Dashboards für die Marktforschung – Teil 1: Daten

Wir haben DataLion von Anfang an als Dashboardsoftware für Marktforscher*innen konzipiert. Ein Grund dafür ist sicher auch unsere berufliche Herkunft aus der Branche. Aber was genau macht eine Software für die Marktforschung aus? Da wir immer wieder gefragt werden, was genau DataLion von anderen Softwareplattformen unterscheidet, wollen wir in einer Serie von Blogposts das Thema „Dashboards für die Marktforschung“ aus unterschiedlichen Perspektiven beleuchten und unter anderem auf die Besonderheiten in Daten, Charttypen, Metriken und Reporting näher eingehen.

Beginnen wollen wir mit einem Blick auf die Datenstrukturen in der Marktforschung. Hier findet man die größten Besonderheiten, die Institute und betriebliche Marktforscher*innen immer wieder aufs Neue vor große Herausforderungen in der Umsetzung in interaktive Dashboards stellen. Die typische Software für Datenverarbeitung und Visualisierung geht in der Regel von Datenstrukturen aus der Buchhaltung aus – Umsatz und Volumen nach Region, Unternehmenseinheit, Produkt in einem bestimmten Zeitraum sind seit der Entstehung der Tabellenkalkulation in den 1980ern Jahren der typische Anwendungsfall.

Aber in der Marktforschung haben wir eine ganz andere Datenstruktur. Hier sind es nicht immer dieselben Produkte, die in bestimmten Zeiträumen verkauft werden, sondern Befragte, die in Fragebögen Hunderte oder gar Tausende von Fragen nach Demografie, Lebensweise, Einstellungen, Rangreihen, Präferenzen usw. beantworten. Dabei werden je nach Befragungsverlauf immer wieder unterschiedliche Bereiche übersprungen, angezeigt oder gar zufällig ausgewählt. Das Ergebnis sind Datensätze, die oft extrem „breit“ sind (also sehr viele Spalten haben), wobei aber nur ein Teil der Werte ausgefüllt sind („sparse data“).

Filter und Prozentuierung

Das führt uns schon zu der ersten Besonderheit: Durch die Entstehung in Online-, Telefon- oder Face-to-Face-Befragungen findet man im Datensatz oft ganze Variablenbereiche, die nur bestimmten Personen gezeigt wurden (z.B. nur Frauen oder Kennern einer bestimmten Marke). Das wiederum erfordert besondere Maßnahmen in der Auswertung: Je nachdem, welche Aussagen man treffen möchte und wie die Filterführung verläuft, muss auf eine Grundgesamtheit, ein bestimmtes Sample oder auf den Filter prozentuiert werden: 10% der Kenner einer Marke und 10% der Bevölkerung sind zwei ganz unterschiedliche Aussagen.

Ebenso wichtig ist, dass man in allen Darstellungen zu jeder Zeit erkennt, auf welche Basis hier jeweils prozentuiert wurde. Dies wird in Längsschnittbefragungen oder Tracking-Studien sogar noch weiter verkompliziert, da immer mal wieder neue Fragen hinzugenommen werden oder alte Fragen entfallen. Oder in Abfragen nach Marken werden bestimmte Merkmale hinzugefügt. Wenn man zum Beispiel in einem Balkendiagramm 10 Marken hat, die jeweils zu einem unterschiedlichen Zeitpunkt hinzugekommen sind, hat jeder Balken eine eigene Basis.

Wir haben dies in DataLion so einfach wie möglich gestaltet: Die Software erkennt automatisch, ob sich alle Merkmale eines Charts auf dieselbe Basis beziehen oder ob es – zum Beispiel durch später hinzugekommene Merkmale – unterschiedliche Fallzahlen bzw. fehlende Werte gibt. Die Berechnung der Prozentzahlen basiert dann auf den jeweiligen Fallzahlen. Und wenn man – auch das kommt vor – eine ganz andere Variable als Basis verwenden möchte, kann man das auch einstellen, so dass Auswertungen einer Frage immer automatisch eine bestimmte Variable als Basis verwenden. So können sich unsere Anwender auf die Inhalte und Zahlen konzentrieren und müssen nicht ständig darüber nachdenken, welche Basis hier verwendet werden muss.

Fehlende Werte

Während in den typischen Tabellenkalkulationsdatensätzen eine 0 bedeutet, dass in einem bestimmten Zeitraum schlicht nichts verkauft wurde, gibt es in Marktforschungsdaten einen großen Unterschied zwischen einer Null, einem leeren Wert und einem fehlenden Wert (Missing Value). Je nach Kontext gibt es sogar unterschiedliche Arten von fehlenden Werten: nicht im Filter, weiß nicht, sonstiges, keine Angabe etc., die oft mit unterschiedlichen Werten wie -77 oder 999 kodiert werden.

Manche dieser fehlenden Werte möchte man in Auswertungen sehen, andere jedoch nicht. Manche fehlende Werte sollten in der Berechnung von Anteilen berücksichtigt werden, andere sollten hier ausgeschlossen werden. Wer schon einmal versucht hat, mit einer Tabellenkalkulation oder einer normalen Visualisierungssoftware Auswertungen mit einer bunten Mischung an -99, -77, 99, NULL und 0 zu erstellen, kennt sicher das Gefühl der Verunsicherung, wenn ein Durchschnittswert einer Skala von 1 bis 5 auf einmal viel größer ist als er sein dürfte, oder unerwartet ein negatives Ergebnis auswirft.

