Daten mit Tools analysieren und darstellen

Daten gibt es in jedem Betrieb genug, aber selten in einer Form, die eine klare Antwort liefert. Du klärst zuerst, welche Frage beantwortet werden soll und welche Kennzahlen dazu nötig sind. Danach holst du Daten aus Datenbanken, Excel und CSV, bereinigst sie und baust ein Datenmodell mit Fakten- und Dimensionstabellen. Du berechnest Kennzahlen, wählst passende Diagramme und stellst die Ergebnisse in einem Dashboard so dar, dass auch Personen ohne IT-Hintergrund die richtigen Schlüsse ziehen.

Das sind die Fähigkeiten, die am Ende des Moduls sitzen sollten. Jedes Ziel mit einem Beispiel aus dem Lehrbetrieb.

1. 1

   Fragestellung und Kennzahlen mit den Auftraggebenden klären

   Kompetenz A

   Bevor du ein Tool öffnest, findest du heraus, welche Entscheidung mit den Daten unterstützt werden soll. Daraus leitest du wenige, klar definierte Kennzahlen ab und hältst fest, wie sie berechnet werden und woher die Daten stammen.

   Situation

   Die Leiterin Hotellerie eines Regionalspitals sagt: 'Wir brauchen ein Dashboard zur Bettenbelegung.'

   Deine Aufgabe

   Kläre im Gespräch, was sie wirklich wissen muss, und definiere die Kennzahlen.

   Gutes Ergebnis

   Die eigentliche Frage lautet: 'Auf welchen Stationen fehlen an welchen Wochentagen Betten?' Definiert werden Auslastung in Prozent pro Station und Tag, Anzahl Tage über 95 % pro Monat und durchschnittliche Aufenthaltsdauer. Jede Kennzahl hat eine schriftliche Definition, Datenquelle ist das Klinikinformationssystem.

   AnforderungsklärungKPIKennzahlendefinitionDatenquelleZielgruppe
2. 2

   Daten aus verschiedenen Quellen laden und bereinigen

   Kompetenz B

   Du verbindest dich mit Datenbanken, Excel- und CSV-Dateien und bereinigst die Daten reproduzierbar: Typen korrigieren, Duplikate entfernen, fehlende Werte behandeln, Spalten vereinheitlichen. Jeder Schritt ist nachvollziehbar und lässt sich bei neuen Daten automatisch wiederholen.

   Situation

   Eine Detailhandelskette mit 14 Filialen liefert die Monatsumsätze als einzelne Excel-Dateien. Die Spalten heissen mal 'Filiale', mal 'Standort', Beträge stehen teils als Text mit 'CHF', Datumsangaben im Format TT.MM.JJJJ.

   Deine Aufgabe

   Führe die Dateien zu einer sauberen Tabelle zusammen.

   Gutes Ergebnis

   Power Query lädt alle Dateien aus einem SharePoint-Ordner, benennt die Spalten einheitlich, entfernt 'CHF' und Apostrophe, wandelt Beträge in Dezimalzahlen und Datumsangaben mit Gebietsschema de-CH um. 312 Duplikate aus einer doppelt gelieferten Datei werden entfernt. Kommt eine neue Datei dazu, genügt ein Klick auf 'Aktualisieren'.

   ETLPower Query / pandasDatentypenDuplikatefehlende WerteReproduzierbarkeit
3. 3

   Ein Analyse-Datenmodell mit Fakten und Dimensionen aufbauen

   Kompetenz C

   Für Auswertungen trennst du Ereignisse mit Zahlen (Fakten) von beschreibenden Merkmalen (Dimensionen) und verbindest sie zu einem Sternschema. Eine eigene Datumstabelle macht Auswertungen nach Monat, Quartal oder Kalenderwoche einfach und korrekt.

   Situation

   In den Daten der Detailhandelskette stehen Umsätze, Filialinformationen und Produktgruppen in einer einzigen breiten Tabelle mit 1.2 Millionen Zeilen.

   Deine Aufgabe

   Baue ein Datenmodell, das schnelle und flexible Auswertungen erlaubt.

