Datenvisualisierung: Dateninterpretation auf einen Blick

0

Datenvisualisierung ist die Vorgehensweise der grafischen Darstellung von Daten mit geeigneter Software, um das Verständnis des Informationsgehalts von Massendaten zu erleichtern.

Datenvisualisierung: Dateninterpretation auf einen Blick

Im Anschluss an die Datenanalyse werden die Ergebnisse zunächst textbasiert zusammengestellt. Diese Art der Ergebnisdarstellung ist für ein schnelles Verständnis jedoch ungeeignet. Um Muster, Zusammenhänge, Trends und Korrelationen zu erkennen, ist eine grafische Visualisierung sinnvoller. Mit Hilfe geeigneter Techniken gelingt es, alle Analyseergebnisse anschaulich und außerdem wesentlich kompakter zu visualisieren. Zu diesem Zweck nutzen Unternehmen moderne Datenvisualisierungs-Tools, die weit über die Standard-Diagramme oder Grafiken der Excel-Tabellen hinausgehen.

Daten visualisieren und das Verständnis verbessern

Die meisten Informationen nehmen Menschen über die Augen auf. Es ist jedoch für das Verständnis der Informationen ganz entscheidend, wie die Informationen präsentiert werden. Diese Tatsache nutzen die Medien unter anderem dadurch, dass Texte immer wieder durch Bilder oder Diagramme aufgelockert werden. Auf diese Weise fällt es dem Betrachter wesentlich leichter, die Inhalte zu verstehen und darüber hinaus die Konzentration aufrechtzuerhalten. Jeder kennt das: Ein auffälliges oder besonders schönes Bild zieht sofort die Blicke des Betrachters an und ist oft der eigentliche Grund, warum man einen Artikel überhaupt liest.

Die Digitalisierung führt dazu, dass Menschen sowohl im Privat- wie auch im Berufsleben geradezu mit Informationen überschüttet werden. Im Internet stehen zu den verschiedensten Themen Artikel zur Verfügung. Auch im Unternehmen führt die Aufbereitung und Analyse von Massendaten dazu, dass sich die Mitarbeiter ständig mit Informationen auseinandersetzen und diese möglichst korrekt und zielgerichtet interpretieren müssen. Das psychologische Phänomen des „information overload“ beschreibt die Grenzen, an die viele Menschen dabei stoßen. Reaktanz, Vermeidungsverhalten und sogar Burnout können die Folge sein.

Daten zu visualisieren, kann diese negativen Effekte zwar nicht gänzlich verhindern. Durch das Erstellen anschaulicher Diagramme, Charts und Infografiken kann jedoch das Verständnis erleichtert werden. Durch die Grafiken lassen sich Zahlen und Daten einfacher vermitteln und zudem sind sie auch unterhaltsamer als lange Tabellen oder Texte. Das hat wiederum einen großen Einfluss auf die Motivation der Mitarbeiter, sich mit den Themen Datenanalyse und Digitalisierung zu beschäftigen und bildet eine Grundvoraussetzung für die Realisierung der positiven Effekte einer digitalen Transformation.

Datenvisualisierung ist die Vorgehensweise der grafischen Darstellung von Daten mit geeigneter Software, um das Verständnis des Informationsgehalts von Massendaten zu erleichtern. (#01)

Datenvisualisierung ist die Vorgehensweise der grafischen Darstellung von Daten mit geeigneter Software, um das Verständnis des Informationsgehalts von Massendaten zu erleichtern. (#01)

Moderne Datenanalyse ist ohne ein Visualisieren der Daten undenkbar

Mit den innovativen Analytic Anwendungen werden die Datenberge, die aus unstrukturierten und polystrukturierten Quellen erhoben werden, analysiert. Den Unternehmen stehen heutzutage so viele Daten wie nie zuvor zur Verfügung. Business Intelligence Software generiert aus Geo-, Sensor-, RFID-Chip-Daten in Kombination mit den Daten der Kunden, Produktion, Mitarbeiter und Wettbewerber und ergänzt um Daten aus dem Internet und den Social Media entscheidungsrelevante Informationen. Unternehmen, denen es gelingt, die Datenflut professionell zu managen, erarbeiten sich damit große Wettbewerbsvorteile. Strategien werden nicht mehr aufgrund eines Bauchgefühls der Unternehmensführung formuliert, sondern wissensbasiert anhand von Datenanalysen. Prozesse werden beschleunigt und Kosten können durch automatisierte Produktionsverfahren und eine optimale Lagerhaltung gesenkt werden.

