Data Storytelling

Zweck

Data Storytelling trägt einen Analysebefund bis zu der Entscheidung, der er dienen soll. Ein validiertes Ergebnis verändert an dem Tag etwas, an dem eine Person, die weder die Abfrage geschrieben noch die Daten gesehen hat, daraus einen Schluss zieht und entscheidet. Der IIBA-Leitfaden führt das Argument an: Zahlen, Kurven und Diagramme bedeuten ohne ihren Geschäftskontext wenig.

Das Ergebnis ist eine Erzählung samt ihren Visualisierungen, die sich in wenigen Minuten lesen oder präsentieren lässt, den Hauptbefund benennt, ihn mit Ereignissen erklärt, die das Publikum wiedererkennt, und in eine bezifferte Option mündet. Dieses Ergebnis hat einen benannten Adressaten: Derselbe Befund, der vor die Geschäftsleitung und vor das Produktteam getragen wird, ergibt zwei Erzählungen.

Das Wort Storytelling bezeichnet auch eine Technik der Elizitation, bei der Stakeholder ihre Erfahrung mit der Arbeit erzählen, damit Kultur und implizites Wissen einer Organisation zutage treten. Die beiden Techniken bewegen Information in entgegengesetzte Richtungen: das Storytelling der Elizitation sammelt ein, Data Storytelling gibt zurück.

Anwendung

Wann einsetzen

• Ein validierter Befund, der einer Entscheidung dient: Ein Gremium muss entscheiden und hat die Analyse nicht verfolgt.
• Eine kontraintuitive Zahl: ein Rückgang oder eine Spitze, die das Dashboard anzeigt, ohne sie zu erklären.
• Ein Publikum fern der Daten: Geschäftsleitung, Verwaltungsrat, externe Partner, Fachbereiche ohne Analysepraxis.
• Eine unbequeme Schlussfolgerung: Wer die Argumentation Schritt für Schritt darlegt, macht den Befund inhaltlich bestreitbar.
• Ein wiederkehrendes Ergebnis, das niemand mehr liest: ein monatliches Dashboard, das aus Gewohnheit veröffentlicht wird und die Fragen derjenigen beantwortet, die ohnehin wissen, was sie fragen müssen.

Wann nicht einsetzen

• Ein Publikum aus Analysten, das die Arbeit verfolgt hat: Das Analyse-Notebook und das Dashboard sagen ihm mehr.
• Regelmässige operative Überwachung: Metriken und KPI mit Alarmschwellen halten über die Zeit besser durch.

Beschreibung

Die drei Komponenten

Brent Dykes beschreibt die Technik in Effective Data Storytelling als die Überlappung dreier Dinge: Daten, einer Erzählung und Visualisierungen. Er benennt jede Überlappung zweier Komponenten nach dem, was das Paar leistet; ebenso gut lässt sich jedes Paar nach dem Artefakt benennen, das entsteht, wenn die dritte Komponente fehlt. Daten und Visualisierungen ohne Erzählung ergeben ein Dashboard, korrekt und abrufbar, mit dem niemand etwas anzufangen weiss. Daten und Erzählung ohne Visualisierung ergeben einen schriftlichen Bericht, den das Publikum überfliegt. Erzählung und Visualisierungen ohne Daten ergeben eine bebilderte Meinung, umso überzeugender, je besser sie gemacht ist. Data Storytelling besetzt die allen dreien gemeinsame Zone.

Die Elementliste des IIBA-Leitfadens folgt derselben Aufteilung und fügt das Publikum hinzu, das die drei anderen bestimmt.

Das Publikum entscheidet über den Rest

Der Leitfaden macht die Analyse des Publikums zur ersten Frage der Arbeit: wer den Befund erhält, auf welche Fragen diese Personen eine Antwort wollen, welche Fragen sie stellen könnten und was sie wissen müssen, um zu entscheiden. Der Detaillierungsgrad richtet sich nach dieser Antwort, von der einzelnen Zahl bis zur Annahmentabelle. Das Format legt den Grad der Formalität fest, den Ton und die Menge an zulässigem Fachvokabular. Die Beziehung entscheidet darüber, was der Analyst sagen darf: Der Leitfaden hält fest, dass eine anerkannte Fachperson die nächsten Schritte vorschreibt, während ein Einsteiger sich darauf beschränkt, Ansätze vorzuschlagen. Die Adressaten zu bestimmen und zu beschreiben, gehört zur Stakeholderliste, Stakeholder-Map oder Personas.