   Gutes Ergebnis

   Faktentabelle 'Verkauf' mit Datum, Filial-ID, Produkt-ID, Menge und Umsatz. Dimensionen 'Filiale' (Name, Region, Fläche in m²), 'Produkt' (Gruppe, Lieferant) und 'Kalender' mit Wochentag, KW und Feiertag. Alle Beziehungen sind 1:n von der Dimension zur Faktentabelle. Die Datei ist danach 60 % kleiner.

   FaktentabelleDimensionstabelleSternschemaKalendertabelleGranularität
4. 4

   Kennzahlen korrekt berechnen und plausibilisieren

   Kompetenz C

   Du setzt die definierten Kennzahlen als Measures oder Berechnungen um, inklusive Vergleichen mit Vorjahr oder Ziel. Jede Zahl prüfst du gegen eine unabhängige Quelle, bevor sie jemand sieht.

   Situation

   Die Geschäftsleitung der Detailhandelskette will den Umsatz pro m² und die Veränderung zum Vorjahr pro Filiale sehen.

   Deine Aufgabe

   Berechne die beiden Kennzahlen und prüfe sie.

   Gutes Ergebnis

   Measure 'Umsatz' als Summe, 'Umsatz pro m²' als Umsatz geteilt durch Fläche der Filiale, 'Umsatz VJ' mit Zeitintelligenz über die Kalendertabelle und 'Veränderung %' daraus. Eine Stichprobe für Filiale Bülach im März wird mit dem Kassensystem verglichen und stimmt auf den Franken.

   Measure (DAX)berechnete Spalte vs. MeasureZeitvergleich (Vorjahr)FilterkontextPlausibilisierung
5. 5

   Für jede Aussage das passende Diagramm wählen

   Kompetenz D

   Du wählst das Diagramm danach, was gezeigt werden soll: Entwicklung über die Zeit, Vergleich, Anteil, Verteilung oder Zusammenhang. Du vermeidest irreführende Darstellungen wie abgeschnittene Achsen oder 3D-Effekte und setzt Farbe gezielt zur Hervorhebung ein.

   Situation

   Die Gemeindeverwaltung Wohlen will im Jahresbericht zeigen, wie sich die Abfallmengen pro Kopf über zehn Jahre entwickelt haben und wie sie sich auf Kehricht, Grüngut, Papier und Glas verteilen.

   Deine Aufgabe

   Wähle geeignete Diagramme und gestalte sie gut lesbar.

   Gutes Ergebnis

   Ein Liniendiagramm für die Entwicklung pro Kopf mit Y-Achse ab 0 und markiertem Jahr der Sackgebühr-Einführung. Für die Verteilung ein gestapeltes Balkendiagramm pro Jahr statt zehn Kuchendiagrammen. Kehricht ist in Akzentfarbe, die übrigen Kategorien in abgestuftem Grau.

   Linien-, Balken-, StreudiagrammAchsenskalierungFarbe und KontrastDatenbeschriftungirreführende Visualisierungen
6. 6

   Ein Dashboard gestalten und die Erkenntnisse kommunizieren

   Kompetenz E

   Du ordnest die wichtigsten Kennzahlen oben an, ermöglichst sinnvolles Filtern und formulierst die Kernaussagen in Worten. Beim Teilen achtest du darauf, dass nur berechtigte Personen Zugriff haben und keine schützenswerten Personendaten sichtbar werden.

   Situation

   Das Bettenbelegungs-Dashboard des Spitals soll im wöchentlichen Kaderrapport genutzt werden.

   Deine Aufgabe

   Gestalte die Berichtsseite und bereite eine kurze Präsentation der wichtigsten Erkenntnis vor.

   Gutes Ergebnis

   Oben drei Kacheln (Auslastung heute, Tage über 95 % im Monat, Ø Aufenthaltsdauer), darunter eine Heatmap Station mal Wochentag und Filter für Monat und Klinik. Kernaussage: 'Die Chirurgie ist dienstags und mittwochs an 7 von 8 Wochen überlastet.' Freigegeben nur für die Gruppe 'Kader' im Power-BI-Arbeitsbereich, ohne Patientennamen.