DataLion Missing Values

Anstatt mit komplizierten Workarounds, Recodes oder Hilfsvariablen zu arbeiten, haben wir in DataLion von Anfang an ein umfangreiches Handling von Missing Values vorgesehen. Man kann die unterschiedlichen Fehlenden Werte oder Null-Werte definieren und dann wahlweise in Berechnungen einbeziehen oder ausschließen. Das funktioniert dann auch in Mittelwerten oder Summen, so dass hier eine 999 nicht als Zahl, sondern gar nicht gezählt wird.

Auch in der Angabe der Fallzahlen werden Missing Values berücksichtigt, so dass man auch hier in der Legende immer erkennen kann, auf welches Fallzahlengerüst sich Aussagen über bestimmte Filter, Zielgruppen oder Marken stützen. Denn auch wenn eine Befragung an 2.000 Personen ging: Wenn eine Marke oder ein Produkt nur für 10 Befragte echte Werte hat und ansonsten nur Missing Values, dann sollte man das in der Auswertung immer deutlich erkennen.

Fallzahlen

Damit kommen wir auch schon zum nächsten großen Thema: Fallzahlen. Wer aus dem Controlling oder Sales kommt, für den ergibt der Begriff „Fallzahl“ keinen Sinn. Eine verkaufte Einheit ist eine verkaufte Einheit. Und, ob in einer Filiale 100 unterschiedliche Produkte verkauft werden oder nur eines, spielt für die Aussagekraft der Zahlen auch keine Rolle.

Fallzahlen in DataLion

Ganz anders ist es in der Marktforschung. Für jede Aussage müssen wir klar sehen können, auf welcher Fallzahlenbasis diese Aussage beruht. Wenn die Basis zu klein ist (z.B. kleiner als 50 oder 100), dann müssen wir besonders vorsichtig bei der Interpretation dieser Aussage sein. Und hier kommen dann auch wieder die Filter und Fehlenden Werte zum Tragen: Denn nicht die gesamte Fallzahl ist entscheidend, sondern am Ende geht es darum, wer ganz konkret diese eine Frage beantwortet hat.

Auch statistische Tests wie zum Beispiel t-Tests zum Mittelwertvergleich oder Chi-Quadrat-Tests zum Vergleich von Anteilen, benötigen die jeweiligen Fallzahlen, um ermitteln zu können, ob und wie signifikant die Ergebnisse einer Marktforschungsstudie überhaupt sind.

Gewichte

Als ob das nicht schon komplex genug wäre, gibt es in Marktforschungsstudien sehr häufig nicht nur eine Fallzahl, sondern gleich mehrere Fallzahlen. Denn viele Marktforschungsstudien arbeiten mit Daten, die anhand von Gewichtungsfaktoren so gewichtet sind, dass die Stichprobenanteile der wichtigsten Untergruppen – zum Beispiel Regionen oder Altersgruppen – der Verteilung in der Grundgesamtheit entsprechen.

In anderen Studien werden die Daten nicht nur gewichtet, sondern auch noch mit Hochrechnungsfaktoren auf die Grundgesamtheit projiziert. In diesem Fällen haben wir immer zwei unterschiedliche Fallzahlen – gewichtet und ungewichtet -, die in unterschiedlichen Kontexten jeweils relevant sind. Geht es um die Prüfung der statistischen Signifikanz, so zieht man die ungewichteten Fallzahlen heran, geht es um die Aussagen über Verhalten oder Einstellungen der Zielgruppen, sind die gewichteten Fallzahlen relevant.

In vielen Fällen, möchte man sich absichern, dass keine Aussagen über zu kleine Populationen getroffen werden können – entweder aus Datenschutzgründen oder aus Gründen der Belastbarkeit der Zahlen. In diesen Fällen müssen selbstverständlich die rohen, ungewichteten Fallzahlen berücksichtigt werden. Gerade in Tabellenbänden werden daher häufig beide Fallzahlen mit ausgegeben, damit man sich jeweils die relevante Fallzahl für die Auswertung zur Verfügung hat.

Gewichte in DataLion

Die Mathematik hinter der Gewichtung ist zwar nicht besonders kompliziert (jeder Fall wird mit dem dazugehörigen Gewicht multipliziert und dann wird durch die Summe der Gewichte geteilt), aber die Gewichtung stets händisch zu berechnen, ist dann doch relativ aufwändig. Daher kann man in DataLion die Gewichtungsvariablen – dies können auch mehrere sein wie im Fall von Monats-, Quartals- oder Repräsentativsample-Gewichten – ganz einfach definieren und dann im Dashboard per Mausklick auswählen, ob und nach welcher Variable gewichtet werden soll. Aktuell testen wir eine DataLion-Erweiterung, die es sogar ermöglicht, Daten dynamisch in der Software nach Vorgaben zu gewichten.

