Datenvisualisierung

Datenvisualisierung

Erklärung

Synonyme & Übersetzungen

Englische Übersetzung: Data Visualization, Abkürzung: DataViz

Definition

Datenvisualisierung ist die grafische Darstellung von Informationen und Daten. Mittels visueller Elemente wie Diagramme, Grafiken und Karten werden Daten in einer Weise aufbereitet, die komplexe Zusammenhänge verständlich macht und Muster, Trends sowie Ausreißer leichter erkennbar werden lässt.

Beispiele

Wann ist Datenvisualisierung für euch relevant?

Datenvisualisierungen sind erst einmal relevant, weil sie euch im Rahmen eurer Arbeit oder eures Engagements begegnen werden – in wissenschaftlichen Berichten und Studien, journalistischen Artikeln, auf Webseiten, in Newslettern, in den sozialen Medien oder in digitalen Tools. Datenvisualisierungen “lesen” und verstehen zu können, ist daher eine zentrale Dimension von Datenkompetenz (en: Data Literacy). In der Civic Data Academy findet ihr zahlreiche Lernangebote zum Thema.

Neben dem “Konsum” von Datenvisualisierungen kann es für euch auch relevant sein, selbst Daten zu visualisieren, insbesondere wenn es darum geht, komplexe Informationen verständlich und wirkungsvoll zu kommunizieren. Zum Beispiel könnt ihr Datenvisualisierungen erstellen und verwenden, …

  • … um im Sinne der Wirkungsmessung Kennzahlen zur Wirkung eurer Arbeit darzustellen (z.B. Output- oder Outcome-Kennzahlen wie Anzahl erreichter Personen). Solche Visualisierungen könnt ihr in Präsentationen und Berichten für Stakeholder und Fördermittelgeber*innen einbinden

  • … um zu zeigen wie Spendengelder verwendet werden

  • … um eure Ausgaben für die Mitgliederversammlung aufzuschlüsseln

  • … um auf gesellschaftliche Missstände aufmerksam zu machen und Bewusstsein zu schaffen für Probleme

  • … um Entscheidungen vorzubereiten und datenbasierter entscheiden zu können

  • … um Projekte datenbasiert zu planen und zu evaluieren

  • … um Statistiken über Engagement und Wachstum eurer Organisation darzustellen

Was sind die Implikationen von Datenvisualisierung für euch?

  • Ihr braucht ein passendes Tool und eine Datenquelle (Datenbank, Data Warehouse, Excel), um eine Datenvisualisierung zu erstellen

  • Bei der Nutzung von Tools entstehen ggf. monatliche Lizenzkosten (z. B. Tableau, Power BI Pro)

  • Wie viel Zeit und Ressourcen ihr in die Erstellung von Datenvisualisierungen steckt, hängt maßgeblich von der Art ihrer Verwendung ab. Auf der einen Seite könnt ihr Datenvisualisierung als Werkzeug nutzen, um schnell und iterativ Erkenntnisse zu gewinnen. Auf der anderen Seite steht die Verwendung als bewusst gestaltetes Kommunikationsmittel, um Informationen gezielt an eure Zielgruppen zu vermitteln.

    • Werkzeug zum Erkenntnisgewinn: In vielen Fällen dient eine Visualisierung einfach dazu, Daten verständlicher zu machen, Muster zu erkennen oder erste Analysen durchzuführen (z.B. im Rahmen einer ersten Datenanalyse oder als Teil von deskriptiver Statistik). In solchen Fällen ist die Visualisierung eher kurzfristig und zweckgebunden – hier sind die von eurem Tool vorgeschlagenen Darstellungsarten, Farben und Einstellungen häufig schon ausreichend.

    • Kommunikationsmittel: Wenn ihr eine Datenvisualisierung gezielt für die externe Kommunikation nutzen wollt, ist das anders. Hier ist das Ziel, eine Geschichte zu erzählen, Zusammenhänge klar darzustellen oder eine Botschaft überzeugend zu vermitteln. Hier solltet ihr mehr Zeit in die bewusste Gestaltung, Informationsauswahl und Anpassung stecken, damit eure Visualisierung ihre Wirkung entfalten kann.