   Dashboard-LayoutFilter und SlicerStorytelling mit DatenBerechtigungenDatenschutz und Aggregation

Die Kompetenzmatrix zerlegt das Modul in Themenstränge und drei Stufen. Für den Kompetenznachweis solltest du überall mindestens Stufe 2 erreichen. Dein Stand bleibt in diesem Browser gespeichert und färbt Lernweg und Übungen ein.

Selin ist im 3. Lehrjahr als Informatikerin Applikationsentwicklung bei der Regiobus Seeland AG in Biel, einem Busunternehmen mit 230 Mitarbeitenden und 18 Linien. Fahrgastzahlen kommen aus automatischen Zählern in den Bussen, die Pünktlichkeit aus dem Leitsystem, und beides wird bisher von Hand in Excel zusammengetragen. Die Leiterin Angebotsplanung möchte ein Dashboard, mit dem sie den nächsten Fahrplanwechsel vorbereiten kann.

1. Kapitel 1

   Was soll das Dashboard beantworten?

   Im ersten Gespräch wünscht sich die Leiterin Angebotsplanung 'alles über alle Linien'. Selin fragt nach, welche Entscheidung im Herbst ansteht, und erfährt, dass schwach ausgelastete Kurse gestrichen und volle Kurse verstärkt werden sollen. Gemeinsam einigen sie sich auf vier Kennzahlen: Fahrgäste pro Kurs, Auslastung in Prozent, Anteil Verspätungen über 3 Minuten und Anteil Fahrten mit Stehplätzen in der Spitzenzeit.

   Ziel 1

2. Kapitel 2

   52 Dateien und eine Lücke im Juli

   Die Zählerdaten liegen als 52 Wochendateien im CSV-Format vor, die Pünktlichkeit als Export aus dem Leitsystem. Selin verbindet die Dateien in Power Query zu einer Tabelle und vereinheitlicht die Liniennummern, die mal als '3' und mal als 'Linie 03' geschrieben sind. Beim Prüfen fällt auf, dass im Juli zwei Wochen komplett fehlen, weil ein Zähler defekt war. Sie markiert die Lücke im Bericht, statt die Werte zu schätzen.

   Ziel 2

3. Kapitel 3

   Eine Auslastung von 140 Prozent

   Selin baut in Power BI ein Sternschema mit der Faktentabelle Fahrten und den Dimensionen Linie, Haltestelle und Datum. Die erste Auslastungsberechnung zeigt für Linie 7 unmögliche 140 Prozent. Der Grund: Sie hatte die Einsteigenden aller Haltestellen aufsummiert, statt die höchste Besetzung pro Fahrt zu nehmen. Nach der Korrektur vergleicht sie die Werte mit einer Handzählung der Fahrdienstleitung, und die Abweichung liegt unter 2 Prozent.

   Ziel 3Ziel 4

4. Kapitel 4

   Ein Diagramm pro Aussage

   Für den Tagesverlauf wählt Selin ein Liniendiagramm mit den Fahrgästen pro Stunde, für den Vergleich der Linien ein sortiertes Balkendiagramm. Ihr erster Entwurf mit einem Kreisdiagramm für 18 Linien ist unlesbar, deshalb ersetzt sie es. Die Verspätungen zeigt sie als Heatmap nach Wochentag und Stunde, wodurch der Engpass am Freitagabend sofort sichtbar wird.

   Ziel 5

5. Kapitel 5

   Fünf Minuten im Kaderrapport

   Selin ordnet das Dashboard so, dass oben die vier Kennzahlen stehen und darunter die Details mit einem Filter nach Linie. Die Titel formuliert sie als Aussagen, etwa 'Linie 12 ist am Abend nur zu 15 Prozent ausgelastet'. Im Kaderrapport präsentiert sie in fünf Minuten die drei wichtigsten Erkenntnisse und erwähnt offen die Datenlücke im Juli. Die Geschäftsleitung beschliesst, zwei Abendkurse der Linie 12 durch einen Rufbus zu ersetzen.