Datenmenge

Wer schon einmal versucht hat, den Datensatz einer Befragung mit 10.000 Spalten und 30.000 Zeilen in einer Standardsoftware zu öffnen, weiß dass das nicht wirklich flüssig läuft. Aber gerade, wenn eine Befragung viele Multiple-Choice-Fragen hat, in denen einzelne Merkmale entweder zutreffen (1) oder nicht (0), dann können Datensätze sehr schnell in die Breite wachsen. Relationale Datenbanksysteme haben zwar mit vielen Millionen von Zeilen kein Problem, aber Zehntausende Spalten sind in der Regel nicht mehr darstellbar.

Hier haben wir mehrere Möglichkeiten: Entweder man zerteilt den Datensatz in mehrere horizontale Teile, die jeweils einen Teil der Variablen für alle Befragten enthalten und wertet diese Datensätze dann verknüpft über eine gemeinsame Schlüsselvariable aus – dies funktioniert in DataLion per Dropdown im Backend.

Datensatz mit Joins in DataLion

Die zweite Variante ist die „Vertikalisierung“ des Datensatzes – d.h. man verwandelt die Spalten in Zeilen, so dass dann nur noch die Filter und die relevante Variable oder Metrik übrig bleiben. Aus 100 Spalten mit 1-5 für die Markensympathie, von denen die meisten leer sind, werden dann nur noch wenige Zeilen mit einer geringen Zahl von Spalten – z.B. die ID, ein Zeitstempel, die Marke und dann eine Spalte mit dem Wert für die Sympathie. Je nachdem wie breit ein Datensatz vorher ist, und wie stark die Spalten gefüllt sind, kann das eine sinnvolle Alternative sein. Das Berechnen der Fallzahlen lässt sich in so einem Fall, in dem es mehrere Zeilen pro Befragten gibt, in DataLion bequem über eine Formel lösen, die z.B. die unterschiedlichen IDs zählt.

Die dritte Variante sind spaltenorientierte Datenbanksysteme. Wir haben hier sehr gute Erfahrungen mit Apache Drill und Exasol gemacht, wenn es darum geht, Datensätze flüssig auszuwerten, die sowohl viele (d.h. über 2000) Spalten haben, aber auch sehr viele Zeilen umfassen. Auch hier lässt sich die Anbindung bequem im Backend einrichten.

Wir hoffen, Ihnen mit diesem Blogpost die Besonderheit der Datenstrukturen in Marktforschungsdashboards nähergebracht zu haben und freuen uns natürlich sehr über Feedback. Im zweiten Teil dieser Blogpostreihe wird es dann um Charttypen gehen, die für Marktforschungsdashboards besonders geeignet sind.

Going to California – zumindest virtuell – TechCrunch Disrupt 2020

Das Coronavirus hat viele Veranstalter dazu gezwungen, ihre geplanten Messen abzusagen oder zu verschieben. Umso mehr freuen wir uns, dass die ersten Messen wieder stattfinden – wenn auch oftmals digital – und wir daran teilnehmen können.

In unserem Kalender stehen in den nächsten Tagen sehr spannende Events an:
Vom 14. bis 18. September haben wir auf der TechCrunch Disrupt 2020 im Moscone Center in San Francisco einen virtuellen Messestand. Der Fokus dieser Veranstaltung liegt auf Gründern und Investoren, die die Zukunft disruptive Technologien und Ideen gestalten. Hunderte von Startups aus verschiedenen Bereichen werden den 10.000 Teilnehmern aus aller Welt ihre Geschichte erzählen – mit dabei auch DataLion. Wir freuen uns auf zahlreiche Interessierte an unserem virtuellen Messestand!

Zudem nehmen wir am 15. September am Online-Pitch für Startups von marktforschung.de teil. Der Pitch ist der erste Startup-Online-Wettbewerb für die Marktforschungs- und Data Analytics Branche. Innerhalb von 10 Minuten werden wir unsere Software vorstellen und die Fragen der Jury und des Fachpublikums beantworten. Hier geht es zur Anmeldung.

Vom 5. bis 9. Oktober sind wir bei der Woche der Marktforschung (WdM) vertreten. Die WdM funktioniert wie ein Festival: Es gibt eine Woche lang unterschiedlichste Veranstaltungen rund um die Marktforschung, Data-Science, UX und CX. Hier treten wir beim Software-Pitch an und zeigen, wie Marktforscher und Insight Professionals mithilfe unserer Software große und komplexe Datenmengen effizient aufbereiten, analysieren und visualisieren können. Ein Großteil der Veranstaltung wird dieses Jahr online stattfinden.

DataLion unter den 50 am schnellsten wachsenden Startups in Deutschland

Das Coronavirus hat seit einigen Monaten nicht nur das gesellschaftliche Leben, sondern auch die Wirtschaft weltweit im Griff und das Startup-Ökosystem vor große Herausforderungen gestellt. Während einige Gründer um ihre Existenz fürchten, werden andere junge Firmen von der Krise geradezu beflügelt.

