Was ist Data Storytelling? - Die Definiton
Data Storytelling beschreibt die Präsentation / Darstellung von Daten mit dem Ziel, einem Publikum die Informationen aus den Daten schnell verständlich zu machen und damit von bestimmten Erkenntnissen oder Empfehlungen zu überzeugen. Mithilfe von narrativen Strukturen werden komplexe Daten und Sachverhalte so möglichst verständlich kommuniziert. Data-Storytelling verbindet also die analytische Kraft von Daten mit der emotionalen Anziehungskraft von Geschichten, um Erkenntnisse auf eine zugängliche Art und Weise zu präsentieren.
Unterschied zwischen Storytelling und Data-Storytelling
Klassisches Storytelling nutzt Geschichten, um Ideen und Werte zu vermitteln, und spricht damit vor allem die emotionale Seite der Zuhörer an. Ein Beispiel hierfür wäre das Erzählen einer inspirierenden Geschichte aus dem eigenen Leben, die eine bestimmte Moral oder Lehre vermittelt. Durch die visuelle Darstellung von Daten wird die Aufmerksamkeit des Publikums gelenkt und so, gestützt durch eine klare Erzählstruktur, der Kontext und die Bedeutung der Informationen weitergegeben.
Im Gegensatz dazu nutzt Data-Storytelling konkrete Daten und Fakten. Dieser Ansatz nutzt Diagramme, Grafiken und andere visuelle Hilfsmittel, um komplexe Informationen verständlich und greifbar zu machen.
Beide Methoden haben ihre Stärken: Während klassisches Storytelling persönlich und emotional ansprechend ist, bietet Data-Storytelling eine objektive und faktenbasierte Perspektive. Die Wahl zwischen diesen Methoden hängt vom Zweck der Erzählung und dem Zielpublikum ab.
Warum Storytelling mit Daten heutzutage wichtig ist
Hervorgehoben durch die Digitalisierung und Vernetzung, erleben wir in der heutigen Zeit eine beispiellose Zunahme an Daten. Dieser Trend hat sich in nahezu allen Lebensbereichen etabliert, wobei insbesondere im Berufsleben der Umgang mit Daten immer mehr an Bedeutung gewinnt. Fortschrittliche Visualisierungstechniken spielen dabei eine Schlüsselrolle, indem sie es ermöglichen, komplexe Datenmengen verständlich und zugänglich zu machen. Diese Entwicklung hat die Art und Weise, wie wir mit Informationen interagieren und kommunizieren, grundlegend verändert.
Der Ton macht die Musik - Auswirkungen der Darstellung auf den Inhalt
Ein markantes Beispiel für die Auswirkungen dieser Entwicklung ist die Covid-19-Pandemie. Während dieser Zeit wurden Gesundheitsdaten häufig in Form von Karten und Grafiken präsentiert. Diese Visualisierungen hatten einen erheblichen Einfluss darauf, wie die Öffentlichkeit die Pandemie wahrnahm und darauf reagierte. Sie illustrieren eindrücklich, wie die Darstellung von Daten nicht nur die Interpretation, sondern auch die Wahrnehmung und Bewertung der Informationen beeinflusst. Obwohl dieser Aspekt nur ein kleiner Teil der gesamten Datenlandschaft ist, zeigt er deutlich, wie entscheidend die Art der Präsentation von Daten für das Verständnis und die darauf basierenden Entscheidungen sein kann.
Unternehmen erkennen zunehmend den Wert von Datenanalysten, die komplexe Daten verständlich darstellen und strategische Einblicke bieten. Data Literacy wird als zukünftig entscheidend für den unternehmerischen Erfolg angesehen und die effektive Kommunikation von Daten ist für Unternehmen, die in der datenbasierten Wirtschaft erfolgreich sein wollen, von zentraler Bedeutung.
Die theoretische Grundlage: Was ist Storytelling?