Cole Nussbaumer Knaflic reduziert diese Festlegungen in Storytelling with Data auf zwei Fragen, die vor jeder Zeichnung stehen: an wen man sich richtet und was diese Personen wissen oder tun sollen. Eine vage Antwort auf die zweite ergibt eine Präsentation, die alles zeigt und nichts verlangt.

Die Erzählung trägt, was die Visualisierung nicht zeigt

Ein knappes Dashboard lässt den grössten Teil der Analyse weg. Die Erzählung holt einen Teil dieses verworfenen Materials zurück: die Begründung der Einbrüche und Spitzen, gewonnen aus ihrer Verknüpfung mit datierten Vorfällen oder Ereignissen, und den Geschäftskontext, der sagt, warum die Bewegung zählt. Eine Kurve zeigt, dass der Wiederkauf im März zurückgegangen ist. Die Erzählung sagt, dass sich das Anmeldeverfahren im März geändert hat, was in keinen Systemdaten steht, weil die Information in einem Sitzungsprotokoll liegt.

Der Leitfaden beschreibt ihre Form: eine Eröffnung, die den Kontext setzt und die beteiligten Elemente vorstellt, einen Mittelteil, der um Erfolge und Schwierigkeiten gebaut ist, einen Schluss, der die Lehren liefert. Der Leitfaden führt ihre Wirkung auf den emotionalen Anteil der Entscheidung zurück, den validierte Ergebnisse allein auslassen, und schreibt ihr zu, mehr Hirnareale zu aktivieren als eine sachliche Berichterstattung. Er belegt diese zweite Aussage mit keiner Studie.

Die Visualisierung muss den Hauptbefund schnell liefern. Der Leitfaden ordnet diesem Ziel vier Entscheidungen unter. Die Darstellungsart wird nach den gezeigten Daten gewählt; die Farbgebung wirkt über den Kontrast, eine Akzentfarbe auf der einzigen Datenreihe, die die Botschaft trägt, und Grau für die übrigen. Die Grösse von Text und Elementen richtet sich nach deren Bedeutung, und die Position steuert die Blickführung. Die Einzelheiten dieser Entscheidungen gehören zu den technischen Visualisierungen; was Data Storytelling hinzufügt, ist die Regel der Unterordnung, eine Visualisierung für eine Botschaft.

Das Vorgehen

Den Hauptbefund in einem Satz schreiben, mit seiner Zahl, vor jeder Gestaltung. Ein Satz, der nicht auf eine Zeile passt, zeigt einen noch unscharfen Befund oder zwei vermischte Befunde an.

Den Adressaten und die erwartete Entscheidung benennen. Der Adressat ist eine bestimmte Funktion, die Geschäftsleitung oder die Leiterin des Treueprogramms. Die erwartete Entscheidung wird als datierte Handlung geschrieben.

Die Befunde sortieren, denn die Analyse bringt weit mehr davon hervor, als die Erzählung tragen wird. Der Leitfaden trennt die primären Befunde, die die eingangs gestellten Forschungsfragen direkt beantworten, von den sekundären Befunden, die Kontext oder Begründung liefern. Die ersten gehen ins Dashboard und in die Erzählung. Die zweiten dürfen in der Erzählung bleiben und fallen aus der Visualisierung. Der Rest fällt weg, in Anwendung des Prinzips der Knappheit, das der Leitfaden formuliert. Diese Sortierung geht dem Bau der Visualisierungen voraus: Die umgekehrte Reihenfolge führt dazu, ein Diagramm zu behalten, weil es zwei Stunden gekostet hat.

Pro primärem Befund eine Visualisierung wählen und ihr die Botschaft als Titel geben statt der Achsenbezeichnungen. "Der Wiederkauf der an der Kasse geworbenen Mitglieder hat seit März fünfzehn Punkte verloren" sagt mehr als "Wiederkauf innert 90 Tagen nach Anmeldekanal".

Den Geschäftskontext schreiben, der jede beibehaltene Bewegung erklärt. Dieser Schritt verlässt die Daten: Verfahrensänderungen, Kampagnen, Vorfälle und Entscheidungen findet man bei den Personen, die sie erlebt haben.

Ordnen, dann kürzen. Der Leitfaden erinnert daran, dass eine unzusammenhängende Reihenfolge das Publikum verliert und dass ein Satz, der nichts beiträgt, gestrichen wird. Der letzte Schritt ist eine Durchsicht, deren einziger Zweck das Streichen ist.

