Eine Reise in die Vergangenheit: Was uns die Geschichte zum Einsatz von Dashboards lehrt
Der Einsatz von Dashboards in Unternehmen ist heutzutage allgegenwärtig. Diese liegen in verschiedensten Formen, Formaten und Qualitätsstufen vor.
Die Umsetzung reicht von einfachen Excel-Tabellen, die wichtige Geschäftskennzahlen monitoren, bis hin zu aufwändigen Datenvisualisierungen mit dedizierten Tools (z.B. Tableau). Den Möglichkeiten bei der Darstellung sind kaum noch Grenzen gesetzt. Durch eine Vielzahl an Diagrammarten, Karten und Filtermöglichkeiten können hoch individualisierte und interaktive Dashboards erstellt werden. Komplexe Sachverhalte und Zusammenhänge können dem Betrachter zielgerecht und informativ aufbereitet werden. Dieses hohe Maß an Einsicht in die Daten ermöglicht es Entscheidungsträgern in Unternehmen, Antworten auf spezifische Fragen zu finden und basierend darauf bestmöglich zu entscheiden.
Doch warum visualisieren wir Daten überhaupt? Um Probleme und Situationen zu analysieren – es geht darum, ein Verständnis für einen Sachverhalt aufzubauen und geeignete Handlungsalternativen abzuleiten. Häufig beleuchten Dashboards monetäre Kennzahlen, oder Kennzahlen, die sich zumindest auf monetäre Werte auswirken. Ein Dashboard hatte sogar die Superkraft Leben zu retten…
Der Cholera Ausbruch und wie die Sammlung von Daten erste Leben rettete
Soho (London) 1854, eine Cholera-Epidemie hat die Welt fest im Griff. Hier forscht der Mediziner John Snow schon seit Jahren an Cholera. Und er hat eine Vermutung: Snow nimmt an, dass es sich um eine bakteriell übertragbare Krankheit handelt, beispielsweise über Wasser. Allerdings möchte ihm kaum jemand Glauben schenken. Das Konzept von Krankheiten, die mittels Bakterien übertragen werden, ist zum damaligen Zeitpunkt nicht bekannt. Stattdessen glaubt man an ein Miasma, eine krankheitsverursachende Materie, die durch faulige Prozesse in Luft und Wasser entsteht. Die Stadt war völlig überfüllt, Fäkalien wurden einfach auf die Straße geschüttet – ein perfekter Nährboden für Krankheiten.
Als Ende August ein Baby, in der Broad Street 40 an Cholera erkrankt, gibt es die Gewissheit: Die Epidemie hat auch Soho erreicht. Innerhalb von wenigen Tagen versterben über 600 Menschen an der Krankheit. John Snow wittert seine Chance, die Welt von seiner Hypothese zu überzeugen. Er geht an die Broad Street und beginnt Daten zu Todesfällen zu sammeln, indem er Überlebende, Anwohner und Angehörige von Todesopfern befragt. Dabei fällt ihm eine Sache auf: Viele Erkrankten hatten zuvor aus demselben Brunnen getrunken. Das Brunnenwasser fiel jedoch nicht durch einen schlechten Geschmack auf und auch eine entnommene Wasserprobe schien „sauber“ zu sein. Noch am Abend des 07.09.1854 sucht Snow die Verantwortlichen der Stadt auf und empfiehlt die sofortige Schließung des Brunnens. Diese kommen seinem Wunsch nach und entfernen den Hebel an der Wasserpumpe.
Ein Dashboard setzt einen Meilenstein in der Epidemiologie
Wie sich später herausstellen sollte, waren durch einen Konstruktionsfehler mit Cholera-Bakterien kontaminierte Fäkalien in das Brunnenwasser gesickert. Und auch wenn durch die Schließung des Brunnens der lokale Ausbruch eingedämmt werden konnte, glaubt die Öffentlichkeit immer noch nicht an Snows Theorie. Doch Snow hat eine Idee. Er zieht eine weitere Datenquelle heran: Bekannte, die in Soho leben und aufgewachsen sind, können zuordnen, welcher Verstorbene wo wohnte. Dadurch gelingt es ihm, die Todesfälle mit Orten zu mappen und auf einer Karte einzuzeichnen.
