Studie: Data Storytelling als Erfolgsfaktor

Erkenntnisinteresse

Wie funktioniert Storytelling bei datengetriebenen Nachrichten? Welche Faktoren sind für eine effektive und effiziente Kommunikation von Daten aus internen oder externen Data Science-Projekten ausschlaggebend?

Methode

Systematische Literaturanalyse von 24 Artikeln zum Thema Data Storytelling.
Untersuchungszeitraum: nicht genannt.

Ergebnisse

Der optimale Prozess, um aus Data Science-Erkenntnissen erzählenswerte Geschichten zu erzeugen, beginnt mit der Wahl und Analyse der richtigen Daten. Dann folgt der Fokus auf die Kernidee und die überlegte Visualisierung der Daten. Schließlich wird die Erzählung auf das Zielpublikum angepasst und eine adäquate Erzählweise gefunden.

Acht Erfolgsfaktoren, die diesem Prozess zugrunde liegen, arbeitet die Studie aus den Fachartikeln zum Thema heraus. Die ersten drei Faktoren werden übereinstimmend in der Mehrheit der Artikel genannt:

• Komplexität vermeiden: Konzentration auf die wichtigsten, für den roten Faden notwendigen Daten macht es dem Leser leichter, sich nicht in Nebenschauplätzen zu verlieren.
• Daten visualisieren: eine gute Visualisierung hebt die Haupterkenntnis hervor, ohne das gesamte Problem abbilden zu müssen. Damit ist sie wichtiges Mittel zur Komplexitätsreduzierung. Sie ist unterstützendes Element der Erzählung und kann im Regelfall nicht alleine stehen, sollte aber in sich selbsterklärend sein.
• Kernidee in den Fokus stellen: Ausgehend von einer zentralen Frage, die beantwortet werden soll, sollte die Geschichte in einem Satz zusammenzufassen sein. Ausgehend von dieser Erzählabsicht kann das Storytelling aufgebaut werden.
• Die Story an das Publikum anpassen: Um die Zielgruppe zu verstehen und die Geschichte bestmöglich auf sie zuzuschneiden, sollte man Außenstehende auf Logik und Stringenz gegenlesen lassen.
• Die adäquate Story richtig erzählen: Um Zahlen in gute Geschichten zu transformieren, sollte die Dramaturgie einen Spannungsbogen halten, beginnend mit einem motivierenden Anfang und mit Schlüsselerkenntnissen endend. An den Alltag anknüpfende Beispiele steigern die Aufmerksamkeit.
• Die richtigen Daten wählen: Komplexe Daten ermöglichen oft mehrere Geschichten, Wahrheit ist nicht eindeutig, sondern bildet sich aus dem Kontext heraus. Soweit Sachverhalte nicht verfälscht werden, sollte sich die Story auf für die Fragestellung relevante Daten konzentrieren.
• Die Story gemeinsam erarbeiten: Interdisziplinäre Teams können für ein ausgewogenes Verhältnis von Daten-, Zielgruppen- und Medienkompetenz sorgen. Die Federführung sollte jedoch bei einer Person liegen.
• Zum Handeln motivieren: Wer Leser zum Handeln motivieren will, sollte mit seiner Geschichte Neugier wecken und für „Aha"-Momente sorgen

Eine klar strukturierte Herangehensweise an das Thema Data Storytelling – wer zum ersten Mal komplexe Datenvisualisierungen aufbereiten muss, bekommt hier eine gute Starthilfe.

Obwohl die Studie sich vor allem an Datenanalysten und damit eher an das IT- oder Marketingteam wendet, zeigt sich doch an mehreren Punkten des skizzierten Prozesses klar, wie die Kompetenzen der Unternehmenskommunikation ins Spiel gebracht werden können, um Stories gemeinsam zu erarbeiten. Ob die Wahl des richtigen Formats, die passgenaue Zielgruppenansprache oder Erzählstrukturen und Dramaturgie: Kommunikatoren können und sollten sich und ihre Expertise hier in Position bringen.

Das gilt umso mehr, als die eigentlichen Storytelling-Elemente (zum Beispiel Handlungsgerüste wie Gegenüberstellungen, im-Wandel-der-Zeit-Darstellungen, Zoom-outs…) oder Visualisierungsmuster (wie kommentierte Diagramme, partitionierte Poster o.ä.) in der Studie nur kurz und vor allem in der Einleitung genannt werden. Die Untersuchung konzentriert sich auf Erfolgsfaktoren und Prozesse, ist dadurch aber kurz und knackig zu lesen und bietet Kommunikatoren genügend Literaturhinweise, um Einzelaspekte des Themas zu vertiefen.

Veröffentlichung

Oktober 2020: Thomas Neifer, Dennis Lawo, Paul Bossauer, Margarita Esau, Anna-Maria Jerofejev

Mehr Informationen zur Studie: Data Storytelling als kritischer Erfolgsfaktor von Data Science