenvisualisierung von Visual Storytelling gesprochen wird.
Die damit verbundenen Datenstorys sind wesentlicher Bestandteil des Analytics-Prozesses. Neu definiert werden Datenstorys durch eine sich wandelnde Arbeitskultur, in der Analytics eine Hauptrolle einnehmen. Viele Unternehmen schaffen Analysekulturen. Für Analysten heißt das: Es kommt heute bei Datenstorys weniger darauf an, Argumente für eine bestimmte Aussage zu liefern, sondern eher darauf, eine „Konversation“ über Daten zu ermöglichen. Solche Analytics-Kulturen fördern auch die Datenkompetenz der Mitarbeiter, d. h., sie ermöglichen es Mitarbeitern, Daten wirklich zu verstehen und analytische Konversationen zu führen – vom Zeitpunkt der Entdeckung bis zur daraus resultierenden geschäftlichen Entscheidung.
Andy Kirk, Data Visualization Specialist und Gründer von VisualisingData.com, hat sieben Rollen der Datenvisualisierung ausgemacht. Eine davon ist die des Kommunikators – „eine Person, die sich hauptsächlich mit allen zwischenmenschlichen Beziehungen in einem Projekt (Auftraggeber, Interessengruppen, Zielgruppe) befasst“. Andy Kirk erläutert, dass „jede Visualisierungsaufgabe, zumindest im kommunikativen Sinne, auf die Zielgruppe zugeschnitten sein muss“. Dazu müssen Datenfachkräfte nachvollziehen können, wie die Rezipienten aus einer Visualisierung Schlussfolgerungen ziehen. Zugleich muss die Zielgruppe über das zur Interpretation der Daten erforderliche Fachwissen verfügen und „zur Aufnahme von Informationen bereit sein“.
Diese Neuereungen im Bereich der Datenstorys färben auch auf die aktuellen Datenvisualisierungstrends ab. Umfangreichere Storyformate – in Form scrollbarer oder mehrseitiger Dashboards – setzen sich immer mehr durch, sodass der Analyst Schritt für Schritt darlegen kann, wie er zu einem Fazit gelang. Solche Formate erlauben es Analysten auch, den Fortschritt ihrer Analyse abzubilden und dabei die aus den Daten gewonnenen Erkenntnisse und resultierenden Annahmen hervorzuheben. Als nächster Schritt folgt dann eine offene Konversation über diese Erkenntnisse. Dies lässt genügend Spielraum für Mitarbeiter in anderen Abteilungen oder Positionen, zusätzlichen geschäftlichen Kontext zu liefern, und lädt dazu ein, vor der endgültigen Entscheidung verschiedene Sichtweisen zu erörtern.
Da immer mehr Unternehmen ihre Arbeitsabläufe und Teams mit Blick auf eine effektive Analytics-Zusammenarbeit gestalten, werden Datenstorys künftig noch stärker als heute unseren Arbeitsalltag durchdringen. Dies beeinflusst die Art und Weise, wie Organisationen mithilfe von Daten kommunizieren, informieren und Ideen ausprobieren. Je mehr Menschen lernen, wie man Daten interpretiert und Analyseprozesse nachvollzieht, desto besser werden die Chancen, auch geschäftlich etwas ins Rollen zu bringen.