Operationen und Management → Dashboard Metriken und Reporting

Dashboard für Metriken und Reporting

1) Zweck und Reichweite

• ein sofortiges Bild der Gesundheit der Systeme und P&L,
• frühzeitige Erkennung von Abweichungen,
• Transparenz für Management und Teams,
• Vereinheitlichung der Indikatoren für Produkte, Märkte und Regionen.

Abdeckung: Betriebskennzahlen (SLA, Incidents), Produkt (Aktivität, Conversion), Finanzen (GGR/NGR, ARPPU, LTV), Marketing (CAC, ROMI), Risiken und Compliance (KYC/AML, Chargeback, Betrug), Support (SLA-Tickets).

2) Rollen und Verbraucher

C-Level/Direktion: zusammengefasste KPIs, Trends zu OKR-Zielen, P&L, Risiken.
Operations/NOC: Service-Voreinstellungen, Alerts, Aufgabenwarteschlangen, Vorfälle.
Produkt/Wachstum: Trichter, A/B, Kohortenanalyse, Retention.
Finanzen: Tages-/Wochenberichte über Einnahmen und Ausgaben, Steuerabschnitte.
Compliance/Risiko: KYC-Status, verdächtige Muster, Berichte für die Regulierungsbehörde.
Unterstützung: SLA Antworten, NPS/CSAT, Falltypologie.

• Buchbar: Besitzer des Dashboards (Head of Ops/Analytics).
• Responsible: Daten-/BI-Befehl.
• Konsultiert: Produkt, Finanzen, Risiko, SRE.
• Informiert: Bereichsleiter.

3) Datenarchitektur und Aktualisierung

Quellen: Events (Stream), OLTP DB, Logs, Zahlungsanbieter, CRM/Helpdesk, A/B-Plattform.
Verarbeitungsschicht: ETL/ELT, Streaming (für T-15-T + 5 Minuten), Deduplizierung, Schemavalidierung, SCD.
Modell: sternförmig (Tatsache der Tabelle nach Ereignissen/Transaktionen + Dimensionen: Zeit, Region, Produkt, Kanal).

• Real Time: 1-5 Minuten (Operationssäle, Alerts).
• Inkrementelle Batch: 15-60 Minuten (Marketing/Produkt).
• Tagesabschluss Batch: 01: 00-03: 00 (Finanzen/Compliance).
• Datenqualität: Validierungsregeln (Vollständigkeit, Eindeutigkeit, zulässige Bereiche), Überwachung von Pipelineverzögerungen, Driftkontrolle.

4) KPI-Katalog und Formeln (Vorlage)

4. 1 Transaktionen/SRE

Uptime (%) = 1 − (Ausfallzeit/Gesamtzeit) × 100

MTTR (Mean Time To Restore)

MTTA / MTTD (Mean Time To Acknowledge / Detect)

Abfragefehler (%) = Fehler _ 5xx/alle _ Anfragen

4. 2 Produkt/Verhalten

DAU/WAU/MAU

Retention D1/D7/D30

Conversion Funnel: Visit → Sign-up → KYC → Deposit → First Action

ARPPU = Umsatz/zahlende Nutzer

LTV (t) = Σ (durchschnittliche Periodenmarge × Retentionswahrscheinlichkeit)

4. 3 Marketing/Wachstum

CAC = Marketingausgaben/Anzahl der neuen Zahlenden

ROMI = (zusätzliche Marge − Ausgaben )/Ausgaben

CR nach Kanal (SEO/ASO/Anzeigen/Affiliates), Cohorts nach Einführungsdatum

4. 4 Finanzen

GGR (Bruttoerlös)

NGR = GGR − Boni − Provisionen − Steuern auf Spiele

Net Margin = (NGR − OPEX − CAPEX − Processing )/NGR

4. 5 Risiko/Compliance

KYC-Abschluss (%) = verifizierte/neue Registrierungen

SAR Rate (verdächtige Aktivitäten)

Chargeback Rate = Chargebacks/erfolgreiche Transaktionen

Fraud Score mittel/perzentil

4. 6 Unterstützung

SLA ответов (P1/P2/P3), First Response Time, CSAT/NPS, Backlog Size

5) Dashboard-Informationsarchitektur

Startseite (Executive): 8-12 Schlüsselkarten + Sparklines, Heatmaps nach Regionen, YTD/MTD/WoW Trends.
Bedienfeld (Command Center): Aptame, Alerts, Queues, Incidents, API-Performance, ETL-Latenzen.
Produkt/Wachstum: Trichter, Kohortengitter, Segmente, A/B-ME (Effektmetriken).
Finanzen: GGR/NGR, Margen nach Anbietern/Märkten, Auszahlungen, Verarbeitung, Steuern.
Risiko/Compliance: KYC, Anomalien, Betrugsflags, Berichterstattung an die Regulierungsbehörde.
Unterstützung: SLA, Fallvolumen, Typologie, Re-Tickets, VOC.