Business Insider hat kürzlich ein Ranking der 100 am schnellsten wachsenden Startups in Deutschland veröffentlicht. Insbesondere Firmen aus den Bereichen Software, E-Commerce und Health Care kommen gut durch die Corona-Krise. Unternehmen aus diesen Branchen profitieren vom Digitalisierungsschub – ausgelöst durch den Lockdown in vielen Lebensbereichen.

Aus diesem Grund gewinnt auch „Software as a Service“ (SaaS) an Bedeutung. SaaS-Anwendungen erhöhen die Flexibilität von Unternehmen und erlauben den Benutzern von beliebigen Geräten und Standorten auf die Software zugreifen zu können. Zu den bekanntesten webbasierten kollaborativen Anwendungen zählen Microsoft Teams, Zoom, etc.

Auch DataLion erlebt ein wachsendes Interesse an Harmonisierung, Auswertung und Dashboards. Insbesondere in der Coronazeit hat sich die Nachfrage nach unseren webbasierten Analyse-Software stark erhöht. Umso mehr freuen wir uns, dass wir bei Business Insider unter den Top 50 auftauchen:

Im Rahmen des Rankings wurden 16.000 deutsche Unternehmen ausgewertet, die aufgrund ihrer Technologieaffinität und Skalierbarkeit ins Startup-Raster fallen und jünger als 20 Jahre sind. Das Wachstum wurde anhand der Größe und des Buzz um das Unternehmen beurteilt.

Version 1.11.1 veröffentlicht

Die neue DataLion-Version 1.11.1 beinhaltet folgende Änderungen:

Das neue DataLion-Update 1.11.1 kommt mit vielen neuen Features und zahlreiche
Fehlerbehebungen daher. DataLion läuft jetzt noch schneller und stabiler und
insbesondere das Feature SQL-Textboxen bietet viele Möglichkeiten für Anwender,
ihre Daten flexibel zu nutzen.

Fragen rund um die Neuerungen beantwortet unser Supportteam gerne: supportteam@datalion.com

Datenvisualisierung:

  • Für Charts und Titelzeilen kann eine Hintergrundfarbe eingestellt werden
    (zu finden in den Chart-Einstellungen)
  • SQL-Textboxen können gespeichert bzw. der Bearbeitungsprozess abgebrochen werden und Code wird besser erkannt
  • Es können mehrere Charts in einem Widget dargestellt werden (wenn eine zweite Frage auf das Widget gezogen wird, kommt die Frage „separate oder merge“ und mit separate lassen sich die Charts nebeneinander darstellen)
  • Charts können ausgeblendet werden, wenn die Fallzahl zu niedrig ist
  • Es kann eine andere Variable als Fallzahl verwendet werden 
  • Es wurde ein Dropdown Filter Reset eingeführt (steuerbar via JSON-Code in den Dropdown-Filter)
  • Gültige Prozent sind jetzt als neue Metrik für Donut- und Tortendiagramme verfügbar
  • Der Logo-Link in der Headerleiste kann deaktiviert werden
  • Die neue Funktion „Achsen reduzieren“ ermöglicht dass Achsen nicht gruppiert sondern nebeneinander dargestellt werden 
  • Dashboards können nun via Embed-Links auf Webseiten eingebettet werden
  • Charts können von bestimmten Filtern ausgeschlossen werden 

Reports und Dashboards:

  • Das Kopieren von Tabs und Reports kopiert nun die Textboxen als neue Textboxen
    mit, damit können diese unabhängig voneinander bearbeitet werden

 Importe und Exporte:

  • Der automatische Datenimport wurde verbessert
  • Im PDF-Export werden keine Bearbeitungsbuttons mehr angezeigt
  • Daten können beim Import zusammengeführt werden. Das heißt auch eine andere
    Reihenfolge der Spalten bzw. neue Spalten in zusätzlichen Datensätzen können
    mit „append“ problemlos eingelesen und erkannt werden

Administrationsbackend:

  • Die Sortierungsreihenfolge kann im Backend verändert werden (via Chart bearbeiten
    bzw. in den Projekteinstellungen)
  • Cross-Origin Resource Sharing wurde aktiviert
  • Das Aktualisieren der Labels kann in eine Warteschlage eingereiht werden
    („Labels aktualisieren“ statt „Labels aktualisieren jetzt“)
  • Der Admin kann den Projektcache leeren 

 Sonstiges:

  • Tabellenpräfix wird der Zeitvariable hinzugefügt, damit Zeitstempel richtig
    identifiziert werden kann, wenn mehrere Tabellen mit gleichen Variablen vorhanden
    sind
  • Die Links eingebetteter Tabellen können nicht bearbeitet werden, Änderungen
    sind nur an Dropdown- und Chartfiltern möglich
  • Projekte können nun kopiert/geklont werden (wenn ohne Daten kopiert wird,
    wird auf die Daten des Originalprojekts zurückgegriffen)
  • Der Datepicker reagiert jetzt auf Spracheinstellungen und zeigt das Datum
    in der gewählten Sprache an 

DataLion auf der DMEXCO 19

Unter dem Motto „Presenting the Future“ präsentieren die wichtigsten Aussteller der Welt auf der DMEXCO 2019 am 11. und 12. September ihre digitalen Innovationen. Auch das DataLion-Team wird mit einem Stand vertreten sein und eine ganze Reihe spannender Innovationen in unserer Business Intelligence- und Dashboard-Software vorstellen.