Die Fallen

Die selektive Erzählung

Der Leitfaden zählt sie zu seinen Grenzen: Wenn ein Bias oder ein persönliches Interesse die Erzählung steuert und nur die Daten gezeigt werden, die in seine Richtung weisen, wird das Publikum getäuscht. Die Falle gehört zur Technik: Die Mittel, die einen wahren Befund einprägsam machen, machen einen verzerrten Befund ebenso einprägsam, und das angesprochene Publikum ist naturgemäss dasjenige ohne Zugang zu den Daten. Die Verzerrung kann auch unabsichtlich sein, wenn eine Erzählung einen noch fragilen Befund glaubwürdig macht, den man vor der Sitzung hätte erhärten müssen. Zwei Kontrollen kosten nichts. Nennt die Erzählung, was ihrer Schlussfolgerung widerspricht, sofern solche Daten vorliegen? Hat jemand, der an der Analyse mitgewirkt hat, die präsentierte Fassung gegengelesen?

Die Korrelation, als Ursache erzählt

Die Erzählung verknüpft einen Einbruch mit einem datierten Ereignis, und das Publikum hört eine Ursache. Die Kurve geht im März zurück; das Verfahren hat sich im März geändert; der Schluss stellt sich im Raum von selbst ein, ohne dass ihn jemand ausgesprochen hätte. Das Mittel dagegen liegt im Vokabular und in dem, was es begleitet: sagen, dass die Zeitpunkte zusammenfallen, die anderen Erklärungen nennen und angeben, womit sie ausgeschlossen wurden, dann einen A/B-Test ankündigen, wenn die Frage eine Entscheidung verdient.

Eine Erzählung, die länger ist als die verfügbare Aufmerksamkeit

Eine geschwätzige Erzählung begräbt die Botschaft, und die lange Fassung ist diejenige, die zuerst geschrieben wird. Die Beschränkung wird im Voraus gesetzt: eine Anzahl Minuten, eine Anzahl Bildschirmseiten, ein Hauptbefund.

Eine Qualität, die vom Verfasser abhängt

Der Leitfaden zählt zu seinen Grenzen, dass narratives Schreiben ein Handwerk ist und dass die Wirkung der Erzählung von den Fähigkeiten dessen abhängt, der sie verfasst. Eine Vorlage für den Erzählplan und ein Gegenlesen unter Analysten holen den grössten Teil des Abstands auf.

KI-Betrachtungen

Die erste nützliche Anwendung ist das Verfassen einer ersten Fassung der Erzählung aus den bereits sortierten Befunden: Die Zahlen sind gegeben, die Struktur ist vorgegeben und das Modell liefert einen Text zum Korrigieren statt eine leere Seite. Danach kommt das Umschreiben für ein bestimmtes Publikum: Länge, Vokabular und Detaillierungsgrad ändern sich gemeinsam, eine mechanische Arbeit, die das Modell schnell erledigt. Das Modell schlägt auch mehrere Formulierungen für den Titel jeder Visualisierung vor, während man sonst bei der erstbesten stehen bleibt.

Die letzte Anwendung ist eine Kontrolle statt einer Produktionshilfe. Die fertige Erzählung einem Modell vorlegen und fragen, welche Entscheidung es treffen und welche Einwände es erheben würde, prüft, ob die Botschaft einen Leser erreicht, der das Dossier nicht kennt. Geht die Antwort daneben, ist die Erzählung vor der Sitzung zu überarbeiten.

Zwei Grenzen bleiben. Der Geschäftskontext steht nicht in den Daten. Nach der Ursache eines Einbruchs gefragt, liefert ein Modell eine plausible Erklärung, während die Technik eine belegte verlangt. Die zweite Grenze ist, dass die selektive Erzählung billiger wird: Ein Modell, das eine Schlussfolgerung verteidigen soll, wird sie verteidigen, mit gepflegter Prosa und der dazugehörenden Datenauswahl. Die Kontrolle des Gegenlesens gilt zuerst für so entstandene Texte.

Beispiele

Eine Westschweizer Detailhandelskette mit vierzehn Filialen verfolgt den Wiederkauf der Mitglieder ihres Treueprogramms. Die Analyse hat die an der Kasse geworbenen Mitglieder mit den in der Mobile-App geworbenen verglichen. Der Erzählplan unten ist das, was der Analyst der Geschäftsleitung vorlegt.

Die Sortierung vor diesem Plan hat mehr Material verworfen, als sie behält. Die Stabilität der Altersstruktur ist aus dem Dossier gefallen, geprüft und ohne Wirkung auf die Entscheidung. Die Gleichmässigkeit des Rückgangs über die vierzehn Filialen ist in der Erzählung geblieben, ohne zur Kurve zu werden, weil sie eine lokale Ursache ausschliesst und niemand sie sehen will. Vier Botschaften bleiben von einer Analyse, die rund zwanzig Befunde hervorgebracht hatte.

Das Dashboard zeigte die ersten beiden Botschaften seit März an, und niemand hatte sich bewegt. Die Geschäftsleitung entschied in zwanzig Minuten: Die Angabe der E-Mail-Adresse wird bei der Anmeldung an der Kasse wieder obligatorisch, mit Versand des Willkommensgutscheins per SMS an die seit März eingeschriebenen Mitglieder. Das Gremium verwies eine Frage an einen A/B-Test in drei Filialen: ob der Rückgang am fehlenden Gutschein oder an einem anderen Kundenprofil liegt. Die Ursache, die Bezifferung und die zu entscheidende Option standen in keinen Daten.

Visualisierungen

Zwei Dinge verlangen eine grafische Form. Die Überlappung der drei Komponenten wird gezeichnet, weil es darum geht, was jede Schnittzone ergibt. Die Arbeitsraster werden als Tabellen geschrieben: Der Erzählplan trägt einen Moment pro Zeile, die Sortierung der Befunde eine Bestimmung pro Befund.

Die Visualisierungen der Erzählung selbst gehören zu den technischen Visualisierungen. Storyboarding liefert den Papierentwurf des Erzählplans, bevor das Werkzeug geöffnet wird.

Aufwand

Werkzeuge

Papier oder Whiteboard bleibt das erste Werkzeug: Der Erzählplan steht in vier Zeilen, bevor überhaupt etwas geöffnet wird, und ein Plan, der in einem Visualisierungswerkzeug entsteht, richtet sich nach den Diagrammtypen, die das Werkzeug beherrscht.

Die Visualisierungsplattformen tragen die Erzählung von Haus aus: Tableau reiht Ansichten zu dem, was es eine Story nennt, Power BI verbindet Lesezeichen und Narration, um eine kommentierte Zustandsfolge festzuhalten, Qlik Sense bietet denselben Mechanismus unter dem Namen Data Storytelling. Sie haben den Vorteil, die Verbindung zur Datenquelle zu halten und damit eine Aktualisierung der Zahlen zu überleben, und den Nachteil, zu einer Kette von Diagrammen zu drängen, obwohl der Geschäftskontext Text ist.

Die Präsentationssoftware zusammen mit der Tabellenkalkulation bleibt der Ort, an dem die Aufbereitung am häufigsten entsteht, mit ihrer Kehrseite: Die Zahlen sind im Moment des Kopierens eingefroren und die präsentierte Fassung lässt sich der Abfrage, die sie erzeugt hat, nicht mehr zuordnen.

Notebooks (Jupyter, Quarto, R Markdown) passen, wenn das Publikum technisch ist oder wenn die Aufbereitung in jeder Periode neu abgespielt werden muss: Text, Code und Diagramme leben in einer einzigen versionierten Datei. Die Narrationsgeneratoren, etwa das Visual Intelligentes Narrativ von Power BI, schreiben den beschreibenden Kommentar zu einem Diagramm. Sie beschreiben, was die Kurve tut, nie warum sie es tut.

Quellen

• IIBA, Guide to Business Data Analytics, §3.7 Data Storytelling: die Definition, die sechs Prinzipien, die vier Elemente (Publikum, Erzählung, Visualisierung, Storytelling), die Unterscheidung zwischen primären und sekundären Befunden, die Stärken und die Grenzen.
• Brent Dykes, Effective Data Storytelling: How to Drive Change with Data, Narrative and Visuals, Wiley, 2019: das Modell der drei Komponenten, Daten, Erzählung und Visualisierungen.
• Cole Nussbaumer Knaflic, Storytelling with Data: A Data Visualization Guide for Business Professionals, Wiley, 2015: die Gestaltung der Visualisierungen vom Publikum her, das Entrümpeln und die Regel einer Botschaft je Visualisierung.