Navigation: globale Filter (Zeitraum, Region, Produkt, Plattform, Kanal), schnelle Voreinstellungen (Heute/Gestern/MTD/QTD/YTD), „Drill-through“ -Taste auf dem Teil.

6) Widgets und Visualisierungsvorlagen

KPI-Karte: aktueller Wert, Δ zur Vorperiode, Mini-Sparkline, Status (grün/amber/rot).
Conversion-Trichter: Bar-Chart nach Schritt, Konvertierung zwischen den Schritten, Depot (%).
Kohortenmatrix: Halten über Wochen/Monate, thermische Skala.
Zeitreihen: Tages-/Stundenwerte mit Kontrollgrenzen (± 2 σ, ± 3 σ).
Top-N-Tabelle: Anbieter/Kanäle/Regionen mit KPI-Beitrag, klickbares Drill-down.
Wärmekarte von Vorfällen: Dichte nach Diensten × Zeit.
Sankei/Flow: Der Fluss von Benutzern/Geld zwischen den Stufen.
Geo-Map: KPI nach Ländern/Regionen, Compliance-Restriktionsschicht.

7) Signale, Warnungen und Schwellen

Typen: Information, Warnung, kritisch.
Schwellenwerte: statisch (starr) + dynamisch (nach Saisonalität und historischen Variationen).
Benachrichtigungsvorlagen: kurz „was ist passiert“, Kontext (Reichweite, Trend), Ursachenhypothesen, Link zum Detailpanel, Besitzer des Vorfalls.
Alert-Deduplizierung: Unterdrückung von „Bursts“, Gruppierung verwandter Signale.
SLO für Alerting: MTTA ≤ 5 min (kritisch) MTTR ≤ 30-60 min.

8) Zugang und Sicherheit

RLS/CLS (Row/Column Level Security): Filter nach Region und Gerichtsbarkeit.
PII/Daten: Maskierung und Tokenisierung, minimal notwendiger Zugang.
Auditing: Wer schaute, was ausgeladen wurde, welche Filter angewendet wurden.
Versionierung von Artefakten: Git für SQL/Visualisierungen und Metrik-Wörterbuch.

9) Meldevorschriften

Täglich (D-Reports): Betriebsschnitt, Vorfälle, GGR/NGR, wichtige Deltas.
Wöchentlich: Retention, Anziehungskanäle, ROMI, Betrugsdigest.
Monatlich: P&L, Kohortenberichte, KPI gegen OKR-Ziele, Compliance-Berichte.
Auf Anfrage: Berichte für Aufsichtsbehörden/Audits, A/B-Ergebnisse, Post-Mortems.

Alle Berichte werden aus einem einzigen Metrikwörterbuch und einem einzigen Datenmodell gebildet - kein „manuelles Excel mit alternativer Wahrheit“.

10) Umsetzung: Stufenplan

1. Metrik Inventar: Sammeln Sie aktuelle KPIs, beseitigen Sie Takes/Konflikte.
2. Metric Dictionary: ID, Formel, Besitzer, Quellen, Periodizität, Schwellenwerte.
3. Datenmodell: Fakten/Maße, SCD, Maßeinheiten, Chronologie.
4. Süße Behandlungen: Streaming für „heiße“ Metriken, Batch für Finanzen.
5. Dashboardlayouts: Low-Fi → High-Fi, Abstimmung mit Rollen.
6. RLS/CLS und Datenschutz: Zugriffe, Maskierung, Audit.
7. Alerting: Regeln, Schwellenwerte, Kanäle (Chat, Mail, PagerDuty usw.).
8. Pilot und Beta: 2-4 Wochen pro Vertical (z.B. Operations), Sammlung von Fidback.
9. Training und Playbook: kurze Videos/Hyde, Forschungsvorlagen.
10. Kontinuierliche Verbesserung: backlog Verbesserungen, Release-Noten.