Die Kunst der Erzählens
Die Kunst des Storytellings liegt in der Fähigkeit, komplexe Konzepte in eine klare und ansprechende Geschichte zu verwandeln, die die Aufmerksamkeit fesselt und das Verständnis vertieft. Durch die Auswahl von Charakteren, Konflikten und Wendepunkten werden Geschichten zu kraftvollen Werkzeugen, um Botschaften zu vermitteln, Werte zu verankern und Informationen nachhaltig im Gedächtnis zu verankern.
Welche Effekte mit Storytelling hervorgerufen werden
Diverse Studien haben die Effekte von Storytelling in Bereichen wie Public Relations, Pädagogik und Marketing untersucht, wobei insbesondere
- Emotionalisierung,
- Überzeugungskraft
- Lernförderung
als die am häufigsten gewünschten Wirkungen hervorgehoben wurden.
Die Tatsache, dass Storytelling unterschiedliche Lerntypen anspricht unterstützt die positiven Effekte: visuelle Lerner werden durch Imagination, audioaffine Lerner durch Zuhören und erfahrene Lerner durch emotionales Erleben angesprochen.
Neurologisch betrachtet beeinflussen Geschichten die Hormon-Ausschüttung in unserem Körper. Botenstoffe wie Oxytocin und Dopamin steuern unser Empfinden und Gedächtnis, sodass man mit Geschichten nachgewiesenermaßen bei geschicktem Einsatz eigene Ziele verfolgen kann.
Die exakte Auswertung der Wirkung von Storytelling ist jedoch schwierig, da Definitionen und Forschungsmethoden variieren und Studienergebnisse daher nicht immer vergleichbar sind. Interessanterweise wurde festgestellt, dass die Art der Darstellung einer Geschichte oft wichtiger ist als ihr Inhalt. Trotzdem zeigen die Studien, dass Storytelling die genannten positive Effekte erzielt, ohne negative Auswirkungen zu verzeichnen.
Wie funktioniert Data-Storytelling? - Vorgehen & Spannungsaufbau einer Daten-Story
Grundlagen der narrativen Struktur
- Einleitung ("Hook")
- Steigende Spannungskurve (mehr Insights)
- Höhepunkt ("Aha-Moment")
- Schluss/Ausblick (Lösungsansätze)
Einleitung
Eine Data-Story folgt in der Regel der gleichen Struktur wie eine herkömmliche Erzählung, ähnlich dem klassischen Aufsatzschema in Schulen. Sie beginnt mit der Einleitung, bestehend aus Ausgangslage und der "Hook". Hier muss dem Publikum klar gemacht werden, wie die Lage aktuell ist und Spannung erzeugt werden, beispielsweise durch eine Ausgangssituation mit potentiell hoher Fallhöhe für einen Protagonisten. Dadurch wird das Interesse und die Aufmerksamkeit des Publikums erzeugt.
Aufbau des Spannungsbogens
Nach der Einleitung folgen zusätzliche Einblicken in die Situation. Diese bauen den Spannungsbogen immer weiter auf. Mehr Details oder weitere Wendungen in der Geschichte leiten schließlich hin zum Wendepunkt der Geschichte.
Höhepunkt
Dieser Höhepunkt, auch "AHA-Moment" genannt, sorgt für eine Wendung oder Auflösung von allen vorherigen Entwicklungen. Dem Publikum muss an dieser Stelle beim Data-Storytelling die Kernaussage der Daten klargemacht werden. Es wird klargemacht, wie die vorher gezeigten Daten oder vorherigen Geschehnisse zusammenhängen.
Schluss
Schlussendlich folgt das Ende der Story. Bei Data-Stories sind das oft Problemlösungen und Erklärungen der nächsten Schritte, wie man ein bestimmtes Problem lösen kann oder was auf Grundlage der untersuchten Daten nun geschehen sollte.
