Für wen zeichnest du? Zielgruppe und Kernaussage

Worum es geht

Noemi ist im 4. Lehrjahr bei der Beck Huber AG in St. Gallen. Die Bäckereikette mit 22 Filialen schreibt jedes Jahr Backwaren für über CHF 400'000 ab: Brot, Gipfeli und Patisserie, die am Abend übrig bleiben und nicht mehr verkauft werden. Die Zahlen sind vorhanden, aber als Excel-Liste mit über 30'000 Zeilen. Die Geschäftsleitung sagt nur: «Mach das sichtbar.»

Der Reflex wäre jetzt, Power BI zu öffnen, die Liste zu laden und Diagramme zu bauen, bis etwas Schönes herauskommt. Genau so entstehen die Dashboards, die nach drei Wochen niemand mehr öffnet. Die wichtigste Arbeit an einer Visualisierung passiert, bevor du das erste Diagramm zeichnest: Du klärst, wer die Grafik liest, welche Frage diese Person hat und in welcher Situation sie die Grafik anschaut.

In dieser Lektion lernst du, eine Zielgruppe in wenigen Minuten präzise zu beschreiben, aus dieser Beschreibung Detaillierungsgrad, Form und Medium abzuleiten und die Kernaussage einer Grafik in einem Satz zu formulieren. Am Schluss bereitest du mit SQL die Zahlen genau in der Verdichtung auf, welche die Geschäftsleitung braucht.

Dieselben Zahlen, drei Zielgruppen

Stell dir vor, jemand fragt dich nach dem Weg zum Bahnhof. Einer Touristin zeichnest du eine Skizze mit zwei Abzweigungen. Einem Velokurier nennst du nur die Strasse. Für die Planung eines Umzugs brauchst du einen exakten Plan mit Hausnummern und Parkplätzen. Der Weg ist derselbe, die Darstellung hängt davon ab, wer fragt und was die Person damit tun will.

Bei Daten ist es genauso. Die Abschriften der Beck Huber AG interessieren drei Gruppen:

Die Tabelle zeigt das Grundprinzip: Aus der Situation folgt die Form. Wer 30 Sekunden Zeit hat, braucht eine Antwort, keine Analyse. Wer monatlich entscheidet, braucht Vergleiche und Trends. Wer kein Vorwissen hat, braucht Alltagssprache statt «Abschriftquote in Prozent des Nettoumsatzes».

Erklären oder erkunden

Visualisierungen haben zwei grundverschiedene Aufgaben:

• Erklärend: Du kennst die Aussage bereits und willst sie anderen zeigen. Beispiel: die Folie für die Geschäftsleitung. Meist statisch, eine Aussage, stark reduziert.
• Erkundend: Die Nutzerin sucht selbst nach Antworten. Beispiel: das Dashboard der Filialleitung, in dem sie ihre Filiale und den Tag wählt. Interaktiv, mit Filtern, aber trotzdem mit einer klaren Startansicht.

Viele schlechte Grafiken scheitern daran, dass sie beides gleichzeitig sein wollen: eine Präsentationsfolie mit zwölf Filtern oder ein Dashboard ohne erkennbare Hauptaussage.

Der Zielgruppen-Steckbrief

Damit die Analyse nicht nur im Kopf bleibt, hältst du sie in einem Steckbrief fest. Er passt auf eine halbe Seite und hat immer dieselben Felder:

Zielgruppe:        Filialleitungen (22 Personen)
Wichtigste Frage:  Welche Produkte sind gestern übrig geblieben?
Entscheidung:      Bestellmenge für heute und morgen pro Produkt anpassen
Rhythmus:          täglich, vor Ladenöffnung (05:30 bis 06:00 Uhr)
Gerät und Ort:     Tablet in der Backstube, oft mit mehligen Händen
Zeit pro Blick:    unter einer Minute
Vorwissen:         sehr gutes Produktwissen, wenig Erfahrung mit Diagrammen
Kennzahlen:        Stück und CHF übrig pro Produkt, gestern und gleicher Wochentag der Vorwoche
Form und Medium:   interaktiv, mobiles Layout, auf die eigene Filiale gefiltert
Sprache:           Produktnamen wie im Laden, keine Abkürzungen

Aus jedem Feld folgt eine Gestaltungsentscheidung. «Tablet in der Backstube» heisst: grosse Schrift, grosse Tippflächen, wenige Elemente. «Unter einer Minute» heisst: Die Antwort steht ganz oben, ohne zu scrollen. «Wenig Erfahrung mit Diagrammen» heisst: einfache Balken und Zahlen, kein Boxplot.

Detaillierungsgrad und Verdichtung

Der Detaillierungsgrad (auch Granularität) legt fest, wie fein die Daten aufgelöst sind: Einzelbuchung, Tag, Woche, Monat; Produkt, Produktgruppe, Filiale, Region. Eine Faustregel: So grob wie möglich, so fein, wie die Entscheidung es verlangt. Die Geschäftsleitung entscheidet über Filialen, also braucht sie Filialen und nicht 140 Produkte. Die Filialleitung entscheidet über Produkte, also braucht sie Produkte und nicht Regionen.

