Datenlebenszyklus

In wenigen Schritten mit Daten zu aussagekräftigen Ergebnissen? Der Datenlebenszyklus gibt Euch einen Überblick: von der Planung bis zur Umsetzung. Klickt Euch durch die einzelnen Schritte und erfahrt, was bei der Verarbeitung von Daten wichtig ist.

Daten visualisieren

Ein Bild sagt mehr als 1000 Worte. Eine gute Datenvisualisierung ist entscheidend, Eure Aussage verständlich zu kommunizieren und inhaltlich zu unterstreichen. Behaltet Eure Zielgruppe im Blick und konzentriert Euch auf Eure Kernaussagen.

  • Wie visualisiere ich die Daten ansprechend für die Zielgruppe?
  • Welche Visualisierung passt zu meiner Fragestellung und zu meiner Datenanalyse?
  • Brauche ich eine einfache (statische) Darstellung oder eine dynamisch-interaktive Darstellung?
  • Welche Tools möchte ich für die Visualisierung nutzen?
  • Welche Vorgaben für die Visualisierung ergeben sich aus der Analyse?
  • Was will ich hervorheben?
  • Welche Visualisierung passt zu der Zielgruppe meiner Kommunikationsstrategie?
  • Auf welchen Kanälen wird die Visualisierung platziert?
Übergangswelle

Kompetenzlevel

Ihr möchtet wissen, wo Ihr steht und wie Ihr weiterlernen könnt? Schätzt Eure Vorerfahrung anhand der drei Level ein und erhaltet Lernempfehlungen, um ins nächste Level aufzusteigen.

  • hat unterschiedliche Datenvisualisierungen schon mal gesehen
  • verwendet hauptsächlich  Balken- und Kuchendiagrammen
  • hat Unsicherheiten bei der Auwahl einer geeigneten Visualisierungsart. Wählt  diese nach Gefühl oder Optik aus.
  • nutzt auch den analogen Weg, um Daten zu visualisieren
  • kennt für die Umsetzung von Visualisierungen vor allem Excel und wenige alternative Tools

Unsere Lernempfehlungen

  • kann Pivot-Tabellen, Zusammenfassungen, Histogramme, Boxplots zur Visualisierung einsetzen, überwiegend beschreibend und statisch
  • kann auf Basis der Informationen, die dargestellt werden sollen verschiedene geeignete Visualisierungen erstellen z.B. zeitbezogene Daten als Liniendiagramme
  • kennt neben Excel auch weitere einfache Tools zur Datenvisualisierung wie z.B. datawrapper, rawgraphs, codap, Orange
  • Achtet bei der Visualisierung auf Design und Leserlichkeit der Daten
  • Nutzt Visualisierungen, um Textanteile zu reduzieren und verwendet dieselben Visualisierungen für unterschiedliche Zielgruppen
  • Dekodierung: kann Visualisierungen von Anderen kritisch hinterfragen

Unsere Lernempfehlungen

  • Beherrscht eine Vielzahl von Visualisierungen und kann abschätzen, wann welche am besten geeignet ist z.B. in Abhängigkeit von Daten, Analyse, Ziel, Zielgruppe, Kontext und Kanal
  • Verwendet vielfältige, anpassbare Tools zur Visualisierung: grafische Tools, wie Tableau, PowerBI, Rshiny, CartoDB, oder auch Lucidchart, Figma, Gephi, Illustrator, Indesign, D3 javascript
  • kann auch zunehmend interaktivere bzw. dynamischere Visualisierungen erstellen, z.B. Dashboards und erstellt diese bedarfsgerecht
  • Dekodierung: weiß dass Datenvisualisierungen immer in einem Kontext stehen und manipulativ sind z.B. Auswahl des Datenausschnitts, oder der Skala, und kann Visualisierungen von Anderen kritisch überprüfen

Unsere Lernempfehlungen