Zusätzlich zeichnet er alle Brunnen im Umfeld (roter Kreis) und den Brunnen in der Broad Street (rotes Kreuz) ein. Anhand von Entfernungen und der Zugänglichkeit von diversen Straßen grenzt Snow anschließend einen Bereich ein, in dem der Brunnen in der Broad Street der nächstgelegene bzw. der am bequemsten zu erreichende ist.
Durch diese Art der Visualisierung kann Snow bereits der Theorie des Miasmas entgegenwirken, da dieses angeblich in Form einer Wolke auftritt. Somit müssten die Todesfälle entsprechend einer Wolke über die Stadt verteilt sein. Dieser Darstellungsform ist allerdings deutlich zu entnehmen, dass die Anzahl der Tode mit dem Standort des Brunnens in Verbindung steht. Jedoch zeigt die Karte auch Ausreißer in den Daten. Diese drohen Snows eigene Theorie zu entkräften. Am Haus der Arbeit (grün 1), einer sozialen Einrichtung, und der Brauerei (grün 2) gab es kaum Fälle von Cholera, obwohl diese in unmittelbarer Nähe des Brunnens liegen. Außerdem kam es in einem weiter außerhalb gelegenen Stadtteil von London ebenfalls zu zwei Todesfällen durch Cholera. Also forscht Snow nach. Schnell stellt sich heraus, dass das Haus der Arbeit über eine eigene Wasserquelle verfügt. Dadurch hatte kaum jemand aus dem Brunnen in der Broad Street getrunken. Im Fall der Brauerei lässt sich die geringe Anzahl der Erkrankten durch das Bier erklären. Die Mitarbeiter tranken während ihrer Arbeitszeit fast ausschließlich das dort produzierte Bier und blieben somit größtenteils von der Epidemie verschont. Bei den zwei Toten außerhalb Sohos konnte schnell festgestellt werden, dass diese zuvor von einem Familienmitglied aus der Broad Street besucht wurden, das das kontaminierte Wasser bei sich hatte. Durch die Erklärung der Ausreißer in den Daten kann Snow diese als Gegenargument zu seiner Hypothese entkräften und zugleich seine eigene Theorie weiter stützen.
Mit seinen wertvollen Erkenntnissen konnte Snow damals nicht nur kurzfristig viele Menschenleben retten, sondern auch einen Meilenstein in der Epidemiologie setzen. Weg vom Mythos des Miasmas hin zum Verständnis von Viren, Bakterien und der Wichtigkeit von Hygiene bei der Eindämmung von Krankheiten.
Dashboard damals und heute: Was können wir noch lernen?
Die Geschichte zeigt uns, dass es nicht nur wichtig ist Daten zu sammeln. Ein Mehrwert entsteht erst dann, wenn diese in einer gut lesbaren und interpretierbaren Darstellungsform visualisiert sind. Die richtig gewählte Darstellung ermöglicht es, ein gewisses Verständnis aufzubauen und Muster zu erkennen. Diese geringfügige Anpassung transformiert einen schlecht lesbaren Datensatz zu einer intuitiv verständlichen Karte und macht das Problem greifbar.
In den meisten Fällen ist es so, dass sich ein Datensatz auf viele Arten verständlich abbilden lässt. Je nach gewählter Darstellungsform lassen sich verschiedene Kennzahlen, Verhältnisse und Muster mal mehr und mal weniger gut herauslesen. Bei der Wahl eines Diagrammtyps muss man sich im Klaren sein, welche Daten und Anhängigkeiten man zu welchem Zweck hervorheben möchte und welche Fragstellungen man letztendlich damit beantworten will.
