Tipps, Tools und Links für Datenjournalisten

Von Julian Schmidli (Stand: November 2017)

Tools

Eigentlich gilt die Regel: Umso weniger Tools, desto besser. Von den Hunderten, die es inzwischen gibt, kann ich folgende empfehlen.

Charts: Datawrapper, Highcharts, Chartbuilder, RAWgraphs, Scatterplot, Gif-Maker

Visual Storytelling Dataviz-Project, Visual Vocabulary (FT), NAPA-Cards

Karten: Carto, Storymap, QGIS

Daten säubern: Open Refine, R-Studio, Comma-Chameleon, RegEx

Daten aus PDFs befreien: Tabula, Comet Docs, Abbyy Finereader

Daten analysieren: R-Studio, Exploratory, CSVkit, Agate, Workbench, Pandas

Besser Arbeiten mit Programmier-Tools: Github ist der Spielplatz vieler Nerds und Datenjournalisten. Unverzichtbar für Teamarbeit! Hier gibt es eine gute Schulung dazu. Sublime Text 2 ist ein beliebter Code-Editor. Und wer gleich mit Programmieren anfangen will: Timo Grossenbachers Sammlung .RDDJ bietet eine Übersicht in den Einstieg mit R; bei der Codeacademy kann man verspielte, praktische Lernkurse besuchen. Empfohlen für Journalisten: Python und Javascript (Node.js).

Diese ausführliche Anleitung gibt Einblick, wie man aus Rohdaten Diamanten schleift.

Links

Datenjournalismus im deutschsprachigen Raum

Das perfekte How-To für Anfänger der Mailingliste ddjDACH

Datenjournalist.de

Katalog von DDJ-Projekten

Riesige Sammlung an DDJ-Wissen

Bulletproof your data

18 Schritte, um deine Daten zu verifizieren (Inspiriert von ProPublica)

1. Sei dir im Klaren darüber, woher die Daten kommen. Welches ist die Datenquelle?

2. Beschaffe dir ähnliche oder gleiche Daten aus anderen Quellen und vergleiche.

3. Besprich das Thema mit Experten, die unterschiedliche Standpunkte einnehmen.

4. Such ähnliche Beiträge und untersuche, was dort gemacht wurde.

5. Verlange die Fragebogen, mit denen die Daten erhoben wurden. Erkundige dich nach dem methodischen Vorgehen. Falls die Urheber diese Informationen verweigern, müssen bei dir die Warnlampen leuchten.

6. Hüte dich vor Daten, die mit unwissenschaftlichen Methoden erhoben wurden. Dazu gehören: Internet-Analysen, Strassenumfragen oder andere handgestrickte Datensammlungen.

7. Lies wissenschaftliche Berichte zum Thema.

8. Zeige wesentliche Ergebnisse mit Bezug zum Kern der Geschichte.

9. Bau ein konsistentes Archiv mit Daten und Anwendungsfällen auf. Falls das Archiv verändert wird, schreiben sie auf, falls einige Aufzeichnungen einbezogen oder weggelassen wurden.

10. Gib dir genug Zeit, die nötigen Daten zu sammeln, bevor du mit dem Schreiben der Geschichte beginnst.

11. Wenn du eine eigene Datenbank für ein Projekt aufgebaut hast, bei der Informationen später aktualisiert werden müssen oder sich ändern, dann setz ein Enddatum und nimm keine Änderungen mehr vor, außer es gibt inakkurate Daten oder neue Informationen, die die Aussage der Story ändern.

12. Formuliere eine alternative Abfrage, die eigentlich die gleichen Werte ergeben sollte – und schau ob das auch so ist.

13. Lass deine Resultate von einer fachkundigen Drittperson vor der Publikation überprüfen.

14. Gegebenenfalls auch von den Personen oder Organisationen, um die es in der Geschichte geht.

15. Überprüfe überraschende Resultate. Nicht selten entpuppen sie sich als Fehler – andernfalls stecken Geschichten dahinter).

16. Setze deine Daten in einen Gesamtzusammenhang.

17. Wenn es möglich ist, Daten real zu überprüfen, zum Beispiel in einem Archiv, dann tu das.

18. Vertraue deinem Bauchgefühl. Wenn etwas nicht richtig zu sein scheint, dann ist es wahrscheinlich auch nicht richtig.

Zusatz: Tool Dataproofer einsetzen.