Ein Reporting-Dashboard zu bauen, das wirklich Entscheidungen verbessert, ist weniger eine technische Herausforderung als eine Frage der Klarheit: Welche Entscheidung soll getroffen werden, welche Informationen braucht die verantwortliche Person dafür und wie schnell muss sie diese Information verstehen können? In diesem Beitrag beschreibe ich, wie ich pragmatisch ein Dashboard in Google Data Studio (Looker Studio) aufbaue, das genau das leistet — von der Frageformulierung über Datenanbindung bis zu Governance und iterativen Tests.
Startpunkt: Die Entscheidungsfragen definieren
Bevor ich irgendeine Verbindung zu Google Analytics, BigQuery oder Google Sheets herstelle, formuliere ich konkrete Entscheidungsfragen. Beispiele:
- Welche Marketingkanäle liefern nächste Woche die meisten Sales bei Budget X?
- Wo im Funnel springen die meisten Leads ab?
- Sollen wir die Kampagne Y skalieren oder stoppen?
Jede Chart und jede KPI im Dashboard muss direkt eine dieser Fragen unterstützen. Wenn ein Visualisierungswunsch keine Antwort liefert, fliegt es raus. Das vermeidet Datenüberfluss und kognitive Überlastung.
Datenquellen bewusst wählen
In Looker Studio verbinde ich nur die Quellen, die tatsächlich benötigt werden. Häufig genutzte Connectoren:
- Google Analytics / GA4
- Google Ads
- BigQuery (für berechnete Metriken oder Attributionsdaten)
- Google Sheets (für manuelle Ergänzungen oder Benchmarks)
- CRM-Connectoren (z. B. HubSpot, Salesforce) für Revenue- und Lead-Daten
Wichtig: Datenqualität vor Optik. Ich prüfe Konsistenz (z. B. Sessions vs. Pageviews), Zeitdimensionen und Attributionseinstellungen. Wenn die Daten nicht zuverlässig sind, hilft das schönste Dashboard nicht.
Struktur des Dashboards: Entscheidungssichten statt Datenmonster
Ich gliedere Dashboards in drei Bereiche:
- Executive Snapshot — die wenigen Metriken, die eine Führungskraft in 30 Sekunden scannen kann (Trend, Change vs. Ziel, Top-Risiken).
- Operative Insights — Kanäle, Kampagnen, Funnel-Schritte mit Drilldowns für Verantwortliche.
- Diagnose-Tools — Filterbare Tabellen und Segment-Analysen, wenn etwas erklärungsbedürftig ist.
So bleibt das Dashboard für unterschiedliche Zielgruppen nützlich, ohne dass sich Information überlappt oder wiederholt.
KPIs auswählen und visualisieren
Meine Lieblingsregel: Maximal 6 KPIs im Executive Snapshot. Typische Auswahl für Marketing-Performance:
| KPI | Bedeutung | Entscheidungsrelevanz |
|---|---|---|
| Gesamt-Conversion-Rate | Prozentsatz der Besucher, die konvertieren | Skalieren vs. Optimieren |
| Cost per Acquisition (CPA) | Durchschnittliche Kosten pro Kunde | Budgetallokation |
| Revenue / ROI | Umsatz oder RoAS | Investitionsentscheidungen |
| Top 3 Kanäle | Kanäle mit höchstem Impact | Ausbau / Reduktion |
| Funnel-Abbruchrate | Wo Nutzer abspringen | UX / Prozessoptimierung |
| Trend vs. Ziel | Wachstum oder Rückgang gegenüber Zielsetzung | Sofortmaßnahmen |
Visualisierungstipps:
- Trends: Liniendiagramme mit Rolling Averages (7/14/28 Tage), um Rauschen zu reduzieren.
- Vergleiche: Balkendiagramme für Kanalvergleiche mit Prozentabweichung zum Vorperiodenwert.
- Top-Items: Tabellen mit bedingter Formatierung (z. B. rot/gelb/grün) machen Auffälligkeiten sofort sichtbar.
- Verhältnisse: Verwende Donuts oder KPI-Karten nur sparsam — sie sind gut für Single-Metriken, aber schlecht für Kontext.
