¶Storytelling with Data

¶Der Zweck einer Datenstory

¶Was ist der Unterschied zwischen explorativen und explanativen Datenstories?

Explorative Datenstories dienen dazu, Daten zu untersuchen, Muster zu entdecken und Hypothesen zu generieren, ohne vorab klare Antworten zu suchen. Explanative Datenstories hingegen präsentieren gezielt bereits bekannte Ergebnisse, um Zusammenhänge zu erklären und eine klare Botschaft zu vermitteln.

¶In welchem Kontext eignet sich welcher Typ? Gib je ein Beispiel.

Explorative Datenstories eignen sich in der Forschung oder bei der Analyse neuer Datensätze, um unerwartete Muster oder Korrelationen zu finden, z. B. bei der Untersuchung von Kundenverhalten. Explanative Datenstories passen besser in Präsentationen oder Berichte, um spezifische Erkenntnisse klar zu kommunizieren, z. B. die Ergebnisse einer Marketingkampagne zu erklären.

Ein Beispiel von The Guardian - China's Economic Slowdown das beider explorativ wie auch explanativ ist.

¶Was sind wichtige Eigenschaften, die eine explorative Datenvisualisierung aufweist?

Das Hauptmerkmal explorativer Datenvisualisierungen ist die Offenheit und Flexibilität, die es ermöglicht, Muster, Korrelationen oder Ausreißer in den Daten zu erkennen. Während Interaktivität hilfreich sein kann, beispielsweise durch Filter oder Zoomfunktionen, ist sie nicht zwingend erforderlich. Auch statische, gut gestaltete Visualisierungen, die verschiedene Perspektiven auf die Daten bieten, erfüllen diesen Zweck.

¶Was sind wichtige Eigenschaften, die eine explanative Datenvisualisierung aufweist?

Explanative Datenvisualisierungen sind klar, zielgerichtet und fokussieren auf die Vermittlung einer spezifischen Botschaft oder Erkenntnis. Sie nutzen einfache, leicht verständliche Designs, heben zentrale Informationen hervor und vermeiden unnötige Details, um die Kernbotschaft präzise zu kommunizieren.

¶Narrative Strukturen

¶Was versteht man unter einem narrativen Muster?

Ein narratives Muster beschreibt eine wiederkehrende Struktur oder Abfolge in einer Erzählung, die hilft, Informationen verständlich und kohärent zu vermitteln. Es dient als Vorlage, um Daten, Ereignisse oder Ideen logisch aufzubauen, z. B. durch eine Problem-Lösungs- oder Ursache-Wirkungs-Struktur.

¶Gewisse narrative Muster zielen aufs Argumentieren ab, andere funktionieren über Empathie. Was ist damit gemeint? Suche je ein Beispiel für die beiden Kategorien.

Narrative Muster, die aufs Argumentieren abzielen, präsentieren logisch fundierte Fakten und Beweise, um den Leser zu überzeugen, z. B. eine Kosten-Nutzen-Analyse für eine neue Technologie. Muster, die über Empathie funktionieren, nutzen emotionale Geschichten oder persönliche Perspektiven, um eine Verbindung herzustellen, z. B. die Erzählung einer Betroffenen im Kontext des Klimawandels.

¶Hängt das narrative Muster vom Trägermedium einer Datenstory ab? Gib ein Beispiel einer Erzähltechnik, die ausschliesslich auf dem Internet funktioniert.

Ja, das narrative Muster kann vom Trägermedium abhängen, da unterschiedliche Medien spezifische Möglichkeiten und Einschränkungen bieten. Eine Erzähltechnik, die ausschließlich im Internet funktioniert, ist das scrollytelling: Hierbei werden Daten und Inhalte dynamisch beim Scrollen durch Animationen, interaktive Diagramme oder visuelle Übergänge präsentiert, was in gedruckten oder statischen Medien nicht möglich ist.

¶Gütekriterien

¶Wie viele verschiedene Arten von Charts gibt es? Schreib alle Charttypen auf, die du kennst.