Wir zeigen Ihnen gerne live vor Ort, wie Sie in wenigen Minuten einen Rohdatensatz in ein interaktives Dashboard verwandeln können und bei Bedarf dann auch wieder als gelayouteter Excel-Report oder als PowerPoint-Präsentationen mit echten eingebetteten Diagrammen exportieren können, die 1:1 Ihrer Firmen-CI entspricht.

Aber auch unsere eingebauten KI- und Machine Learning-Features, Geodatenvisualisierung oder IoT-Module präsentieren wir Ihnen gerne.

Sie finden uns an beiden Messetagen in Halle 9.1 an Stand E-003. Außerdem können Sie DataLion Gründer und Geschäftsführer Dr. Benedikt Köhler auch im Vortrag am Donnerstag, 12.9.2019 von 16:10 bis 16:20 auf der Startup Stage 2 treffen.

Wenn Sie einen Termin ausmachen möchten, schicken Sie uns einfach eine Mail an dmexco@datalion.com oder hinterlassen uns hier eine Nachricht. Wir freuen uns auf Sie!



Die neue DataLion-Version 1.10.6 beinhaltet folgende Änderungen

Datenvisualisierung :

  • Filter können mit einem Klick auf alle Charts eines Dashboards/Tabs kopiert bzw. übernommen werden
  • Tabelle kann jetzt rollierende % anzeigen
  • Filter und Subfilter einer Tabelle können per Menü konfiguriert werden
  • Berechnungsmetriken und Zeitfenster können jetzt per Menü ausgewählt werden
  • Dropdown-Filter zeigt per Zugangsprofil ausgeschlossene Kategorien nicht mehr an
  • Menü ist auf kleinen Screens per Default ausgeblendet
  • Open Text Chart funktioniert jetzt auch im IE und mit unterschiedlichen Datentabellen
  • Polaritätenchart zeigt jetzt auch kombinierte und gestapelte Variablen an
  • Optimierung der Formatierung / Präzision von Zahlen und Fallzahlen
  • Berechnung von gestapelten Balkendiagrammen auf unterschiedlichen Fallzahlen möglich
  • Multistack-Charts können zu einer Tabelle umgewandelt werden
  • Multistack-Charts mit zusammengefassten Kategorien (z.B. Top2Box) können in ein Linienchart bzw. Polaritätenchart umgewandelt werden

Reports und Dashboards

  • Globale Dropdownvariablen werden nicht mehr abgespeichert
  • Darstellung der Dashboard-Tabs wurde optimiert
  • Custom CSS-Code wird im Reporteditor korrekt angezeigt

Importe und Exporte

  • Berechnungsvariable wird im PPTX-Charttitel angegeben
  • Konfigurationsmöglichkeit für PPTX-Charttitel
  • Tabellen werden als Tabellen in PPTX exportiert
  • Im PDF-Export überlappen sich Charts nicht mehr
  • Sprechende Fehlermeldungen für den Datenimport
  • PPTX-Export übernimmt lokale Änderungen eines Dashboards
  • Einstellungen

    • Loginseite kann jetzt komplett mit CSS-Stilen angepasst werden
    • Mit „Custom Features“ kann DataLion jetzt noch flexibler durch individuelle Funktionen für Nutzer erweitert werden
    • Timelines können jetzt auch gecachet werden
    • Im Codeplan kann das Navigationsmenü konfiguriert werden (Aus- und Einblenden von einzelnen Fragen bzw. Measures)
    • Administrationsbackend

      • Benachrichtigungen können per Email verschickt werden
      • Neue Funktion zum Löschen alter, nicht mehr verwendeter Labels
      • Join-Einstellungen können entfernt werden

Benedikt Köhler unter den 100 führenden Köpfen der Münchner Digitalszene

Urkunde für Benedikt Köhler
Urkunde für Benedikt Köhler

Das Münchner Digital-Netzwerk MucDigital hat aus über 230 Nominierungen zum ersten Mal die 100 führenden Köpfe der Münchner Digital- und Kreativszene gekürt. Ausgewählt wurden Persönlichkeiten, die die digitale Transformation in München und Region vorantreiben und beeinflussen. Dazu zählt lt. der hochrangig besetzten 21-köpfigen Experten-Jury auch DataLion Gründer und CEO Dr. Benedikt Köhler. Er wusste u. a. mit seinen Arbeiten im Bereich Data Science und der Entwicklung der BI-Software DataLion zu überzeugen.