11) Anti-Muster

„Zoo der Dashboards“: Dutzende Versionen eines KPI ohne ein einziges Wörterbuch.
Manuelle Berichte: Instabilität, Fehlerrisiken und PII-Lecks.
Übermäßige Details auf dem Hauptbildschirm: „Informationsrauschen“.
Alert-Spam: Keine Priorisierung und Deduplizierung.
Ohne Metrikbesitzer: verschwommene Verantwortung → umstrittene „Wahrheit“.

12) Checklisten

Vor der Dashboard-Veröffentlichung

• KPIs sind konsistent, beschrieben und haben Eigentümer
• Einheiten und Zeitzonen vereinheitlicht
• RLS/CLS konfiguriert, PII maskiert
• Alarmschwellen anhand historischer Daten überprüft
• Update Load und SLA getestet
• Onboarding-hyde und changelog veröffentlicht

Monatliche Wartung

• Überprüfung des Metrik-Wörterbuchs (Änderungen, neue Metriken)
• Validierung von Pipelinequellen und Verzögerungen
• Retrospektive der Warnhinweise (falsch/übersehen)
• UX-Verbesserungen: Geschwindigkeit, Filter, Voreinstellungen

13) Beispiele für SQL/Logik (vereinfacht)

ARPPU (Tag)

sql
SELECT d::date AS day,
SUM(revenue) / NULLIF(COUNT(DISTINCT CASE WHEN pay_count > 0 THEN user_id END), 0) AS arppu
FROM daily_user_finance
GROUP BY 1;

Registrierungskohorte (MAU Retention M1)

sql
WITH cohorts AS (
SELECT user_id, date_trunc('month', signup_at) AS cohort_month
FROM users
),
activity AS (
SELECT user_id, date_trunc('month', activity_at) AS active_month
FROM user_activity
)
SELECT cohort_month,
COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month) AS m0,
COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month + INTERVAL '1 month') AS m1,
ROUND(100. 0 COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month + INTERVAL '1 month')
/ NULLIF(COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month),0), 2) AS m1_retention_pct
FROM cohorts c
LEFT JOIN activity a USING (user_id)
GROUP BY 1
ORDER BY 1;

Alert auf GGR-Anomalien (Tag-zu-Tag)

sql
SELECT today. ggr,
yesterday. ggr,
(today. ggr - yesterday. ggr) / NULLIF(yesterday. ggr,0) AS delta
FROM revenue_daily today
JOIN revenue_daily yesterday ON yesterday. day = today. day - INTERVAL '1 day'
WHERE today. day = CURRENT_DATE
AND ABS((today. ggr - yesterday. ggr) / NULLIF(yesterday. ggr,0)) > 0. 25;

14) Lokalisierung und Multi-Region

Einheitliche Taxonomie von Ländern/Gerichtsbarkeiten, Währungen, Mehrwertsteuer/Glücksspielsteuern.
Währungsumrechnung nach festgelegten Regeln (End-of-Day vs Average).
Zeitzonen: UTC speichern, in der Lokalität des Benutzers visualisieren.
Regulatorische Berichte: Vorlagen + Parametrisierung für das Land.

15) Qualitätsindikatoren des Dashboards selbst

Coverage: Der Anteil der wichtigsten KPIs, die im Panel verfügbar sind.
Freshness SLA: Anteil der Updates, die in das angegebene Fenster fallen.
Adoption: Dashboard-MAU, Sitzungstiefe, gespeicherte Presets.
Decision Lag: Die durchschnittliche Zeit von der Alert bis zur akzeptierten Aktion.
Genauigkeit: Anteil der vereinbarten Abweichungen <zulässige Schwelle.

16) Das Ergebnis

Das Metrik- und Reporting-Dashboard ist keine Sammlung schöner Diagramme, sondern ein Managementinstrument mit einem einzigen Metrikwörterbuch, einem nachhaltigen Datenmodell, klaren SLAs und Verantwortlichkeiten. Seine Aufgabe ist es, Entscheidungen zu beschleunigen, operationelle Risiken zu reduzieren und die Vorhersehbarkeit des Ergebnisses zu erhöhen.