• Balkendiagramm (Bar Chart): Ein horizontales Diagramm, das Werte durch die Länge von Balken darstellt. Gut für den Vergleich von Kategorien.
• Säulendiagramm (Column Chart): Ein vertikales Diagramm, das Werte durch die Höhe von Säulen darstellt. Nützlich für Trends über Zeit.
• Liniendiagramm (Line Chart): Ein Diagramm, das Datenpunkte mit einer Linie verbindet, ideal zur Darstellung von Trends über Zeit.
• Punktdiagramm (Scatter Plot): Ein Diagramm, das Datenpunkte in einem 2D-Raum anordnet, um Zusammenhänge zwischen zwei Variablen zu zeigen.
• Tortendiagramm (Pie Chart): Ein runder Chart, mit dem man Prozentzahlen oder Teile eines Ganzen visualisieren kann.
• Histogramm: Zeigt die Häufigkeitsverteilung von Werten durch benachbarte Säulen. Gut für statistische Analysen.
• Boxplot: Visualisiert Verteilungen, Median, und Ausreißer einer Datengruppe in einem kompakten Format.
• Heatmap: Ein Farbschema, das Intensitäten oder Werte in einer Matrix oder geografischen Karte visualisiert.
• Bubble Chart: Eine Erweiterung des Punktdiagramms, bei dem die Größe der Punkte eine zusätzliche Dimension darstellt.
• Violinplot: Kombiniert Boxplot und Dichteplot, um Verteilungen detailliert darzustellen.
• Candlestick Chart: Ein Diagramm aus der Finanzanalyse, das Preisbewegungen über Zeit (Hoch, Tief, Eröffnung, Schluss) zeigt.
• Tree Diagram: Visualisiert hierarchische Daten in einer baumartigen Struktur mit Zweigen und Knotenpunkten.
• Timeline: Stellt Ereignisse oder Datenpunkte entlang einer Zeitachse dar, um Chronologien zu visualisieren.

¶Braucht es immer einen Chart, um Daten zu visualisieren?

Nein, es braucht nicht immer einen Chart, um Daten zu visualisieren. Daten können auch durch Tabellen, Infografiken, Text-Annotationen oder Symbole effektiv dargestellt werden. Entscheidend ist, dass die Visualisierung die Daten klar und verständlich kommuniziert, je nach Zielgruppe und Kontext.

¶In welchen Situationen brauchst du einen Linienchart?

Ein Liniendiagramm wird benötigt, wenn Daten über eine kontinuierliche Zeitachse visualisiert werden sollen, um Trends, Entwicklungen oder Muster darzustellen. Typische Anwendungen sind Umsatzverläufe, Wetterdaten, Börsenkurse oder anderen Messungen über Zeit.

¶In welchen Situationen brauchst du einen Punktechart?

Ein Punktdiagramm (Scatter Plot) wird verwendet, wenn du Zusammenhänge oder Korrelationen zwischen zwei Variablen darstellen möchtest. Es ist ideal, um Cluster, Ausreißer oder Trends in großen Datenmengen zu erkennen, z. B. bei der Analyse von Einkommen vs. Bildung oder Temperatur vs. Verkaufszahlen.

¶Nenne Dinge, die man auf einem Balkenchart nicht tun sollte.

• Zu viele Kategorien verwenden: Überladene Balkencharts wirken unübersichtlich und schwer lesbar.
• Unterschiedliche Farben ohne Bedeutung nutzen: Verwirrt die Betrachter und lenkt von der Botschaft ab.
• Nicht bei null beginnen: Verzerrt die Darstellung der Daten und führt zu Fehlinterpretationen.
• Zu kleine Abstände zwischen Balken: Erschwert das Erkennen einzelner Kategorien.
• Horizontale Balken bei Zeitreihen verwenden: Zeit sollte immer entlang der x-Achse dargestellt werden.
• 3D-Effekte verwenden: Beeinträchtigt die Lesbarkeit und verfälscht Proportionen.
• Unklare Beschriftungen oder fehlende Legende: Macht es schwierig, die Daten zu verstehen.
• Balken für kontinuierliche Daten verwenden: Für solche Daten eignen sich Linien- oder Punktdiagramme besser.