Begründung der Jury

Hier die ausführliche Begründung der Jury: „Dr. Benedikt Köhler ist eine eher stille Größe in unserer manchmal lauten Stadt. Mit Big Data und Analytics beschäftigte sich der promovierte Soziologe schon lange, bevor er Ende 2014 DataLion gründete. Sein Unternehmen bietet heute Saas-Lösungen für Datenanalyse und -Visualisierung für die Bereiche Marketing, Forschung und Business Intelligence. Benedikt Köhler ist ein renommierter Referent in seinem Fachbereich, der sich außerdem unermüdlich an Gründungen und Initiativen beteiligt hat, die zum Ziel hatten, unterschiedlichste Bereiche des digitalen Lebens von Beginn an mitzugestalten. Dazu gehört beispielsweise die Arbeitsgemeinschaft Social Media e. V. oder auch das Slow Media Manifest für ein nachhaltige und verantwortungsvolle Medienproduktion. Als einziger in Deutschland lebender Forscher schaffte es Benedikt Köhler in das Ranking der einflussreichsten Daten-Wissenschaftler weltweit, das vom Beratungsunternehmen Cognilytica erstellt wird. Alles zusammen überzeugte die Jury, die Benedikt Köhler als kluge Stimme unserer Fachöffentlichkeit würdigt.“

Version 1.10.5 veröffentlicht – Berechnete Spalten und PowerPoints mit mehreren Charts auf einem Slide

Folgende Neuerungen finden Sie in der neuesten DataLion-Version:

  • Export als PowerPoint mit mehreren Charts auf einer Seite (in einzelnen Fällen kann es notwendig sein, die Export-Konfiguration im Administrationsbackend aufzurufen und abzuspeichern)
  • Tabellen können jetzt auch berechnete Spalten und Zeilen enthalten (z.B. Wachstumsraten oder rollierende Summen)
  • Auch verschachtelte Tabellen können berechnete Spalten enthalten
  • Nummer-Charts können jetzt als Prozent mit unterschiedlichen Nachkommastellen formatiert werden
  • Namen von Zeilen und Spalten können angepasst werden
  • In der Cache-Einstellung kann man die Lebensdauer angeben
  • Administratoren können Benachrichtigungen an Benutzer per Mail schicken
  • Zugangsprofile können auch auf dynamischen Fragen basieren
  • Beim Kopieren eines Reports werden auch Kopien der Chart-Einstellungen und Ein-/Ausblendungen erzeugt
  • Verknüpfungen von Tabellen lassen sich im Backend per Dropdown einrichten
  • Das API-Backend kann jetzt auch Mittelwerte berechnen
  • Zeitreihencharts können jetzt mehrere Ausprägungen und Filter beinhalten

Wirkungsvolle Dashboards: Diese Chart-Typen sagen mehr als tausend Worte

Dashboards bieten Ihnen eine hervorragende Möglichkeit, komplexen Daten einen Sinn zu geben. Wie aussagekräftig ein Dashboard ist, hängt jedoch letztlich von der konkreten Zusammenstellung ab. In modernen Dashboard-Lösungen wie Datalion ist die Zusammenstellung von Charts kinderleicht – doch wie wählt man die passenden Chart-Typen aus?

Zunächst sollten Sie sich die Frage stellen, welche Botschaften und Informationen Sie mit Ihrem Dashboard vermitteln wollen und welche Art von Daten hierfür zur Verfügung stehen. Je nachdem, ob Sie etwa Verteilungen und Anteile darstellen wollen oder aber Trends und Verläufe visualisieren möchten, kommen unterschiedliche Chart-Typen in Frage. Auch die Zielgruppe Ihres Dashboards ist von Bedeutung: Ein Data-Analyst erwartet häufig eine andere Detailtiefe als beispielsweise ein Mitarbeiter aus dem Marketing. Weitere Informationen zur grundsätzlichen Herangehensweise finden sie auch hier.

Zudem sollten Sie einerseits mutig sein und neben Balken- und Liniendiagrammen auch einmal ungewöhnliche Chart-Typen nutzen, um die Zielgruppe Ihres Dashboards zu begeistern. Andererseits müssen Sie immer genauestens auf die Verständlichkeit und die Aussagekraft achten, dies sollte stets Ihre Priorität sein. Einen Mehrwert durch Interaktivität in Form von Auswahlfiltern anzubieten macht großen Sinn, hat allerdings ebenfalls Auswirkungen auf die Auswahl von geeigneten Darstellungsformen und muss entsprechend berücksichtigt werden. Zur optimalen Zusammenstellung eines Dashboards gehört neben der Entscheidung für die richtigen Charts letztlich auch die Definition von Farben, Schriftarten und die Abmessungen. Das beste Diagramm bringt nichts, wenn etwa Farben kaum aussagekräftig sind oder nicht zur Corporate Identity passen.

Am einfachsten ist es, in der Dashboard-Software mit verschiedenen, in Frage kommenden Visualisierungen zu spielen, zu testen und so Schritt für Schritt die besten Charts und Diagramme auszuwählen. Datalion bietet mehr als 50 verschiedene Chart-Visualisierungen, die mit wenigen Klicks eingefügt und ausgetauscht werden können. Einige besonders wichtige Chart-Typen stellen wir Ihnen im Folgenden vor.

Torten- und Donutdiagramm

Das gute alte Tortendiagramm (oder auch Kreisdiagramm) ist ein Klassiker und auch für weniger daten-affine Menschen gut zu verstehen. Geeignet ist diese Diagrammart für die Darstellung von relativen Häufigkeiten innerhalb einer Kategorie von Daten – alle Anteile zusammen ergeben 100 Prozent. Klassisches Beispiel: Altersgruppen oder Geschlechter und deren Anteile innerhalb einer Stichprobe.

