---
lang: de-DE
---
(dashboard-resümee)=
# Resümee
````{margin}
```{admonition} Dashboard Code
:class: hinweis
Der vollständige R-Code des in diesem Kapitel entwickelten Dashboards ist im folgenden GitHub-Repository verfügbar:
Visualisierung in der Verwaltung
```
````
```{admonition} Key points des Kapitels
:class: keypoint
**Dashboard-Grundlagen:** Eine erfolgreiche Datenvisualisierung erfordert nicht nur technische Werkzeuge, sondern auch eine bewusste Gestaltung und Haltung, um komplexe Verwaltungsdaten verständlich und zugänglich zu machen.
**Zentrale Visualisierungselemente:** Durch den gezielten Einsatz von Startseite, räumlichen Kartendarstellungen und zeitlichen Trendlinien lassen sich Muster im Gießverhalten sowohl geografisch als auch chronologisch explorieren.
**Bedeutung der Operationalisierung:** Die Gegenüberstellung verschiedener Messgrößen, wie der Anzahl gegossener Bäume versus der Bewässerungsmenge zeigt eindrucksvoll, wie stark die Wahl des Indikators das Analyseergebnis und die erzählte Datengeschichte beeinflusst.
```
In diesem Kapitel wurde ausgehend von den Grundlagen der Datenvisualisierung Schritt für Schritt ein aussagekräftiges Dashboard entwickelt. Durch die schrittweise Integration einer kompakten Startseite, einer Bezirkskarte, einer Bewässerungsanalyse, eines Zeitverlaufs sowie detaillierter Baumstatistiken wurden die Daten schrittweise für eine explorative Analyse greifbar gemacht.
```{admonition} Zusätzliche Materialien
:class: seealso
Wer das eigene Dashboard öffentlich zugänglich machen möchte, hat dafür zwei verbreitete Möglichkeiten:
- ShinyApps.io – Eine cloudbasierte Plattform von Posit, auf der Shiny-Apps direkt aus RStudio heraus über das `rsconnect`-Paket deployed werden. Die App läuft auf einem gehosteten Server.
- ShinyLive – Eine serverlose Variante, bei der die App vollständig im Browser läuft. Die exportierte App kann auf jedem statischen Webhosting-Dienst veröffentlicht werden (z. B. GitHub Pages).
```
Im abschließenden Kapitel 6 werden die wichtigsten Erkenntnisse aus der Datengeschichte zusammengefasst und die Methodik sowie die gewählte Operationalisierung kritisch reflektiert.