   Ziel 6

1. 1

   Von der Frage zur Kennzahl

   ca. 3 Std.

   Du übst, vage Wünsche in präzise Fragen und messbare Kennzahlen zu übersetzen.

   • Drei Aussagen wie 'Wir wollen sehen, wie es läuft' in konkrete Fragen umformulieren
   • Für eine Fragestellung einen Kennzahlen-Steckbrief erstellen (Name, Formel, Quelle, Aktualisierung)
   • Ein bestehendes Dashboard aus dem Lehrbetrieb oder dem Internet kritisch beurteilen

   Trainiert Kompetenz A1A2

   Lernziel1

2. 2

   Daten holen und bereinigen

   ca. 4 Std.

   Du lädst Daten aus mehreren Quellen und baust eine wiederholbare Bereinigung in Power Query oder pandas.

   • Offene Daten von opendata.swiss herunterladen, z.B. Verkehrszählungen oder Bevölkerungszahlen
   • Typen, Duplikate und fehlende Werte systematisch behandeln
   • Die Bereinigungsschritte so dokumentieren, dass eine Kollegin sie nachvollziehen kann

   Trainiert Kompetenz B1B2

   Lernziel2

3. 3

   Datenmodell und Kennzahlen

   ca. 5 Std.

   Du baust ein Sternschema mit Kalendertabelle und setzt die ersten Measures um.

   • Eine breite Tabelle in Fakten und Dimensionen aufteilen
   • Eine Kalendertabelle mit Schweizer Feiertagen ergänzen
   • Umsatz, Anteil in Prozent und Vorjahresvergleich als Measures erstellen und mit Excel gegenprüfen

   Trainiert Kompetenz C1C2

   Lernziel34

4. 4

   Visualisieren mit Absicht

   ca. 3 Std.

   Du lernst, welches Diagramm welche Aussage trägt, und gestaltest Visualisierungen bewusst.

   • Denselben Datensatz einmal als Kuchen-, Balken- und Liniendiagramm darstellen und vergleichen
   • Ein absichtlich irreführendes Diagramm erstellen und danach korrigieren
   • Eine Farbpalette mit einer Akzentfarbe festlegen

   Trainiert Kompetenz D1D2

   Lernziel5

5. 5

   Dashboard bauen und präsentieren

   ca. 5 Std.

   Du setzt ein vollständiges Dashboard um, prüfst es mit einer Testperson und präsentierst die Erkenntnisse.

   • Ein Dashboard mit drei bis fünf Visualisierungen und sinnvollen Filtern erstellen
   • Eine Person ohne Vorwissen drei Fragen mit dem Dashboard beantworten lassen und beobachten
   • Die wichtigste Erkenntnis in einer 5-Minuten-Präsentation vorstellen

   Trainiert Kompetenz E2E3D3C3

   Lernziel654

KPI

Key Performance Indicator: Kennzahl, die zeigt, ob ein wichtiges Ziel erreicht wird.

ETL

Extract, Transform, Load: Daten aus Quellen holen, umwandeln und in ein Zielmodell laden.

Power Query

Werkzeug in Excel und Power BI, mit dem Daten geladen und Schritt für Schritt reproduzierbar umgeformt werden.

Sternschema

Datenmodell mit einer zentralen Faktentabelle, an die mehrere Dimensionstabellen angebunden sind.

Measure

Berechnung, die je nach gewählten Filtern dynamisch ausgewertet wird, z.B. eine Umsatzsumme.

Dashboard

Übersicht, die die wichtigsten Kennzahlen und Visualisierungen auf einer Seite zusammenfasst.

Granularität

Detaillierungsgrad der Daten, z.B. eine Zeile pro Verkauf oder pro Tag und Filiale.

Row-Level-Security

Einschränkung, dass Benutzer:innen nur die Datenzeilen sehen, für die sie berechtigt sind.

Passende Module