Bei designorientierten Chart-Profis ebenfalls sehr begehrt ist das so genannte Radial-Chart. Es ähnelt optisch einem Tachometer und ist dank seiner Einfachheit sehr aussagekräftig. Allerdings ist das Einsatzspektrum begrenzt, da es nur für die Visualisierung von Variablen mit nur einer Ausprägung geeignet ist. Eng verwandt mit dem Tortendiagramm ist übrigens das Donutdiagramm: Das Loch in der Mitte lockert die Darstellung auf und sorgt so (zumindest) für einen optischen Leckerbissen.

Chart-Typen: Torten-Diagramm

Torten-Diagramm

Chart-Typen: Donut-Diagramm

Donut-Diagramm

Säulen- und Balkendiagramm

Auch Säulen- und Balkendiagramm gehören zur Grundausstattung eines jeden Dashboard-Künstlers. Dabei spricht man von einem Säulendiagramm, wenn die Säulen vertikal verlaufen.

Verlaufen die Säulen, Pardon Balken, horizontal, handelt es sich um ein Balkendiagramm. Zur Darstellung von relativen und absoluten Häufigkeiten und deren Vergleiche sind diese Chart-Typen hervorragend geeignet, was sie – egal ob vertikal oder horizontal – zu den beliebtesten Diagrammarten zählen lässt.

Chart-Typen: Säulen-Diagramm

Säulen-Diagramm
Chart-Typen: Balken-DiagrammBalken-Diagramm

 

Gestapeltes Balkendiagramm

Chart-Typen: Balken-Diagramm gestapelt
Gestapeltes Balken-Diagramm

Eine wichtige Sonderform des Balkendiagramms ist das Gestapelte Balkendiagramm. Es eignet sich zur Darstellung von skalierten Daten und ermöglicht dank der komprimierten Darstellung einen schnell verständlichen Überblick – auch über umfangreiche Ergebnistabellen. Gestapelte Balkendiagramme werden häufig benutzt, wenn man Ergebnisse zu so genannten Einstellungsbatterien im Dashboard unterbringen möchte. Wichtig ist allerdings eine gute Farbwahl, die beispielsweise Zustimmung (grün) oder Ablehnung (rot) intuitiv erkennen lässt.

Liniendiagramm

Ein weiterer, wohlbekannter Klassiker ist das Liniendiagramm. Für Vergleiche von Merkmalen oder Trends gibt es kaum eine bessere Wahl. So können beispielsweise Ergebnisse verschiedener Imagemessungen dargestellt und wichtige Unterschiede einfach sichtbar gemacht werden. Für die Visualisierung von Zeitreihen bietet Datalion ein separates Zeitreihendiagramm an, das bereits entsprechend optimiert ist.

Chart-Typen: Linien-DiagrammLinien-Diagramm Chart-Typen: Polaritäten-DiagrammPolaritäten-Diagramm

Möchte man zwei oder mehrere Merkmale vergleichen und Unterschiede herausstellen, eignet sich das Polarity-Chart hervorragend. Polaritäten werden mit diesem Diagrammtyp einfach sichtbar gemacht. Häufig verwendet wird dieser Chart-Typ im Falle von Nutzungstrends oder Bekanntheitsmessungen, da die Darstellung gleichermaßen sehr anschaulich und einfach verständlich ist. Zudem ist sie hervorragend zur zusätzlichen Integration von Filtern geeignet.

Radar-Chart

Chart-Typen: Radar-Chart
Radar-Diagramm

Etwas ausgefallener ist das Radardiagramm, das aufgrund seines Aussehens auch Netzdiagramm genannt wird. Optisch ansprechend und aussagekräftig lassen sich auch größere Datenmengen darstellen. In der Regel wird dieser Chart-Typ zur Darstellung von Evaluationen, beispielsweise die gestützte Bekanntheit von Marken, verwendet. Voraussetzung ist, dass die zu vergleichenden Variablen die gleiche Skalierung haben. Jeder Wert wird auf eine Achse eingetragen und gleichmäßig auf 360° um den Nullpunkt verteilt, für jede Kategorie gibt es eine Achse. Nicht nur im Marketing stoßen Radar-Charts regelmäßig auf ein positives Echo und haben viele Fans.

Wordcloud

Chart-Typen: Wordcloud
Wordcloud

Die Wordcloud oder Wortwolke ist wahrlich ein Sonderfall, lassen sich mit ihr doch keine quantitativen Ergebnisse darstellen. Bei qualitativen Daten ist die Wordcloud jedoch Gold wert: Begriffe, die besonders häufig vorkommen, werden größer bzw. prominenter dargestellt. Wörter die selten vorkommen, kleiner. Dies gibt Ergebnissen zu häufig schwer zu interpretierenden, offenen Antworten auf Knopfdruck einen Sinn und sieht auch noch gut aus. Na gut, ganz so einfach ist es dann doch nicht: Je nach Fragestellung und Antwortverhalten müssen die Ergebnisse bereinigt und etwa Füllwörter wie „und“ oder „ich“ entfernt werden. Nutzt man für die Darstellung danach aber noch die passenden Farben, wird die Wordcloud definitiv zum Hingucker.