Filter, Segmente und Interaktivität richtig einsetzen
Interaktive Elemente sind mächtig, aber können auch verwirren. Meine Prinzipien:
- Standardansicht prädefinieren (z. B. letzter Monat, alle Channels) — das ist die Referenz.
- Filter klar beschriften: "Zeitraum", "Kanal", "Länderauswahl" — keine kryptischen Label.
- Segment-Buttons für häufig genutzte Analysen (z. B. Mobile vs. Desktop, Neue vs. Wiederkehrende Besucher).
- Vermeide zu viele Dropdowns, da Nutzer sonst "vergessen" zu filtern.
Berechnete Felder und Attribution
Viele Entscheider fragen nach "true" ROI. Hier hilft Looker Studio mit berechneten Feldern und Daten aus BigQuery:
- Berechnete Metriken: CPA mit berücksichtigtem Attributionsmodell (Last-Click vs. Data-Driven).
- Normalized Metrics: Wenn Kosten in verschiedenen Währungen vorliegen, stelle sie in einer Standardwährung dar.
- Attributionsimporte: Falls möglich, lade Attributionsdaten aus deinem Data Warehouse (z. B. BigQuery) statt dich nur auf GA4 zu verlassen.
Design und Lesbarkeit: Minimalismus gewinnt
Design ist kein Selbstzweck. Ich folge wenigen Regeln:
- Kontrastreiche Farben für Hervorhebungen, aber limitierte Palette (3-4 Farben).
- Whitespace: Jede Chart braucht Luft. Überladene Seiten werden nicht gelesen.
- Legenden und Achsen klar beschriften; Prozentangaben immer im Kontext zeigen.
- Einheitliche Datumsformate und zahlendarstellungen (z. B. 1.234 vs 1.2k).
Governance und Eigentum
Ein Dashboard wird nur genutzt, wenn Verantwortlichkeiten geklärt sind. Ich definiere:
- Owner: Wer ist für Datenqualität und Inhalte verantwortlich?
- Viewer-Rollen: Wer darf nur ansehen, wer darf bearbeiten?
- Update-Rhythmus: Werden Daten in Echtzeit, täglich oder wöchentlich aktualisiert?
- Change-Log: Kurze Notizen für Änderungen im Dashboard, damit Entscheidungen rückverfolgbar bleiben.
Testing und Iteration — ein Dashboard lebt
Beim ersten Rollout sammle ich aktiv Feedback und messe Nutzung:
- Welche Seiten werden am häufigsten aufgerufen?
- Welche Filter werden gesetzt — oder nie genutzt?
- Welche Fragen bleiben offen, obwohl das Dashboard live ist?
Ich plane kurze A/B-Tests im Layout (z. B. anderes KPI-Set im Snapshot) und prüfe anhand von Nutzer-Interviews, ob Entscheidungen tatsächlich schneller getroffen werden. Oft ist die Entscheidungsgeschwindigkeit der beste Indikator für den Erfolg eines Dashboards.
Praktische Checkliste für einen schnellen Start
- Schreibe 3 Entscheidungsfragen, die das Dashboard beantworten soll.
- Wähle nicht mehr als 6 Executive-KPIs.
- Verbinde nur notwendige Datenquellen (GA4, Ads, BigQuery, CRM).
- Baue 3 Bereiche: Snapshot, Operative Insights, Diagnose.
- Definiere Owner, Update-Frequenz und Zugriffsrechte.
- Rollout mit Nutzerfeedback und Iterationsplan.
Tools, die ich oft ergänzend verwende: BigQuery für komplexe Berechnungen, Google Sheets für schnelle manuelle Ergänzungen, Looker Studio Templates als Ausgangspunkt und ggf. Data Studio Community Visualizations für spezielle Diagramme. Wichtig ist: Verwende Tools, die eure Organisation versteht und warten kann.
Wenn du willst, kann ich dir ein Template als Looker Studio-Datei mit einer Starter-Struktur erstellen (Snapshot + Kanal-Analyse + Funnel-Diagnose). Sag mir kurz, welche Datenquellen du nutzen willst und für welche Zielgruppe das Dashboard primär gedacht ist — dann mache ich einen Vorschlag, der sich in wenigen Stunden implementieren lässt.