Ein Beispiel hierfür ist die Verwendung eines Kuchendiagramms. Es ist erwiesen, dass das menschliche Gehirn Längen deutlich besser miteinander vergleichen kann als Winkel. Ein solches Diagramm wäre eine gut geeignete Darstellungsform, wenn ein Datensatz wenige Kategorien beinhaltet und man wissen möchte, wie groß der Anteil einer Kategorie an der Gesamtheit ist. Möchte man hingegen konkrete Werte miteinander vergleichen, ist die Verwendung eines Balkendiagrams ratsam. Je nach Anwendungsfall würde man gestapelte Balken, überlappende Balken oder eine der vielen anderen Variationen bevorzugen. Weitere wichtige Faktoren bei der Darstellung sind auch die verwendeten Farben und der generelle Aufbau des Dashboards. Dabei soll die Visualisierung möglichst simpel bleiben und nicht mit zu viel Information überladen werden. Sonst könnte der Betrachter das Wesentliche aus dem Auge verlieren. Zusammenfassend lässt sich festhalten, dass die Gestaltung des Dashboards einen großen Einfluss auf die darauf basierende Entscheidungsqualität hat. In manchen Fällen sogar erst durch eine neu gewonnene Perspektive auf die Daten zur Entscheidungsfindung befähigt.
Außerdem lernen wir aus John Snows Geschichte, dass es essenziell ist, die Daten mit ihrem Kontext umfassend zu verstehen. Während die Ausreißer in der Karte zu Beginn noch seine Theorie ins wanken bringen, führt die Erklärung ebendieser zur Stärkung seiner eigenen Hypothese. Es lohnt sich immer Ausreißer genau unter die Lupe zu nehmen. Im besten Fall lassen sich diese einfach erklären. Allerdings kann man so auch Fehler identifizieren, die bei der Erstellung des Dashboards übersehen wurden.
Ein weiterer Aspekt, den Snows Dashboard uns lehrt, ist die Aussagekraft einer guten Datenvisualisierung. Ohne die Karte hätte Snow niemals die Möglichkeit gehabt, die Leute von seinen Erkenntnissen zur Epidemie zu überzeugen. Übertragen auf die Gegenwart lässt sich festhalten, dass es deutlich einfacher ist Sachverhalte zu kommunizieren, die durch eine intuitive Visualisierung gestützt werden. So kann es gelingen, gegenüber Stakeholdern Erkenntnisse und Handlungsvorschläge nachvollziehbar und erfolgreich zu kommunizieren.
Dashboards können ihren Nutzern den Arbeitsalltag deutlich erleichtern. Daten können in unzähligen Kombinationen und Variationen dargestellt werden. Datenvisualisierung ist jedoch kein Selbstzweck. Im Zentrum steht immer das eigentliche Problem und die sich daraus ergebende Fragestellung, die man mit einem Dashboard beantworten möchte. Ein historisches Beispiel dafür liefert uns der Cholera Ausbruch 1854 in der Broad Street. In diesem Fall drehte sich alles um die Frage, wie sich das Virus lokal ausbreiteten konnte und welche Maßnahmen man ergreifen kann, um den Ausbruch zu stoppen. Entscheidend war bei der Darstellung der Todesfälle dabei nicht die Farbauswahl oder eine Animation, die das Dashboard dynamisch wirken ließ. Es war die Visualisierung als Karte, die es ermöglichte die Situation auf einer neuen Ebene zu verstehen und somit den Brunnen als Ursache der Ausbreitung der Epidemie zu identifizieren.
Gelingt es Ihnen erst einmal die Kernfrage Ihres Problems klar zu formulieren und eine geeignete Darstellungsform zu identifizieren, steht einem guten Dashboard nichts mehr im Weg.
Wollen Sie mehr über gutes Dashboarddesign erfahren? Lesen Sie unseren Leitfaden zur erfolgreichen Datenvisualisierung.