Zu fein bedeutet Rauschen: Tageswerte schwanken, und wer jeden Tag 22 Filiallinien sieht, sieht nur Zickzack. Zu grob versteckt Ursachen: Ein Jahreswert zeigt nicht, dass das Problem immer am Freitagabend entsteht.

Kurzinterviews: fragen statt raten

Steckbriefe aus dem Bauch sind oft falsch. Noemi hätte gewettet, dass die Filialleitungen eine Wochenübersicht wollen. Im Gespräch zeigt sich: Sie wollen nur «gestern». Fünf bis zehn Minuten pro Person genügen, wenn du die richtigen Fragen stellst:

1. «Welche Entscheidung treffen Sie mit diesen Zahlen?»
2. «Wann und wo schauen Sie die Zahlen an?»
3. «Was tun Sie, wenn eine Zahl schlecht aussieht?»
4. «Welche Zahl schauen Sie heute zuerst an, und woher kommt sie?»
5. «Was fehlt Ihnen heute, was stört Sie?»

Frage nach Entscheidungen und Handlungen, nicht nach Wünschen. Auf «Was möchten Sie sehen?» antworten fast alle «möglichst alles». Auf «Was tun Sie, wenn die Zahl schlecht ist?» bekommst du eine Antwort, aus der du die Kennzahl ableiten kannst.

Wenn Zielgruppen Widersprüchliches wollen

Oft wollen zwei Gruppen Unvereinbares: Die Geschäftsleitung will einen Monatsüberblick in CHF, die Filialleitungen wollen Stückzahlen von gestern. Dann entscheidest du bewusst, ob eine gemeinsame Ansicht oder getrennte Ansichten sinnvoll sind:

Ein gemeinsames Datenmodell mit mehreren Seiten ist in Power BI oder Tableau der Normalfall: Die Zahlen stimmen überall überein, aber jede Gruppe hat ihre eigene Startansicht. Eine einzige Seite «für alle» ist dagegen fast immer für niemanden richtig.

Von der Frage zur Kernaussage

Für erklärende Grafiken brauchst du eine Kernaussage: einen Satz, der die wichtigste Erkenntnis nennt. Der Unterschied zwischen Thema und Aussage ist entscheidend:

Eine gute Kernaussage enthält meist vier Bausteine: was (Abschriften), wer oder wo (5 Filialen), wie viel (mehr als 8 Prozent) und im Vergleich wozu (Ziel, Vorjahr, Durchschnitt). Ohne Vergleich ist eine Zahl kaum zu beurteilen: «7.4 Prozent» sagt wenig, «7.4 Prozent bei einem Ziel von 6 Prozent» sagt viel.

Für erkundende Ansichten wie das Filial-Dashboard gibt es keine einzelne Kernaussage, wohl aber eine Leitfrage, die oben steht und die Startansicht bestimmt: «Was ist gestern übrig geblieben?»

Schritt für Schritt: Noemis Ansicht für die Geschäftsleitung

Noemi hat die Kurzinterviews geführt. Jetzt setzt sie das Ergebnis für die Geschäftsleitung um.

Schritt 1: Steckbrief schreiben.

Zielgruppe:        Geschäftsleitung (CEO, Leiter Verkauf, Leiterin Produktion)
Wichtigste Frage:  Welche Filialen schreiben zu viel ab, und was kostet uns das?
Entscheidung:      Massnahmen pro Filiale, Bestellprozess anpassen
Rhythmus:          monatliche GL-Sitzung
Gerät und Ort:     A4-Ausdruck und Beamer
Zeit pro Blick:    etwa 2 Minuten für das Thema
Kennzahlen:        Abschriften in CHF, Abschriftquote (Abschriften in % des Umsatzes), Ziel 6 %

Schritt 2: Granularität festlegen. Monat und Filiale. Tageswerte und Produkte bleiben im Datenmodell, erscheinen aber nicht auf der GL-Seite.

Schritt 3: Die Kennzahl richtig definieren. Die Quote ist Summe Abschriften geteilt durch Summe Umsatz, nicht der Durchschnitt der Tagesquoten. Ein ruhiger Tag mit wenig Umsatz würde sonst gleich stark zählen wie ein Samstag mit doppeltem Umsatz.

Schritt 4: Daten verdichten. In der Datenbank liegen Tagesabschlüsse pro Filiale. Für den Überblick fasst Noemi zuerst pro Monat zusammen:

SELECT substr(datum, 1, 7)                                    AS monat,
       ROUND(SUM(abschrift_chf), 0)                           AS abschrift_chf,
       ROUND(100.0 * SUM(abschrift_chf) / SUM(umsatz_chf), 1) AS quote_pct
FROM tagesabschluss
GROUP BY substr(datum, 1, 7)
ORDER BY monat;

substr(datum, 1, 7) schneidet aus 2026-02-13 den Monat 2026-02 heraus. Die Zahl 100.0 mit Dezimalpunkt sorgt dafür, dass SQLite mit Kommazahlen rechnet, statt ganzzahlig zu teilen.

