Dashboards
Dashboards sind Darstellungen auf einem einzigen Bildschirm, die eine kleine Auswahl live oder regelmäßig aktualisierter Kennzahlen zeigen, damit eine bestimmte Zielgruppe den Status prüfen, Ausnahmen erkennen und über die nächsten Schritte entscheiden kann, ohne einen Report erstellen zu müssen.
Was sind Dashboards?
Ein Dashboard ist die letzte Schicht eines Analytics-Stacks: Es liest aus modellierten Daten und macht aus einer Handvoll Zahlen einen Statuscheck. Darunter liegen ein Quellsystem, eine Pipeline, meist ein Data Warehouse, und ein Semantic Layer, der jede Kennzahl einmalig definiert.
Die meisten lassen sich drei Typen zuordnen:
Operativ: Status im Minutentakt, etwa Bestellungen in der Warteschlange oder Tickets, die das SLA verletzen.
Strategisch: wöchentliche oder monatliche Trends im Vergleich zu Zielen für die Geschäftsführung.
Analytisch: filterbare Ansichten, mit denen ein Analyst nach Region, Kanal oder Kohorte aufschlüsseln kann.
Welchen Typ Sie brauchen, bestimmt die Aktualisierungsrate, den Detailgrad und den Standard-Betrachter. Eine nützliche Seite benennt auch ihre eigenen Grenzen: einen sichtbaren Zeitstempel der letzten Aktualisierung, die Definition hinter jeder Kennzahl beim Mouseover und einen namentlich genannten Verantwortlichen, an den man sich wenden kann, wenn eine Zahl falsch aussieht.
Wie gestaltet man ein Dashboard, das tatsächlich genutzt wird?
Beginnen Sie bei der Entscheidung, nicht bei den Daten: Jede Kachel sollte eine Frage beantworten, auf die jemand reagiert. Eine praxistaugliche Reihenfolge für den Aufbau:
Benennen Sie die Zielgruppe und die zwei oder drei Entscheidungen, die sie damit trifft.
Wählen Sie die KPIs hinter diesen Entscheidungen und schreiben Sie jede Formel auf, z. B. Conversion Rate = Bestellungen ÷ Sitzungen.
Platzieren Sie die wichtigsten Zahlen oben links, jeweils mit dem Vergleich (gegenüber Ziel, gegenüber Vorperiode) daneben.
Fügen Sie darunter Drill-downs und Filter hinzu, nicht mehr Kacheln.
Stimmen Sie den Aktualisierungsrhythmus auf das Entscheidungstempo ab: stündlich für den operativen Betrieb, täglich für das meiste Marketing.
Beschränken Sie den ersten Bildschirm auf etwa 5 bis 9 Kennzahlen; darüber hinaus teilen Sie ihn nach Zielgruppen auf.
Wie sehen Dashboards in der Praxis aus?
Ein erstes Dashboard ersetzt meist ein wöchentliches Tabellenritual, und sein Wert zeigt sich in einem kürzeren, ruhigeren Meeting. Stellen Sie sich eine Direct-to-Consumer-Hautpflegemarke mit 60 Mitarbeitenden vor, die ihre Performance in einem Montagsmeeting auf Basis von sechs exportierten Tabellen bespricht. Angenommen, die Operations-Leitung verbringt den Großteil des Freitags damit, Shopify-Bestellungen, Ausgaben für Meta und Google Ads sowie Klaviyo-Umsätze zusammenzuführen.
Das Team lädt diese Quellen mit Fivetran in BigQuery, modelliert Umsatz, CAC und Wiederkaufrate in dbt und baut in Looker Studio je eine Seite pro Zielgruppe: eine Gründeransicht mit fünf zentralen KPIs und eine Ads-Ansicht mit Ausgaben und ROAS pro Kampagne. In diesem Beispiel entfällt das Zusammenführen am Freitag, und das Montagsmeeting startet für alle mit denselben Zahlen, sodass sich die Diskussion von der Frage, wessen Tabelle stimmt, hin zur Frage verlagert, welche Kampagne gestrichen wird.
Nach zwei Monaten ergänzt das Team einen Alert statt einer weiteren Kachel: Fällt der Blended ROAS drei Tage lang unter 2,0, erhält der Ads-Verantwortliche eine Slack-Nachricht. Die Seite bleibt schlank, weil neue Fragen zuerst in Ad-hoc-Analysen gehen und erst dann eine Kachel bekommen, wenn sie wiederholt auftreten.