Funnel-Chart

Chart-Typen: Funnel-Chart
Funnel-Diagramm

Gerade Vertriebsprofis haben an diesem Chart-Typ ihre wahre Freude, lassen sich doch so die verschiedenen Stufen eines Sales-Funnels einfach und eindrucksvoll darstellen. Aber auch Ausprägungen anderer Verläufe oder Phasen lassen sich hiermit elegant kommunizieren. Ein wichtiger Mehrwert des Charts ist, dass mögliche Probleme zwischen Stufen eines Verlaufs oder Prozesses schnell identifiziert werden können.

Multidimensionale Skalierung

Chart-Typen: Multi-Dimensionale SkalierungMDS-Diagramm

Ebenfalls sehr aussagekräftig ist die Darstellung der Multidimensionalen Skalierung (MDS). Diese wird beispielsweise dazu genutzt, bestimmte Käufergruppen zu identifizieren und deren jeweiligen Unterschiede zu verdeutlichen. Die Kombination zweier Merkmale spiegelt sich im Koordinatensystem wider, wobei die entsprechende Skalierung auf der x- bzw. y-Achse ablesbar ist. Diese Darstellungsform ist eher nichts für Anfänger, für Datenprofis ist sie früher oder später jedoch ein Must-have.

Chart-Typen: Scatterplot
Scatter-Plot

Das gilt im Übrigen auch für das Scatterplot-Chart (auch: Streudiagramm): Ähnlich wie im MDS-Diagramm werden Werte zweier Dimensionen in einem Koordinatensystem dargestellt. In dieser Diagrammart geht es jedoch um die Darstellung von Zusammenhängen zwischen zwei Variablen bzw. Merkmalen. Mit einem Blick lässt sich am Muster der Punkte erkennen, ob Variablen korrelieren und in welchem Ausmaß sie dies tun.

Bubble-Chart

Eher etwas für Designliebhaber sind hingegen Bubble-Charts (auch: Blasendiagramme). Die verwendeten Kreise eignen sich zum Vergleich von Ausprägungen einer Variablen, etwa wenn man verschiedene Altersgruppen innerhalb der Variable „Alter“ im Vergleich darstellen möchte. Zum einen repräsentiert der Radius der Kreise die Größe des Anteils, zum andern können auch Farben zur Verdeutlichung der Unterschiede verwendet werden. Wer jedoch kein Fan von „Bubbles“ ist, nutzt besser das Treemap-Chart: Es funktioniert wie das Bubble-Chart, allerdings mit Vierecken statt mit Kreisen. Das wirkt etwas aufgeräumter und die Unterschiede können häufig besser interpretiert werden.

Chart-Typen: Bubble-ChartBubble-Chart Chart-Typen: TreemapTreemap-Diagramm

Chord-Chart

Chart-Typen: Chord-Chart
Chord-Chart

Ein wahres Kunstwerk kann das Chord-Diagramm sein – wenn man denn die richtigen Daten verwendet. Aus Design-Gesichtspunkten ist dieser Diagrammtyp außer Konkurrenz, die Interpretation ist für viele Menschen jedoch erfahrungsgemäß schwierig. Dargestellt werden Beziehungen und Überschneidungen zwischen Daten in einer Matrix. So lassen sich beispielsweise verschiedene Käufergruppen identifizieren. Hat man das Grundprinzip als Dashboard-Nutzer einmal verstanden, ist der Mehrwert groß. Damit es so weit kommt, sollte man als Dashboard-Gestalter jedoch eine Erläuterung zur Verfügung stellen.

Weitere Chart-Typen

Die optimale Visualisierung für Ihr Dashboard war noch nicht dabei? Kein Problem, denn es gibt noch viele weitere Chart-Typen. In unserer Übersicht finden Sie Informationen zu zahlreichen Darstellungsformen, die für Datalion-Dashboards nutzbar sind. Hier finden Sie eine Übersicht zu den Datalion-Chart-Typen und wie Sie sie verwenden können.

Webinar: „In nur fünf Schritten zu Ihrem individuellen Dashboard“

Photo by Jake Hills on Unsplash

Am 16. Mai hat Franziska Scharch, Head of Business Development bei DataLion, ein Webinar gehalten. Thema war: zum Thema “In nur fünf Schritten zu Ihrem individuellen Dashboard”. Der Mitschnitt zeigt, wie schnell man mit DataLion ein Dashboard aufbauen kann.
Folgende fünf Schritte wurden behandelt:

  • Datenimport: Wie bekommt man die Daten ins Dashboard?
  • Verknüpfung: Wie kann man mit unterschiedlichen Datenquellen in einem Dashboard arbeiten?
  • Metriken: Welche Berechnungen gibt es in DataLion und wie kann ich sie verwenden?
  • Farbschemata: Wie kann man individuelle Farbschemata definieren?
  • Export: Wie integriere ich einen PowerPoint Master?

Die Aufzeichnung des Webinars kann hier angesehen werden. Wir bitten die Qualität der Audio-Aufzeichnung zu entschuldigen!