Protagonisten beim Storytelling mit Daten
Rolle verschiedener Protagonisten
Die Fachliteratur ist sich einig, Protagonisten sind entscheidend für den Erfolg einer Geschichte. Eine wirkungsvolle Geschichte beinhaltet typischerweise einen Helden und einen Antihelden. Der Held, als zentraler Charakter, konfrontiert Bedürfnisse und Herausforderungen, und erlebt eine Transformation nach der Konfliktlösung, wodurch eine Identifikation und Sympathie beim Publikum gefördert wird. Der Antiheld repräsentiert den Widersacher und das zu überwindende Hindernis. Interessante Wendepunkte erfordern mindestens einen Helden und einen Gegenspieler, wobei zusätzliche Charaktere wie Helfer oder weitere Gegenspieler eine komplexere Darstellung ermöglichen. Im Unternehmenskontext wird empfohlen, die Zahl der Protagonisten zu beschränken.
Wie man Charaktere mit Daten verknüpft
Die sorgfältige Auswahl und Gestaltung der Charaktere ist entscheidend, um die beabsichtigte Wirkung der Story zu erreichen, angepasst an den Spannungsbogen und die Perspektive. In der Marketing-Kommunikation positionieren sich viele Unternehmen als Helfer, da eine Selbstdarstellung als Held negative Konkurrenz- oder Selbstlobassoziationen bei Kunden hervorrufen kann.
Das Ziel der strategischen Auswahl von Protagonisten ist es, einen Pull-Effekt zu erzeugen und das Interesse des Publikums zu wecken. Dabei ist es besonders effektiv, Sympathie durch detaillierte Darstellungen zu schaffen, einschließlich der Gedanken, Wünsche und inneren Konflikte der Charaktere. So wird Interesse, Verbundenheit und Empathie beim Publikum erzeugt.
Data-Storytelling Beispiele
Beispiele
Spotify bezieht sich hier auf Daten, die sehr einfach auf ihrer App erhoben werden können. Durch die Wahl eines etwas absurden und witzigen Datensatzes, gepaart mit Humor und Nachvollziehbarkeit in der Umsetzung, kreiert Spotify eine erfolgreiche und weltbekannte Werbekampagne nur aus Daten.
Die passende Visualisierung: Die Essenz des Data-Storytellings
Darauf kommt es an
Bei der finalen Visualisierung der Daten ist ein präzises Zusammenspiel aus Klarheit, Relevanz und Ästhetik gefragt. Durch die Auswahl der richtigen Visualisierungen, angepasst an das Zielpublikum, wird dadurch der Kern der Botschaft hervorgehoben.
Der gezielte Einsatz von visuell auffälligen Elementen wie Farbe, Form, Layout lässt die Aufmerksamkeit des Publikums gezielt steuern. So ist es möglich zu planen, welche Teile der Visualisierung das Publikum auf den ersten Blick sehen soll beziehungsweise auf welche Teile der Grafik der Fokus liegen soll. In diesem Zusammenhang sind Kenntnisse zu Visualisierungsgrundlagen und der Einsatz der sogenannten "Preattentive Attributes" enorm hilfreiche Fähigkeiten.
Kommunikation von Daten über verschiedene Medien - Was zu beachten ist
Das gewählte Medium zur Datenweitergabe beeinflusst die Kontrolle über das, was das Publikum sieht wie das geschieht. Die Anpassung an das Kommunikationsmedium ist daher essenziell für den Erfolg von Data-Storytelling.
- Bei Präsentationen kontrolliert der Präsentierende das Tempo und die Verweildauer auf den Folien, mit der Möglichkeit, auf direktes Feedback zu reagieren und Inhalte anzupassen. Diese Interaktivität ermöglicht weniger detaillierte Daten, da der Präsentierende ergänzende Informationen liefern kann.
- Geschriebene Berichte bieten weniger Kontrolle über den Informationsfluss und erfordern umfassendere Daten, um mögliche Fragen des Publikums sofort zu klären, da keine direkte Interaktion möglich ist.
In der Praxis ist oft eine Kombination beider Formate nötig, um den Bedürfnissen verschiedener Darstellungsformen gerecht zu werden. Die vorrangige Kommunikationsform sollte bei der Erstellung von Data-Stories stets im Vordergrund stehen.
