Datengetriebene Geschichten sind Präsentationen, Texte, Posts usw., die auf Fakten basieren. Dabei gibt es verschiedene Möglichkeiten, wie prominent die Fakten in der Story auftreten. Nicht selten steht die Präsentation der Daten und Fakten im Vordergrund. Es kann aber auch sein, dass es überhaupt nicht auf konkrete Zahlen ankommt, sondern nur auf die Informationen, die aus ihnen abgeleitet werden können. Und manchmal geht es auch eher darum, wie genau die Daten zustande gekommen sind und analysiert werden.
Die Entwicklung von datengetriebenen Geschichten nennt man Storytelling mit Daten. Mehr dazu, findet ihr auch in diesem Blogbeitrag.
Hier wollen wir uns ein konkretes Werkzeug des Storytellings mit Daten anschauen: Schematische Plot-Typen. Bei der Entwicklung des Plots kann sich an den grundsätzlichen Möglichkeiten der Analyse von Daten orientiert werden. Ben Jones nennt das, die Seven Types of Data Stories. Im Folgenden wollen wir uns diese etwas genauer anschauen.
Plot 1: Change Over Time (Veränderung über die Zeit)
Dieser Typ konzentriert sich darauf, zeitbasierte Veränderungen in den Daten darzustellen. Es geht darum, Trends, Muster, Perioden von Wachstum, Rückgang oder Stabilität zu identifizieren und hervorzuheben. Dies ist besonders nützlich, wenn man zeigen möchte, wie äußere Einflüsse oder Ereignisse Entwicklungen beeinflusst haben. Angenommen, ihr möchtet die Auswirkungen des Rauchverbots in Restaurants auf die Häufigkeit von Herzinfarkten präsentieren. Die Daten zeigen, dass die Herzinfarktrate in den fünf Jahren nach Einführung des Gesetzes drastisch gesunken ist. Mit dieser Darstellung wird klar, wie sich politische Maßnahmen auf die öffentliche Gesundheit ausgewirkt haben. Für die Visualisierung sind Liniendiagramme besonders geeignet, da sie Veränderungen im Zeitverlauf klar und verständlich wiedergeben können. Alternativ könnten beispielsweise auch Zeitstrahldiagramme verwendet werden, wenn wichtige Meilensteine hervorgehoben werden sollen. Es funktionieren aber auch alle andere Abbildungsarten, die Unterschiede im Zeitverlauf oder zu unterschiedlichen Zeitpunkten hervorheben.
Plot 2: Contrast (Vergleich)
Der Typ „Contrast“ hebt Unterschiede oder Gemeinsamkeiten hervor und zeigt klar auf, wie sich Datenpunkte voneinander unterscheiden. Möchtet ihr beispielweise die Zufriedenheit der Kunden vor und nach einer Produktänderung vergleichen, dann könnten die Zufriedenheitswerte zu bestimmten Eigenschaften des Produkts durch Balkendiagramme nebeneinandergestellt werden. So werden Vor- und Nachteile der Änderung sichtbar zu machen. Für die grafische Darstellungen eignen sich Balkendiagramme oder Säulendiagramme gut, da sie Vergleiche klar darstellen können. Für ein statistisch nicht ganz ungeübtes Publikum bieten sich auch Boxplots an. Die beliebten Kreis- und Tortendiagramme sind eigentlich nur zu empfehlen, wenn es nur wenige verschieden Tortenstücke gibt, die auch recht unterschiedlich groß sind.
Plot 3: Factors (Einflussfaktoren)
Dieser Typ beleuchtet die Faktoren, die bestimmte Ergebnisse oder Trends beeinflussen. Er ist nützlich, um mögliche Ursachen für ein Ergebnis darzustellen, kann aber auch dazu verwendet werden, Strukturen darzustellen. Wie groß ist die Fläche in Niedersachen? Wie hoch ist jeweils der Anteil von Straßen, Gewässern, bebauten Gebieten, Wald, Schienen und so weiter. Geschichtete Balkendiagramme oder Baumkarten eignen sich besonders gut, da sie viele Faktoren übersichtlich darstellen und deren Gewichtung visualisieren können.
Plot 4: Intersections (Schnittpunkte)
Bei diesem Typ kreuzen sich die Wege von zwei oder mehr Protagonisten. Interessant sind die Fragen, wie es zu dem Aufeinandertreffen der Protagonisten kommen konnte. Wo sind sie jeweils gestartet und wohin geht ihre weitere Reise? Stell dir vor, du analysierst die Marktanteile von zwei konkurrierenden Produkten. Wer ist als Markführer gestartet und hat sich das Blatt irgendwann gewendet? Wie immer, hängt eine geeignete Visualisierung von den konkreten Daten ab. Häufig werden Zeitverläufe betrachtet, sodass die Tipps von im Data Story Type Chance over Time auch hier oft passen.
Plot 5: Outliers (Ausreißer)
Hier steht die Entdeckung und Interpretation von Datenpunkten im Mittelpunkt, die stark von den Normwerten abweichen. Diese Ausreißer können wichtige Hinweise oder ungewöhnliche Ereignisse aufzeigen. Boxplots oder Streudiagramme sind hilfreich, da sie Ausreißer klar hervorheben und eine gute Übersicht über die Verteilung geben.
Plot 6: Drill Down (Detaillierte Analyse)
Drill-Down-Storytelling hilft dabei, komplexe Daten zu zerlegen und spezifische Einblicke auf einer detailierteren Ebene zu gewinnen. Es wird von einer allgemeinen Perspektive aus gestartet und dann schrittweise in Details vertieft. Stellt euch vor, ihr analysiert die Verkaufszahlen eines international tätigen Unternehmens. Die Gesamtzahlen zeigen Wachstum, aber beim Drill-Down stellst du fest, dass dieses Wachstum hauptsächlich aus der Asien-Pazifik-Region kommt, während die europäische Region stagnierende oder sinkende Zahlen aufweist. Bei der Visualisierung kommt es hier sehr stark auf die konkreten Daten und Fragestellungen an. Es stellt sich die Frage, welche Methoden im konkreten Fall helfen können, die Struktur der Daten besser zu verstehen.
Plot 7: Zoom Out (Überblick)
Dieser Typ bietet eine Übersichtsperspektive und stellt die Daten in einem umfassenden Kontext dar. Es eignet sich, um Zusammenhänge zwischen verschiedenen Komponenten auf globaler oder universeller Ebene zu zeigen. So könnte man erst die CO₂-Emissionen einer bestimmten Region visualiseren. Dann wird die Weltkarte immer weiter aufgespannt, bis zum Schluss eine Übersicht der weltweiten CO₂-Emissionen entsteht. Dabei sollte natürlich immer darauf geachtet werden, die Emissionen im Verhältnis zur Bevölkerungsdichte zu stellen. Mit dieser Art der Darstellung könnten größere globale Trends in der Emmission von CO₂ sichtbar gemacht werden.
Zum Abschluss sei noch erwähnt, dass diese sieben Typen eher als Plot Elemente angesehen werden sollten und innerhalb einer einzigen Datengeschichte verschieden Typen kombiniert werden können. Erlaubt ist, was funktioniert! Und natürlich sind diese sieben Typen auch nur eins von vielen möglichen Tools.
Eure Carina
Das „zedita.zukunftsforum“ ist ein Projekt der Hochschule Weserbergland und wird gefördert durch die Zukunftsregion Weserbergland+ mit Mitteln der Europäischen Union und des Landkreises Hameln-Pyrmont.