Wann scheitern Dashboards, und wann sollten Sie keines bauen?
Ein Dashboard scheitert, wenn niemand für die Entscheidung verantwortlich ist, für die es gebaut wurde. Häufige Ursachen des Scheiterns:
Kennzahlen-Wildwuchs: 40 Kacheln ohne Hierarchie, sodass nichts heraussticht.
Schleichende Definitionsabweichungen: Zwei Seiten zeigen unterschiedliche Umsätze, weil sich die Filter unterscheiden.
Veraltete Daten ohne Aktualitätskennzeichnung, was das Vertrauen schnell untergräbt.
Langsame Abfragen auf Rohtabellen; aggregieren Sie alles vor, was eine Seite häufig lädt.
Verzichten Sie bei einmaligen Fragen darauf; ein Ad-hoc-Report oder eine einzelne SQL-Abfrage ist günstiger als eine Seite, die nach dem ersten Monat niemand mehr aufruft.
Mit welchen Tools werden Dashboards gebaut?
Das Tool ist weniger wichtig als das Datenmodell dahinter, doch die wichtigsten Optionen lassen sich klar nach Team und Budget unterscheiden.
Power BI: stark in Microsoft-lastigen Unternehmen, Preis pro Nutzer.
Tableau: tiefgehende visuelle Analysen und große Extrakte dank seiner Hyper-Engine.
Looker und Looker Studio: Looker ergänzt eine gesteuerte Modellierungsschicht (LookML); Looker Studio ist kostenlos und schnell für Marketingdaten.
Metabase und Apache Superset: Open-Source-Optionen zum Selbsthosten.
Grafana: entwickelt für Zeitreihen- und Infrastruktur-Monitoring.
Individuelle React-, Dash- oder Streamlit-Apps: wenn Layout, Bildschirmgröße oder Interaktionsmodell ungewöhnlich sind.
Eine Scorecard ist eine enger gefasste Verwandte, der Ergebnisse mit Zielen vergleicht; den Unterschied erklärt der Eintrag zu Scorecards.
Dashboards vs. Reports
Dashboard | Report | |
|---|---|---|
Zweck | Status überwachen und Ausnahmen erkennen | Ergebnisse ausführlich erklären |
Aktualisierung | Live oder geplant, immer aktuell | Momentaufnahme zu einem Zeitpunkt |
Umfang | Ein Bildschirm, 5 bis 9 zentrale Kennzahlen | Viele Seiten, Tabellen und Kommentare |
Interaktion | Filter und Drill-downs | Überwiegend nur lesend |
Am besten für | Wiederkehrende Entscheidungen | Audits, Board-Unterlagen, einmalige Fragen |
Wie baut VIZIO AI Dashboards?
VIZIO AI behandelt das Dashboard als sichtbares Ende einer Pipeline und entwickelt beides für die Geschwindigkeit, die die Zielgruppe braucht. Für eine britische Forschungsorganisation im Bereich Cybersicherheit baute das Growth Studio ein Echtzeit-Dashboard zum Ransomware-Monitoring auf einer Python- und Apache-Kafka-Pipeline, die Tableau Hyper speist, mit Partitionierung und Voraggregationen, sodass über 500.000 Datensätze in unter einer Sekunde dargestellt werden und neue Vorfälle mit einer Latenz von unter 60 Sekunden erscheinen.
Für einen Möbel- und Leuchtenhersteller aus Minnesota baute das DX Studio ein React-Dashboard für 4K-Bildschirme, das über AWS Lambda und Firebase mit Shopify- und Bestelldaten gespeist wird und die Sichtbarkeit operativer Daten um 85 % erhöhte. Wo Sie anfangen sollten: Listen Sie die drei Entscheidungen auf, die die Seite unterstützen muss, bevor Sie ein Tool auswählen.
Dashboards in Fallstudien von VIZIO AI
- Real-Time Ransomware Monitoring ›Ein Monitoring-Dashboard von Kafka bis Tableau stellt über 500.000 Datensätze in unter einer Sekunde dar und zeigt neue Vorfälle mit einer Latenz von unter 60 Sekunden.
- 4K Screen-Compatible Real-Time Sales ›Ein React-Dashboard für 4K-Displays kombinierte Shopify-, Bestell- und Kalenderdaten und erhöhte die Sichtbarkeit operativer Daten um 85 %.