Wichtige Tools und Plattformen
- Tableau und Power BI: bieten umfassende Diagrammoptionen und interaktive Dashboards
- Microsoft PowerPoint und Google Slides: ermöglichen Integration von Daten in Vortragsfolien
- Canva: bietet ansprechende visuelle Darstellungen für Infografiken
- Tableau Server und QlikView: unterstützen umfangreiche Datenanalysen
- Flourish und Adobe Spark: hilfreich für Storytelling mit Daten
X. Tipps zur Erstellung einer Daten-Story
1. Hauptinhalte ausarbeiten
Eine gründliche Vorbereitung vor dem Schreibprozess im Data Storytelling ist der Schlüssel zum Erfolg. Klar definierte Ziele, sorgfältig analysierte Daten und eine gezielte Ansprache der Zielgruppe legen den Grundstein.
Zur Ausarbeitung der Inhalte einer Story gibt es diverse Methodiken. Besonders die Vereinfachung der Geschichte als 2-Minuten-Story erachten wir als hilfreich. Die Geschichte soll hierbei in dieser Zeit mit so vielen Details wie nötig und so wenigen wie möglich erzählt werden, sodass die Kernaussage verdeutlicht wird und sich die Geschichte auf das Relevante beschränkt.
Ein weiterer hilfreicher Ansatz ist die Ausarbeitung des Inhalts über die W-Fragen:
- Was? (Inhalt und Ziel der Informationen)
- Wer? (involvierte Parteien/Protagonisten)
- Wie und Warum? (Das Geschehene einordnen)
- Wo und Wann? (Daten verständlich machen)
- Was nun? (Was ist die Erkenntnis aus den Daten (AHA-Moment))
- Was kommt als nächstes (Lösungen & Auswirkungen)
2. Die Macht der Wiederholung nutzen
Der kreative Spruch “Bingo Bango Bongo” (vgl. Nussbaumer Knafflic (2015)) kann bei dem Aufbau der Data- Story als Guideline genutzt werden. Hier die Erklärung was Bingo, Bango und Bongo bedeutet:
- Bingo: Was wird der Inhalt der Data-Story sein
- Bango: Inhalt genauer erläutern
- Bongo: Zusammenfassung des Inhalts
Die Reihenfolge “Bingo, Bango, Bongo” wiederholt den Inhalt der Data-Story ganze 3-mal in verschiedenen Wegen und zielt so auf die optimale Retention des Inhaltes bei den Zuhörern ab.
3. Die Zielgruppe verstehen und ansprechen
Die Anpassung auf die Zielgruppe ist mitunter der wichtigste Schritt in der Erstellung einer Daten-Story, denn wie die Inhalte am besten präsentiert werden sollten, oder welches Medium hierbei genutzt werden sollten, hängt stark von den Attributen der Zielgruppe ab. Als Beispiel könnte man die verschiedenen Versionen eines Films sehen, in unserem Fall “Robin Hood”. Die Geschichte an sich bleibt in jedem Film gleich, dennoch sind Design, Interpretation und Präsentation jeweils unterschiedlich gestaltet, sodass ein Film passender für Familien ist und ein anderer nur von Erwachsenen besucht werden sollte. Die gleiche Geschichte kann somit unterschiedlich verpackt werden, und den gleichen Inhalt der präferierten Zielgruppe effizient zu übermitteln.
4. Datenquellen kritisch bewerten und auswerten
Datenquellen kritisch zu bewerten und auszuwählen, führt zu einer aussagekräftigen Data-Story. Die Explorative Analyse, mit dem Ziel Erkenntnisse zu sammeln, basiert hier auf der Arbeit in Tools mit rohen Daten, um somit eine fehlerfreie und möglichst bias-freie Interpretation der Daten zu garantieren. Da die Zuschauer jedoch diese Analyse nicht selbstständig durchführen, ist hier eine Erklärende Analyse, also eine erklärende Präsentation vor der Zielgruppe zu halten. Diese hat das Ziel das Publikum mit der Datengrundlage der Daten-Story zu überzeugen. Diese zwei Analysen gepaart sichern einerseits die Qualität der Daten als auch die Qualität der Schlussfolgerungen und Retention der Zielgruppe.