  • Daten müssen sauber aufbereitet sein, sonst sind die Grafiken irreführend. Aber auch bei faktisch richtigen Daten können Datenvisualisierungen (unbeabsichtigt) in die Irre führen oder manipulativ sein. Gerade wenn ihr Visualisierungen für die externe Kommunikation verwendet, solltet ihr darauf achten, dass sie möglichst verständlich und nicht überfrachtet sind.

Mehr zu Datenvisualisierung

Prinzipien für erfolgreiche Datenvisualisierungen:

Um eine effektive Datenvisualisierung zu erstellen, solltet ihr einen strukturierten Prozess befolgen:

  1. Beginnt mit der Klärung eures Kontexts: Was möchtet ihr zeigen und wem soll es gezeigt werden?

  2. Wählt dann den passenden Visualisierungstyp (wie wollt ihr es zeigen?):

    • Balkendiagramme eignen sich gut für Vergleiche,

    • Liniendiagramme für zeitliche Entwicklungen,

    • Kreisdiagramme für Anteile

    • und Karten für geografische Daten.

  3. Achtet auf klare Beschriftungen, aussagekräftige Titel und eine einfache Farbgestaltung.

  4. Verzichtet auf überflüssige Elemente (en: decluttering, de: entrümpeln) und stellt sicher, dass eure Datenvisualisierung ehrlich ist: Manipuliert keine Achsen und wählt angemessene Maßstäbe.

  5. Testet eure Visualisierung mit Personen, die nicht mit den Daten vertraut sind, um sicherzustellen, dass sie intuitiv verständlich ist.

  6. Denkt an Barrierefreiheit – etwa durch kontrastreiche Farben und Alternativtexte.

Data Storytelling

Ein weiterer Begriff, der oft im Zusammenhang mit Datenvisualisierungen fällt, ist der Begriff Data Storytelling (de: Geschichten mit Daten erzählen). Data Storytelling bezeichnet das Vorgehen, Daten in einer Erzählstruktur zu präsentieren, um komplexe Informationen verständlich und anschaulich zu vermitteln. Durch die Kombination von Daten, Visualisierungen und Erzählstrukturen werden Zusammenhänge deutlich und Entscheidungen unterstützt. Ziel ist es, die Zielgruppe zu informieren und zum Handeln anzuregen.

Tools für die Datenvisualisierung

Hinweis: Eine Übersicht über einige Tools für die Datenvisualisierung und -analyse findet ihr im Artikel zum Thema Datenanalyse.

Verwandte Begriffe

  • Datenanalyse: Datenanalyse ist der Prozess, bei dem Rohdaten untersucht, bereinigt, umgewandelt und ausgewertet werden, um aus ihnen Erkenntnisse und Wissen zu generieren. Datenvisualisierung kann dabei ein Werkzeug sein, um Ergebnisse visuell darzustellen. Datenanalysen können aber auch ohne grafische Darstellung erfolgen.

  • Deskriptive Statistik: Deskriptive Statistik umfasst Methoden zur Beschreibung und Zusammenfassung von Daten, wie Mittelwerte, Median, Streuung oder Häufigkeiten. Datenvisualisierung kann dabei ein Werkzeug sein, um diese statistischen Kennzahlen anschaulich darzustellen, eine deskriptive Statistik kann aber auch ohne Datenvisualisierungen auskommen.

  • Programmiersprachen: Programmiersprachen sind spezielle Sprachen mit einem formalen System mit Regeln und Syntax, das zur Erstellung von Software und Algorithmen verwendet wird. Die Verwendung von Programmiersprachen wie R, Python oder Javascript ist eine Möglichkeit, um Datenvisualisierungen zu erstellen.

  • Dashboard: Ein Dashboard ist eine interaktive Übersicht, die mehrere Datenvisualisierungen kombiniert. Während eine einzelne Datenvisualisierung oft eine spezifische Frage beantwortet, dient ein Dashboard dazu, verschiedene Aspekte eines Datensatzes dynamisch zu erkunden und miteinander in Beziehung zu setzen. Dashboards geben Nutzer*innen häufig die Möglichkeit, Daten zu filtern oder Visualisierungen anzupassen.

Weiterführende Materialien

Wenn du noch mehr über Datenvisualisierung erfahren möchtest, schaue dir die folgenden Ressourcen an: