Data Storytelling im Überblick

Unternehmen generieren heute mehr Daten als je zuvor. Wenn diese Daten jedoch nicht klar und effektiv kommuniziert werden, können sie nur schwerlich als Grundlage für strategische Entscheidungen herangezogen werden. Data Storytelling unterstützt Teams bei der Interpretation komplexer Kennzahlen durch Kontext und Sinn und macht aus Analysen echte Erkenntnisse.

Ob Sie nun eine Präsentation vor Führungskräften oder interdisziplinären Teams halten: Mit Storytelling werden Ihre Erkenntnisse ansprechender und leichter zugänglich. Storytelling macht also die Daten nicht nur sichtbar, sondern erklärt auch, was sie wirklich bedeuten.

Kernkomponenten im Data Storytelling

Mit Data Storytelling verwandeln Sie Fakten und Zahlen in aussagekräftige, einprägsame Erkenntnisse, die dann zum Handeln anregen. Es geht dabei nicht nur darum, Diagramme und Zahlen zu präsentieren. Zuverlässige Daten werden zu einer überzeugenden Erzählung mit ansprechender visueller Aufarbeitung, die speziell auf Ihre Zielgruppe zugeschnitten ist. Die wirksamsten datengestützten Storys bestehen aus definierten Bausteinen, die jeweils eine wichtige Rolle dabei spielen, dass Menschen verstehen, was vor sich geht, welche Bedeutung es hat und was als Nächstes zu tun ist. Nachfolgend finden Sie die grundlegenden Komponenten für jede erfolgreiche datengestützte Story.

Holen Sie das Maximum aus Ihren Daten

Datengestütztes Storytelling sollte (soweit wie möglich) auf zuverlässigen und vollständigen Daten basieren. Das mag auf der Hand liegen, stellt aber oft eine Herausforderung dar, weil die Daten über verschiedene Länder, Geschäftsbereiche und Abteilungen verteilt sind. Mit dem Aufkommen neuer Datenquellen wie IIoT nimmt das Datenvolumen weiter zu. Wenn Unternehmen in der Datenflut geradezu ertrinken – was auf die allermeisten zutrifft –, schaffen Datenmanagementlösungen Abhilfe.

Erzählen Sie eine Geschichte

Im Laufe der Geschichte hat der Mensch schon immer Informationen durch Storytelling vermittelt. Auch das datengestützte Storytelling folgt einem klassischen narrativen Handlungsstrang (oder Handlungsbogen), der aus Anfang, Mitte und Ende besteht. Das Narrativ sollte aufzeigen, welche Erkenntnisse die Daten liefern, den Kontext verdeutlichen und mögliche Maßnahmen vorschlagen. Data-Storytelling-Software nutzt ERP-Plattformen. Hierbei sind verschiedene Arten der Datenanalyse integriert (deskriptiv, diagnostisch, vorausschauend, präskriptiv), um die relevantesten und überzeugendsten Daten für eine bestimmte Geschichte zu ermitteln.

Nutzen Sie visuelle Darstellungen

Eine gute Visualisierung veranschaulicht Datenbeziehungen so, dass die Zielgruppe sie schnell erfassen und nutzen kann, um potenzielle Folgen zu erkennen. Obwohl gängige Software für Tabellenkalkulationen und Visualisierung in der Lage ist, Diagramme, Karten und Grafiken zu generieren, sind es die Geschichten hinter diesen Grafiken, die den nötigen Kontext und die Bedeutung liefern. Ein Bild sagt mehr als tausend Worte: Es sagt soviel wie Tausende von Excel-Zeilen.

Achten Sie auf Ihre Zielgruppe

Der Effekt einer datengestützten Story hängt davon ab, wie gut sie bei der Zielgruppe ankommt. Eine Präsentation für Führungskräfte kann sich z. B. genauer mit den Auswirkungen auf das Geschäft und die nächsten Schritte beschäftigen, während es bei einer Präsentation für Analysten möglich ist, tiefer in Datenannahmen oder Berechnungen einzutauchen. Wenn Sie die Ziele, Verantwortlichkeiten und Daten-Kenntnisse Ihrer Zielgruppe kennen, können Sie die Story entsprechend anpassen und entscheiden, wie tief Sie ins Thema einsteigen, welche Terminologie Sie verwenden und welchen Ton Sie anschlagen. Je besser die Story passt, desto größer die Wirkung.

Zeigen Sie Handlungswege auf

Jede wirkungsvolle Daten-Story sollte zu einem klaren Ergebnis führen. Ob es sich um eine strategische Entscheidung, operative Anpassungen oder eine Richtlinienänderung handelt, Storytelling dient immer der Unterstützung einer Handlung.

So motivieren Sie zum Handeln:

• Sprechen Sie am Ende eine spezifische Empfehlung aus.
• Verbinden Sie Schlussfolgerungen direkt mit Geschäftszielen.
• Antizipieren Sie Fragen oder Einwände und halten Sie die entsprechenden Daten bereit.

Auch die spannendste Geschichte läuft ins Leere, wenn kein nächster Schritt benannt wird. Erst die Kombination mit Handlungsmöglichkeiten und Maßnahmen gibt Daten ihren Sinn und Sie können sicherstellen, dass Ihre Story etwas bewegt.

Warum Data Storytelling wichtig ist

Data Storytelling verändert die Art und Weise, wie Unternehmen Erkenntnisse kommunizieren, und macht komplexe Analysen leichter verständlich. Dadurch steigt die Wahrscheinlichkeit, dass reale Maßnahmen ergriffen werden. Die richtige Story gibt Daten eine Struktur und Bedeutung und hilft Zielgruppen, nicht nur zu verstehen, was die Zahlen zeigen, sondern auch, welche Relevanz sie für das Unternehmen haben.

Die Wirksamkeit einer datengestützten Story hängt davon ab, wie genau und konsistent die zugrundeliegenden Informationen sind. Mit einer hohen Datenqualität stellen Sie sicher, dass die Erkenntnisse verlässlich sind und Sie über reale Gegebenheiten entscheiden – ganz ohne Mutmaßungen. Sie können Storys verfassen, die bessere Entscheidungen ermöglichen, Vertrauen schaffen und das Unternehmen voranbringen.

Gutes Data Storytelling:

• schafft Vertrauen und Transparenz in allen Teams
• zeigt die Zusammenhänge von Ursache und Wirkung in verschiedenen Szenarien
• unterstützt nicht-technische Stakeholder bei der Interaktion mit Daten
• sorgt für eine schnellere, besser abgestimmte Entscheidungsfindung

Ein Beispiel: Ein Beschaffungsteam visualisiert die Lieferantenausgaben im Jahresvergleich gemeinsam mit den Lieferverzögerungen. Das begleitende Narrativ verknüpft die Daten mit potenziellen Risiken in der Lieferkette und veranlasst Anpassungen der Beschaffungsstrategie, bevor Probleme eskalieren.

Storytelling erklärt nicht nur, was gerade los ist, es hilft auch, zu verstehen, warum etwas passiert und was als nächstes ansteht.

Beispiele aus dem Data Storytelling

Data Storytelling wird branchen- und rollenübergreifend eingesetzt, um die Kommunikation zu vereinfachen, Schlussfolgerungen hervorzuheben und bessere Entscheidungen zu treffen. Im Folgenden finden Sie einige Beispiele dafür, wie und in welchen Bereichen Unternehmen Data Storytelling heute anwenden:

• Nachhaltigkeit: Ein Fertigungsunternehmen verfolgt die Emissionsdaten an jedem seiner Standorte und gleicht sie mit den gesetzlichen Zielen ab, sodass Führungskräfte Lücken erkennen und Investitionen in saubere Technologien priorisieren können.
• Lieferkette: Ein globaler Einzelhändler kombiniert Bestands- und Logistikdaten, um zu zeigen, wo Lieferverzögerungen den Umsatz am ehesten beeinflussen. Die Story wird damit zur Grundlage für eine Backup-Beschaffungsstrategie.
• Personalplanung: HR visualisiert neben der Einarbeitungszeit für neue Mitarbeitende Abwanderungstrends und hilft Führungskräften, Qualifikationslücken zu antizipieren und Einstellungspläne anzupassen, bevor die Produktivität nachlässt.
• Vertriebsleistung: Ein regionales Vertriebsteam analysiert Daten auf Gebietsebene, um festzustellen, in welchen Bereichen die Quoten unterschritten werden. Die Visualisierung macht deutlich, wie Ergebnisse von der Vertriebsabdeckung und den Aktivitäten zur Kundenbindung beeinflusst werden.

Diese Beispiele zeigen, wie richtig aufbereitete Daten Maßnahmen im gesamten Unternehmen fördern können.

Data Storytelling und moderne Analysen

Technologische Fortschritte bei der Analyse verändern die Art und Weise, wie Daten-Storys erstellt und geteilt werden. Heutige Plattformen nutzen KI, Automatisierung und Verarbeitung natürlicher Sprache (NLP), um das Storytelling im gesamten Unternehmen zu vereinfachen und zu skalieren.

Mit modernen Tools können Teams heute:

• Überschriften, Zusammenfassungen oder Insights über Dashboards automatisch generieren
• Anomalien, Trends oder wichtige Korrelationen mithilfe von KI erkennen
• Datenansichten und Narrative nach Rolle, Region oder Geschäftsfunktion anpassen
• auch ohne besondere technische Fähigkeiten relevante Einblicke erhalten

Dank dieser Innovationen können Unternehmen das Data Storytelling demokratisieren, sodass immer mehr Personenkreise Daten interpretieren und fundierte Maßnahmen ergreifen können – ohne auf spezialisierte Teams angewiesen zu sein.

Ein einfacher Prozess für wirksames Data Storytelling

Auch wenn jede datenbasierte Story einzigartig ist, trägt ein konsistenter Prozess dazu bei, Klarheit, Struktur und Relevanz für das Geschäft sicherzustellen. So sollte Ihr Framework für das Storytelling aussehen:

1. Definieren Sie Ihre Zielgruppe
   Mit wem sprechen Sie? Welche Entscheidungen muss Ihre Zielgruppe treffen? Hier beginnt die individuelle Anpassung der Botschaft.
2. Analysieren Sie Ihre Daten Identifizieren Sie Trends, Ausreißer oder Vergleiche, die für Ziele oder Herausforderungen Ihrer Zielgruppe eine Rolle spielen.
3. Nutzen Sie Visualisierungen
   Binden Sie Diagramme, Grafiken oder Dashboards ein, um Erkenntnisse zu verdeutlichen. Vermeiden Sie unübersichtliche Darstellungen und achten Sie auf Relevanz.
4. Bauen Sie Ihre Erzählung geschickt auf
   Strukturieren Sie die Story logisch. Erläutern Sie, was die Daten zeigen, warum sie wichtig sind und was sich verändert.
5. Testen und verfeinern Sie
   Testen Sie Ihre Story vor einem Testpublikum. Ist die Geschichte ansprechend erzählt? Sind die visuellen Darstellungen verständlich? Nehmen Sie bei Bedarf Anpassungen vor.
6. Präsentieren Sie und bleiben Sie am Ball
   Stellen Sie Ihre Story im Kontext vor, fragen Sie nach Feedback, beantworten Sie Fragen und verfolgen Sie die Ergebnisse.

Dieser Prozess hilft Ihnen, Daten aus statischen Dashboards für strategische Entscheidungen nutzbar zu machen und Erkenntnisse unternehmensweit in Maßnahmen umzusetzen.

Data Storytelling vs. Datenvisualisierung

Obwohl sie eng miteinander verwandt sind, dienen Data Storytelling und Datenvisualisierungen unterschiedlichen Zwecken:

• Bei der Datenvisualisierung werden Informationen grafisch dargestellt, sodass Muster, Trends und Anomalien leichter erkannt werden können.
• Das Data Storytelling liefert den Kontext zu diesen visuellen Darstellungen und fügt eine Erzählung hinzu, die dem Publikum hilft, zu verstehen, was hinter den Zahlen steckt.

Hier ein Vergleich:

Data Storytelling ergänzt Visualisierungen, indem es Zusammenhänge aufzeigt, Bedeutung hingefügt und fundierte Entscheidungen unterstützt.

Frameworks für Data Storytelling

Strukturierte Storytelling-Frameworks helfen, Erkenntnisse so zu organisieren, dass sie interessant und leicht zu verstehen sind und zu Handlungen inspirieren. Im Folgenden finden Sie drei bewährte Modelle, die beim Data Storytelling häufig verwendet werden:

1. Struktur in drei Akten

Dieses Modell leitet sich aus dem klassischen Storytelling ab und unterteilt eine Geschichte in drei Teile:

• Anfang: Hier wird der Kontext definiert. Welche Fragen wollen wir beantworten?
• Mitte: Hier werden die Daten und die daraus abgeleiteten Erkenntnisse präsentiert.
• Ende: In diesem Teil werden Schlussfolgerungen und Empfehlungen ausgesprochen.

Diese Struktur hilft, Herausforderungen zu verstehen, die Nachweise zu sehen und die nächsten Schritte aufeinander abzustimmen.

2. AIDA-Modell (Aufmerksamkeit, Interesse, Wunsch, Handlung)

Das AIDA-Modell ist besonders im Marketing verbreitet und unterstützt bei Geschichten, die überzeugen sollen:

• Aufmerksamkeit: Fesseln Sie das Publikum mit einem überraschenden Einblick oder einer Frage.
• Interesse: Heben Sie hervor, warum eine Erkenntnis für das Zielpublikum wichtig ist.
• Wunsch: Zeigen Sie die Vorteile einer Veränderung oder Handlung.
• Handlung: Geben Sie Empfehlungen für die nächsten Schritte.

Das AIDA-Modell eignet sich besonders gut, wenn es um eine Transformation oder eine Verhaltensänderung geht.

3. Das Pyramidenprinzip

Diese Top-Down-Methode beginnt mit der wichtigsten Schlussfolgerung, die dann mit einer strukturierten Argumentation untermauert wird. Sie ist die ideale Methode für Präsentationen vor Führungskräften und sieht in etwa folgendermaßen aus:

• Wichtigste Erkenntnisse
• Unterstützende Argumente oder Themen
• Daten oder Nachweise zur Unterstützung der einzelnen Punkte

Das Pyramidenprinzip ist effizient und überzeugend. Das Modell entspricht der Art und Weise, wie in einem Geschäftsumfeld häufig Entscheidungen getroffen werden.

Die Auswahl des richtigen Frameworks hängt von Ihrer Zielgruppe, Ihren Zielen und Ihrem Kontext ab. Alle drei können dabei helfen, Ihre Botschaft zu verdeutlichen und Ihre Daten-Story optimal aufzubereiten.

So messen Sie den Einfluss von Data Storytelling

Data Storytelling ist nur dann von Nutzen, wenn es zu mehr Verständnis, Engagement und besseren Entscheidungen führt. Wenn Teams die Auswirkungen messen und bewerten, können Sie Ihre Arbeit verbessern und Mehrwert generieren.

Die folgenden vier Möglichkeiten können Ihrem Unternehmen zu mehr Effektivität im Storytelling verhelfen:

1. Zeit bis zur Erkenntnis

Sind Entscheidungsträger in der Lage, wichtige Erkenntnisse schneller zu erfassen? Gut strukturierte Geschichten verringern die kognitive Belastung und beschleunigen das Verständnis.

2. Entscheidungsgeschwindigkeit

Hilft Storytelling Führungskräften, schneller und souveräner zu handeln? Verfolgen Sie die Zeit, die zwischen der Präsentation und der Entscheidung vergeht.

3. Interesse

Lesen die Leute die datengestützten Storys, teilen sie sie oder reagieren sie darauf? Kennzahlen wie Öffnungsraten, Feedback oder Diskussionsaktivitäten können Interesse und Einfluss veranschaulichen.

4. Akzeptanzrate

Nutzen Stakeholder die neuen Erkenntnisse in Businessplänen, Strategien oder bei den nächsten Schritten? Die Akzeptanz kann anhand der Folgemaßnahmen zu Empfehlungen gemessen werden.

Wenn Storytelling zu schnelleren, intelligenteren Maßnahmen führt, werden die Auswirkungen auf das Geschäft deutlich.

Best Practices und häufige Fehler

Data Storytelling ist am effektivsten, wenn die Storys eindeutig, relevant und auf die Geschäftsziele abgestimmt sind. Hier erfahren Sie, wie Sie am besten vorgehen und was Sie vermeiden sollten.

Best Practices

• Starten Sie mit der Zielgruppe. Passen Sie die Story an ihre Ziele, ihren Kontext und ihre Datenkenntnisse an.
• Konzentrieren Sie sich auf eine Erkenntnis und halten Sie Ihre Botschaft kurz. Eine klare Erkenntnis ist besser als fünf konkurrierende Punkte.
• Verwenden Sie visuelle Darstellungen mit Bedacht. Suchen Sie Grafiken aus, die Dinge klarstellen und nicht nur zur Auflockerung der Präsentation dienen. Vermeiden Sie unnötige Komplexität. Informationen sollten schnell und einfach zu erfassen sein.
• Liefern Sie Kontext, indem Sie die Daten in einen Zusammenhang mit Zeiträumen, Benchmarks und Geschäftszielen setzen. So helfen Sie Ihren Zuhörern, zu verstehen, warum die Daten wichtig sind.
• Fügen Sie immer eine Empfehlung hinzu. Eine gute Story regt zum Handeln an. Lassen Sie Ihre Zuhörerschaft nicht mit dem Gefühl zurück, nicht zu wissen, wie es jetzt weitergeht.

Häufige Fehler

• Zu viele Daten, zu wenig Informationen. Die Daten sollten Ihre Zuhörer nicht überfordern. Kuratieren Sie die Daten vielmehr, um genau die Story zu erzählen, die Ihre Zielgruppe hören soll.
• Unklare oder irreführende visuelle Darstellungen können zu Missverständnissen führen. Vermeiden Sie Verzerrungen und unübersichtliche oder unpassende Diagrammtypen.
• Wenn der rote Faden fehlt, wird es schnell langweilig oder uninteressant. Rohdaten und ein paar visuelle Darstellungen reichen nicht aus. Ihre Aufgabe ist es, das Publikum mit einer übergreifenden Storyline durch die Erkenntnisse zu führen.
• Die Frage, die die Zielgruppe beantwortet haben möchte, wird ignoriert. Wenn die Story nicht hilft, die Frage nach den nächsten Schritten zu beantworten, ist sie unvollständig.

Die Anwendung von Best Practices stellt sicher, dass Ihre Storys informativ, relevant und handlungsorientiert sind. Wenn Sie die Informationen in verdaulichen Häppchen bereitstellen, ist es wahrscheinlicher, dass die Zielgruppe immer wieder auf die Inhalte zugreift und Erkenntnisse umsetzt.

FAQs