Teil 3 von 5 · Vertiefung

Konfiguration im Detail

Datenquellen, Metriken, Gruppierungen und Styling — die Stellschrauben, mit denen aus einer simplen Auswertung eine präzise Antwort wird.

Zwei Arten von Datenquellen

Jede Data Visualization braucht eine Quelle — und hier gibt es eine wichtige Weichenstellung:

Tabelle + Filterbedingungen: Die Visualization fragt die Live-Daten direkt ab (z. B. incident mit Active = true). Ideal für operative Echtzeit-Sichten: „Wie sieht es jetzt gerade aus?"
Indicator (KPI): Die Visualization nutzt historisch gesammelte Werte aus Performance Analytics (Data Snapshots). Ideal für Trends und Ziele: „Wie hat sich unsere Lösungsquote über die letzten Monate entwickelt?"

Der Unterschied ist konzeptionell entscheidend: Eine Tabellenabfrage kennt nur den Ist-Zustand. Wenn ein Incident geschlossen wird, verschwindet er aus „offen nach Priorität" — die Vergangenheit ist weg. Indicators dagegen fotografieren Kennzahlen regelmäßig und machen so echte Zeitverläufe möglich.

Faustregel Momentaufnahme? → Tabelle. Entwicklung über Zeit mit verlässlicher Historie? → Indicator. Eine Time-Series-Visualization auf Tabellenbasis (z. B. gruppiert nach Erstelldatum) zeigt nur, wann Datensätze erstellt wurden — nicht, wie ein Bestand sich entwickelt hat.

Metriken: Was wird eigentlich gezählt?

Die Metrik bestimmt die Rechenoperation hinter dem Diagramm:

Metrik	Beispiel-Frage
Count	Wie viele Incidents gibt es pro Kategorie?
Sum	Wie hoch sind die aufsummierten Kosten pro Kostenstelle?
Average	Wie lange dauert die Lösung im Schnitt pro Assignment Group?
Min / Max	Was war die längste Bearbeitungszeit im letzten Monat?

Sum, Average, Min und Max brauchen ein numerisches Feld als Grundlage — Count zählt einfach Datensätze. Viele Visualisierungstypen erlauben auch mehrere Metriken nebeneinander, etwa Count und Average Resolution Time in einem Diagramm.

Group by und Stacking

Mit Group by legst du die Dimension fest, entlang derer aufgeteilt wird (Priorität, Zustand, Assignment Group …). Viele Typen erlauben zusätzlich ein zweites Level — etwa gestapelte Balken: außen nach Assignment Group gruppiert, innen nach Priorität gestapelt. So beantwortet ein einziges Diagramm zwei Fragen gleichzeitig.

Auch Dot-Walking funktioniert: Du kannst über Referenzfelder hinweg gruppieren, z. B. Incidents nach Assignment group → Manager. Sparsam einsetzen — jede Ebene macht die Abfrage teurer.

Styling: Der Feinschliff

Im Style-Bereich des Designers steuerst du Farben, Achsenbeschriftungen, Legenden, Datenlabels und Schwellwerte. Zwei Dinge lohnen sich fast immer:

Semantische Farben: Kritisch = Rot, Niedrig = Grau. Wer Prioritäten in Regenbogenfarben würfelt, zwingt Betrachter:innen zum Legende-Lesen.
Datenlabels bei wenigen Werten: Bei vier Balken dürfen die Zahlen direkt am Balken stehen — das spart den Blick zur Achse.

Wissens-Check

Frage 6 · Lückentext

Vervollständige die Sätze mit den passenden Begriffen:

Für eine Live-Sicht auf den aktuellen Bestand wähle ich als Datenquelle eine . Für verlässliche historische Trends nutze ich einen . Die Metrik beantwortet die Frage nach der durchschnittlichen Lösungszeit.

Frage 7 · Zuordnung

Ordne jede Anforderung dem passenden Visualisierungstyp zu: Klicke links eine Anforderung an, dann rechts den passenden Typ.

Anforderung

Visualisierungstyp

Frage 8 · Multiple Choice

Warum ist eine Time-Series-Visualization auf reiner Tabellenbasis oft irreführend, wenn man „die Entwicklung offener Incidents“ zeigen will?