Das Datenmodell steht, die Auswertung ist sauber – jetzt brauchen wir nur noch schnell die Visualisierungen machen und können den Bericht live nehmen. Falsch gedacht. Power BI Dashboard Implementierungen scheitern oft nicht daran, dass Daten nicht verfügbar oder falsch sind. Genau das Design und das User Interface ist absolut entscheidend dafür, ob das Dashboard am Ende auch wirklich genutzt wird.
Auf die Zielgruppe achten
Ist diese Dashboard-Seite für einen Vorstand oder für einen Kostenstellenverantwortlichen, für einen CFO oder einen Sales-Mitarbeiter? Jeder hat komplett unterschiedliche Anforderungen an Detaillierung, Filtermöglichkeiten und Visualisierungen. Die wichtigste Frage vor jeder Seite: WAS will WER sehen?
Anzahl der Visualisierungen klein halten
Je nach Detaillierungsgrad empfehlen sich 3–5 Visualisierungen pro Seite – alles andere wirkt überladen und überfordert die Nutzer schnell.
Interaktionsmöglichkeiten begrenzen
Mit Power BI lassen sich unzählige Interaktionsmöglichkeiten umsetzen: Drill Down, Drill Through, Cross Filtering, Field Parameter. Meine Empfehlung: die Möglichkeiten auf 2–3 beschränken. Auch die Anzahl der Dropdown-Filter sollte gering bleiben – abhängig von der Zielgruppe, aber weniger ist hier fast immer mehr.
Die richtige Visualisierung wählen
Es gibt so viele Möglichkeiten, falsche Visualisierungen zu wählen, dass das ein eigener Artikel wert ist. Als Grundregeln: keine Kreis- oder Donut-Charts, maximal 2 Dimensionen pro Visualisierung, und so wenige Beschriftungen wie nötig. Eine falsche Visualisierung kann eine korrekte Aussage komplett unlesbar machen.
Vergleichswerte einbauen
Dashboards ohne Vergleichswerte altern schlecht. Beim Launch ist man meist froh, sich allgemeine Zusammensetzungen ansehen zu können. Aber spätestens nach 2–3 Monaten möchte man Zahlen im Kontext sehen. Erst im Vergleich zu Plan, Forecast oder Vorperioden kann man wirklich einschätzen, warum und was sich geändert hat.
Ein gutes Beispiel dafür ist das Dashboard für die Kundenrisikoanalyse. Durch Zebra BI Grafiken und variable Monatsvergleiche erkennt man auf einen Blick, ob das Risiko im Vergleich zur Vorperiode gestiegen oder gesunken ist.
Kundenrisikoanalyse – ohne Vergleichswerte