5. Weniger ist mehr
Ihr Ziel sollte es sein, Ihr Publikum nicht mit übermäßig komplizierten oder grafisch überladenen Darstellungen zu überfordern. Einfache, klare Grafiken helfen den Betrachtern, die zentralen Botschaften schneller und effektiver zu erfassen.
Überprüfen Sie jede Grafik kritisch auf Elemente, die nicht direkt zur Geschichte beitragen, die Sie erzählen möchten. Entfernen Sie alles, was nicht unbedingt notwendig ist. Dazu gehören überflüssige Hintergrundlinien, Ränder und andere dekorative Grafikelemente, die eher ablenken als informieren. Halten sie die verwendete Farbpallette so gering wie möglich um nicht innerhalb der Grafik um die Aufmerksamkeit des Publikums zu konkurrieren. Eine oder zwei Farben in unterschiedlicher Intensität eignen sich dafür gut.
In diesem Beispiel wird deutlich, wie sehr die Wahl von Farbe und Form die Wirkung von Diagrammen beeinflusst. Auf der linken Seite kämüfen mehrere Farben um die Aufmerksamkeit der Nutzer und um die Anteile zwischen Vorher und Nachher zu vergleichen ist es notwendig, zwischen den zwei Kreisen hin und her zu springen.
Auf der linken Seite wird das Publikum durch den Einsatz von zwei Farben mit unterschiedlicher Intensität sofort zu den relevanten Stellen der Grafik geleitet und durch die Darstellung als Balkendiagramm ist auch der Vorher-Nachher-Vergleich deutlich angenehmer für das Auge des Publikums gestaltet.
6. Gefahren beachten
Ein wesentlicher Aspekt beim Data-Storytelling ist die Gewährleistung, dass Diagramme und Grafiken keine verzerrten Darstellungen liefern. Achten Sie darauf, Skalen korrekt zu verwenden und Datenverhältnisse genau abzubilden. Vermeiden Sie irreführende Achsenskalierungen oder Auslassungen, die zu Fehlinterpretationen führen könnten. Es ist entscheidend, dass Ihre Visualisierungen die Daten wahrheitsgetreu und unverfälscht wiedergeben, um Missverständnisse und Fehlinformationen zu verhindern.
7. Feedback einholen und üben
Um die Effektivität und Aussagekräftigkeit deiner Data-Story zu steigern, ist es wichtig auf Feedback von Vorgesetzten, Freunden oder Kollegen zu hören und dies in einem angemessenen Rahmen umzusetzen. Irrelevante Inhalte, die zu eventuellen Verwirrungen und unnötigen Ablenkungen führen können, sollten von vornherein weggelassen werden, um optimale Verständlichkeit zu garantieren
Übung macht den Meister: Neben dem Einholen von Feedback ist regelmäßiges Üben unerlässlich. Versuchen Sie, Ihre Fähigkeiten im Data-Storytelling kontinuierlich zu verbessern, indem Sie regelmäßig neue Daten visualisieren und Ihre Geschichten erzählen. Experimentieren Sie mit verschiedenen Darstellungsformen und Techniken, um herauszufinden, was am besten funktioniert.
Gefahren des Data-Storytelling
Durch geschickte Gestaltung können Statistiken und Diagramme so dargestellt werden, dass sie das Publikum zu einer gewünschten Interpretation verleiten. Genau diese Chance wird im Data-Storytelling genutzt. Mit böswilliger Absicht ist es dadurch jedoch auch möglich, das Publikum zu täuschen. Deswegen sollte man jede Darstellung von Daten immer kritisch hinterfragen und die Gefahren des Data-Storytellings im Gedächtnis behalten.