Schritt 5: Ergebnis lesen. Im Testauszug mit vier Filialen sinkt die Quote von 7.8 Prozent im Januar auf 6.8 Prozent im Februar. Die Frankenbeträge vergleicht Noemi bewusst nicht, weil der Auszug im Januar zwei und im Februar drei Tage enthält. Eine Quote ist davon unabhängig, eine Summe nicht.

Schritt 6: Kernaussage formulieren und prüfen. «Die Abschriftquote sinkt von 7.8 auf 6.8 Prozent, liegt aber noch knapp einen Prozentpunkt über dem Ziel.» Sie enthält was, wie viel und einen Vergleich, und jede Zahl ist durch die Abfrage belegt.

Schritt 7: Form wählen. Eine A4-Seite: oben zwei KPI-Kacheln (Abschriften in CHF, Quote mit Ziel), darunter der sortierte Filialvergleich. Wie du den passenden Diagrammtyp wählst, lernst du in Lektion 3, die KPI-Kacheln in Lektion 8.

Jetzt bist du dran: Im Labor verdichtest du die Tagesabschlüsse zu einer Februarzeile pro Filiale, sortiert für ein Balkendiagramm.

CREATE TABLE tagesabschluss (
  datum         TEXT NOT NULL,   -- ISO-Format JJJJ-MM-TT
  filiale       TEXT NOT NULL,
  umsatz_chf    REAL NOT NULL,   -- Tagesumsatz der Filiale
  abschrift_chf REAL NOT NULL    -- Wert der am Abend abgeschriebenen Backwaren
);
INSERT INTO tagesabschluss VALUES
('2026-01-15', 'St. Gallen Marktplatz', 2140, 118),
('2026-01-15', 'Gossau',               1460, 86),
('2026-01-15', 'Wil',                  1310, 141),
('2026-01-15', 'Rorschach',            1020, 97),
('2026-01-16', 'St. Gallen Marktplatz', 2380, 151),
('2026-01-16', 'Gossau',               1590, 104),
('2026-01-16', 'Wil',                  1420, 162),
('2026-01-16', 'Rorschach',            1110, 108),
('2026-02-12', 'St. Gallen Marktplatz', 2210, 109),
('2026-02-12', 'Gossau',               1510, 79),
('2026-02-12', 'Wil',                  1290, 128),
('2026-02-12', 'Rorschach',             640, 88),
('2026-02-13', 'St. Gallen Marktplatz', 2460, 142),
('2026-02-13', 'Gossau',               1620, 97),
('2026-02-13', 'Wil',                  1480, 157),
('2026-02-13', 'Rorschach',            1190, 101),
('2026-02-14', 'St. Gallen Marktplatz', 2730, 131),
('2026-02-14', 'Gossau',               1840, 88),
('2026-02-14', 'Wil',                  1650, 149),
('2026-02-14', 'Rorschach',            1370, 96);

Typische Fehler

1. Ein Dashboard für alle. Wer gleichzeitig Geschäftsleitung, Filialen und Controlling bedienen will, baut eine überladene Seite, die niemandem die eigene Frage beantwortet. Korrektur: pro Zielgruppe eine Startansicht, gemeinsames Datenmodell dahinter.
2. Nach Wünschen statt nach Entscheidungen fragen. «Was möchten Sie sehen?» führt zu «alles». Korrektur: «Was tun Sie, wenn die Zahl schlecht ist?»
3. Thema statt Aussage. «Abschriften 2026» sagt nicht, was die Grafik zeigt. Korrektur: Kernaussage als Satz mit Grösse und Vergleich.
4. Falscher Detaillierungsgrad. Tageswerte für die Geschäftsleitung erzeugen Rauschen, Jahreswerte für die Filiale verstecken die Ursache. Korrektur: Granularität aus der Entscheidung ableiten.
5. Quote als Durchschnitt von Quoten. Der Mittelwert der Tages- oder Filialquoten gewichtet kleine und grosse Einheiten gleich. Korrektur: Summe Zähler durch Summe Nenner.

Zusammenfassung

• Vor dem ersten Diagramm klärst du Zielgruppe, Frage und Entscheidung, Situation und Gerät.
• Der Zielgruppen-Steckbrief hält das fest. Aus jedem Feld folgt eine Gestaltungsentscheidung.
• Erklärende Grafiken zeigen eine bekannte Aussage, erkundende Ansichten lassen Nutzende selbst suchen. Beides gleichzeitig gelingt selten.
• Der Detaillierungsgrad ist so grob wie möglich und so fein, wie die Entscheidung es verlangt.
• Kurzinterviews fragen nach Entscheidungen und Handlungen. Widersprüchliche Bedürfnisse löst du mit getrennten Ansichten auf einem gemeinsamen Datenmodell.
• Die Kernaussage nennt was, wer, wie viel und im Vergleich wozu, und sie ist durch die Daten gedeckt.