Dashboard-Entwicklung in Data Studio, gebaut um die Entscheidungen, die Sie treffen

Was gehört zur Dashboard-Entwicklung in Data Studio?

Der größte Aufwand steckt in den Teilen, die man am Bildschirm nie sieht. Ein Dashboard, das nach einem Nachmittag fertig aussieht, kann Wochen brauchen, bis man ihm traut, denn die schwierigen Fragen betreffen Definitionen: was als Conversion zählt, zu welchem Datum ein Verkauf gehört und ob Retouren vor oder nach dem Zielvergleich abgezogen werden.

Deshalb beginnt ein Aufbau mit mir mit einem kurzen Kennzahlenblatt. Jede KPI erhält einen Namen, eine Formel, eine Quelle und einen Verantwortlichen. Erst dann öffne ich den Editor. Dieses Blatt wird Teil der Übergabe und klärt später Diskussionen, wenn jemand fragt, warum sich eine Zahl bewegt hat.

• Anforderungen: die fünf bis zehn Entscheidungen, die der Bericht unterstützen soll, und wer sie trifft.
• Datenmodell: welche Quellen, in welcher Granularität, verknüpft über welche Schlüssel.
• Logik: berechnete Felder, CASE-Anweisungen, Parameter und Filter.
• Design: Seitenstruktur, Diagrammwahl, Steuerungen und Verhalten auf Mobilgeräten.
• Betrieb: Anmeldedaten, Freigaben, geplanter Versand und Dokumentation.

Was unterscheidet ein individuelles Data-Studio-Dashboard von einer Vorlage?

Eine Vorlage liefert Ihnen Diagramme. Ein individuelles Data-Studio-Dashboard liefert Ihnen Ihre Geschäftslogik. Vorlagen gehen davon aus, dass Ihre GA4-Kanäle, Kampagnennamen und Ziele aussehen wie die aller anderen, und das tun sie selten. Sobald Sie Umsatz abzüglich Erstattungen, Ziele nach Region oder eine Kanalgruppierung brauchen, die der Sprache Ihres Vertriebs entspricht, muss eine Vorlage ohnehin umgebaut werden.

Für einen Bericht mit einer Quelle und Standardfeldern sind Vorlagen ein vernünftiger Ausgangspunkt. Müssen zwei oder mehr Quellen übereinstimmen oder geht der Bericht an die Geschäftsführung, macht sich individuelle Arbeit meist durch die Stunden bezahlt, die niemand mehr mit dem manuellen Abgleich von Zahlen verbringt.

Wie strukturiere ich ein Data-Studio-Dashboard, damit es tatsächlich genutzt wird?

Die Antwort gehört nach oben, die Belege darunter. Meine Standardseite hat eine Reihe Kurzübersichten mit Vergleichszeiträumen, ein oder zwei Trenddiagramme und unten eine Drilldown-Tabelle. Steuerungen stehen an einer einheitlichen Stelle, und jede Seite hat einen klaren Zeitraum.

Ich beschränke jede Seite auf eine Frage. Eine Vertriebsübersicht, eine Kanalseite, eine Produktseite und eine Detailseite schlagen meist eine lange Seite mit dreißig Diagrammen. Betrachter können Daten inzwischen manuell aktualisieren, Diagramme im Vollbild öffnen und ein Diagramm als PNG exportieren, eine schlanke Seite lässt sich also auch im Meeting leichter teilen.

Parameter leisten viel stille Arbeit. Mit einem Zielparameter kann eine Führungskraft ein neues Ziel testen, ohne den Bericht zu bearbeiten. Mit einer Kennzahlenauswahl wechselt ein Diagramm zwischen Umsatz, Bestellungen und Conversion-Rate, was Seiten kurz hält. Die datenquellenübergreifende Filterung, eingeführt im Januar 2026, bedeutet, dass eine Zeitraum- oder Regionssteuerung jetzt Diagramme aus verschiedenen Quellen filtern kann.

Welche Diagrammtypen und Grenzen zählen in einem Data-Studio-Dashboard?

Kurzübersichten, Zeitreihen, Balkendiagramme, Tabellen mit Heatmaps, geografische Karten und das neuere Histogramm decken fast jeden Geschäftsbericht ab. Die eigentlichen Grenzen sind nicht visuell. Tabellen aus Quellen mit festem Schema wie GA4 und Google Ads fassen bis zu 10 Dimensionen und 20 Messwerte, Quellen aus Sheets, BigQuery und SQL jeweils 100.

Datenverknüpfungen verbinden bis zu fünf Quellen, nur über Gleichheitsbedingungen, und eine Datenverknüpfung gilt nur innerhalb eines Berichts. Braucht ein Design mehr als das oder einen unscharfen Abgleich von Kampagnennamen, bereite ich die Daten vorgelagert in einem Sheet oder einer BigQuery-Tabelle auf. So bleibt das Dashboard schnell und die Logik an einem Ort, statt über Datenverknüpfungen auf Berichtsebene verstreut zu sein.

Große Abfragen können außerdem Fehler wegen „zu vieler Zeilen“ liefern. Die Daten zu aggregieren, bevor sie das Diagramm erreichen, oder einen Extrakt für sich langsam ändernde Historie zu nutzen, löst das meist.

Wie sieht ein fertiger Aufbau aus? Ein Beispiel aus dem Einzelhandel

Ein Einzelhandels-Dashboard, das ich bei Greenwolf Tech Labs geleitet habe, zeigt das Muster. Die Geschäftsführung wollte Umsatzwachstum zum Vormonat und Vorquartal, Conversion-Rate, Abverkaufsquote und Warenkorbabbrüche gegenüber Prognose, mit Online- und Filialumsatz nebeneinander.

Das Operations-Team brauchte auf einer eigenen Seite andere Dinge: Besucherfrequenz der Filialen und Inventurdifferenzen. Die Zielgruppen auf eigene Seiten zu verteilen, mit gemeinsamen Steuerungen für Zeitraum und Filiale, hielt jede Seite lesbar, während die zugrunde liegenden Quellen gemeinsam blieben. Derselbe Ansatz funktioniert für Finanz-Dashboards, die Liquidität, Umsatz, Ausgaben und Marge in einer Ansicht zusammenführen.

Wann sollten Sie einen Data-Studio-Entwickler beauftragen, statt selbst zu bauen?

Bauen Sie selbst, wenn der Bericht eine Quelle, Standardfelder und ein kleines Publikum hat. Data Studio ist kostenlos, der Editor ist zugänglich, und eine GA4-Übersicht für den eigenen Gebrauch ist ein gutes Wochenendprojekt.

Holen Sie einen Data-Studio-Entwickler dazu, wenn zwei oder mehr Quellen übereinstimmen müssen, der Bericht an Kunden oder die Geschäftsführung geht, Betrachter immer wieder auf Kontingent- oder Berechtigungsfehler stoßen oder die Person, die das Original gebaut hat, nicht mehr da ist. In diesen Fällen sparen ein paar Stunden fachkundiger Einrichtung Monate an Flickwerk. Seit das Produkt im April 2026 von Looker Studio wieder zu Data Studio wurde, nutzen Teams einen Neuaufbau auch als Anlass, jahrelang kopierte Berichte aufzuräumen.