Bewusste Verzerrung: Manipulation durch unvollständige Darstellung
Nehmen wir als Beispiel die Umsatzentwicklung einer Firma XY. Die erste Grafik zeigt einen deutlichen Anstieg an, was den Eindruck erweckt, dass das Unternehmen eine sehr gute Entwicklung aufweist. Die zweite Grafik präsentiert dieselben Daten, konzentriert sich aber auf einen ausgewählten verkleinerten Zeitraum, um den Eindruck einer geringeren Entwicklung zu erwecken. Durch die Reduzierung der Daten auf einen bestimmten Bereich, wird also die Kernaussage und der entstandene Eindruck enorm verändert.
Strategien zur Erkennung und Vermeidung von Verzerrungen
Glaubwürdiges Data-Storytelling setzt eine sorgfältige Erkennung und Vermeidung von Verzerrungen voraus. Strategien zur Sicherung von Datenintegrität und -genauigkeit sind essenziell für valide Analysen, die sowohl positive als auch negative Aspekte berücksichtigen. Transparenz, Diversität, offener Dialog mit dem Publikum und kritische Überprüfung von Datenquellen und Methoden stärken das Vertrauen und die Qualität der Story, während sie Verzerrungen minimieren. Konsequent angewendet, führt dies zu einem sowohl fesselnden als auch genauen Data-Storytelling.
Fragen die man sich stellen sollte um eine Grafik zu überprüfen sind:
- Sind die Achsen korrekt skaliert? Überprüfen Sie, ob die Achsen des Diagramms proportional und ohne Verzerrung skaliert sind. Eine ungleichmäßige oder unterbrochene Skalierung kann zu einer verzerrten Wahrnehmung der Daten führen.
- Werden Ausreißer oder wichtige Datenpunkte ausgelassen? Achten Sie darauf, ob alle relevanten Daten im Diagramm enthalten sind oder ob wichtige Informationen fehlen, die das Gesamtbild beeinflussen könnten.
- Ist die Diagrammart angemessen für die dargestellten Daten? Manche Diagrammtypen können bestimmte Datentypen besser repräsentieren als andere. Eine unpassende Wahl des Diagrammtyps kann zu Fehlinterpretationen führen.
- Sind die Datenquellen und Methoden transparent und nachvollziehbar? Überprüfen Sie, ob klar angegeben ist, woher die Daten stammen und wie sie verarbeitet wurden. Mangelnde Transparenz kann auf eine mögliche Manipulation hinweisen.
- Sind die Einheiten und Maßstäbe klar angegeben? Stellen Sie sicher, dass alle verwendeten Einheiten und Maßstäbe klar definiert und konsistent angewendet werden.
- Werden Vergleiche fair dargestellt? Achten Sie darauf, ob ähnliche Daten unter vergleichbaren Bedingungen und in einem ähnlichen Kontext dargestellt werden. Unfaire Vergleiche können zu Fehlinterpretationen führen.
- Sind die Daten aktuell? Überprüfen Sie, ob die verwendeten Daten aktuell sind und ob sie den Zeitraum repräsentieren, der für Ihre Fragestellung relevant ist.
Fazit: Ist Data-Storytelling ein Wunderwerkzeug oder nur eine Hype-Erscheinung?
Data-Storytelling zielt auf eine klare und überzeugende Vermittlung von Daten durch narrative Strukturen und optimierte Visualisierungen ab. Dieser Blogbeitrag untersuchte theoretische Grundlagen und Wirkungen von Data-Storytelling, basierend auf Best-Practices und Effekten aus der Literatur. Obwohl oft erfolgreiche Überzeugungseffekte beobachtet wurden, konnten diese aufgrund von Studienlimitationen nicht vollständig empirisch belegt werden.
Data-Storytelling kombiniert die Kunst des Erzählens mit datenbasierten Fakten, um komplexe Informationen verständlich, ansprechend und handlungsorientiert zu vermitteln. Es geht darum, Daten in eine narrative Struktur zu bringen, die sowohl informativ als auch fesselnd ist, um ein Publikum von den Erkenntnissen und möglichen Lösungen zu überzeugen.