Die moderne Datenanalyse verfügt über leistungsstarke Tools, die nicht nur in der Lage sind, die Daten verschiedener Quellen zu harmonisieren und auszuwerten, sondern auch im Bereich der Visualisierung hervorragende Ergebnisse erreichen. Mit den Visualisierungstechniken werden aus trockenen Zahlen „Storys“, die nicht nur spannender, sondern auch einprägsamer und vom Gehirn besser zu verarbeiten sind. Präsentationen über Verkaufszahlen oder Web-Traffics zeigen auf einen Blick, welche wichtigen Informationen das Management daraus entnehmen sollte.

Durch die prägnante Darstellungsweise sind die Informationen leichter zu interpretieren und es werden Zusammenhänge zu anderen Bereichen ersichtlich. Oft wird erst durch Diagramme, Infografiken oder Charts der Blick auf verwandte Fragestellungen gelenkt und die Perspektive entscheidend erweitert. Visualisierte Analyseergebnisse regen zur Diskussion an und zeigen die Trends und Muster, die sich in den unüberschaubaren Datenmassen verbergen.

Verständliche Darstellung komplexer Zusammenhänge

Es gibt zahlreiche Visualisierungs-Tools, mit denen eine grafische Darstellung von Informationen leicht gelingt. Bei der Entwicklung dieser Tools wird besonders auf eine intuitive und leichte Bedienbarkeit geachtet, sodass auch Mitarbeiter ohne vertiefte IT-Kenntnisse diese Anwendungen problemlos nutzen können. Mit ein paar einfachen Schritten werden aus langweiligen Tabellen aussagekräftige Balken- oder Chartdiagramme. Fieberkurven oder Ampeln verdeutlichen anschaulich Entwicklungen oder zeigen Handlungsbedarfe auf. In jedem Unternehmensbereich, in dem Massendaten analysiert werden, ist das Visualisieren der Ergebnisse sinnvoll.

Ein weiterer Vorteil der grafischen Darstellung besteht darin, dass damit selbst Menschen, die mit einem Thema nicht vertraut sind, schnell einen Überblick erhalten und Zusammenhänge leichter verstehen. Damit entfallen lange Erklärungen und auch das trägt zu einer Beschleunigung von Prozessen der Entscheidungsfindung bei. Mit dem Visualisieren wird also ein wichtiger Vorteil der Digitalisierung erreicht: schnelle Reaktionen auf veränderte Bedingungen einer dynamischen Umwelt im globalisierten Wettbewerb. Eine Grundvoraussetzung für die visuelle Aufbereitung von Informationen ist die vorherige Strukturierung des Datenbestands.

Es gibt zahlreiche Visualisierungs-Tools, mit denen eine grafische Darstellung von Informationen leicht gelingt. (#02)

Es gibt zahlreiche Visualisierungs-Tools, mit denen eine grafische Darstellung von Informationen leicht gelingt. (#02)

Interaktive Grafiken: Optimierung der Datenanalyse

Interaktive Grafiken bilden einen weiteren Meilenstein auf dem Weg zur Realisierung von Big Data. Im Gegensatz zu den statischen Diagrammen sprechen interaktive Darstellungsformen mehrere Sinne an und prägen sich besser ein. Mit einem interaktiven Diagramm lassen sich Entwicklungen veranschaulichen und Überblicke geben. Eine statische Grafik kann nur eine einzelne Frage beantworten, die sich auf einen bestimmten Datensatz und einen festgelegten Kontext bezieht. Interaktive Grafiken sind flexibler und beziehen darüber hinaus den Betrachter mit in die Gestaltung ein.

Ein weiterer Vorteil der interaktiven Darstellungsweise ist, dass die Zusammenarbeit im Team oder zwischen verschiedenen Fachabteilungen gefördert wird. Durch diesen fachlichen Austausch ergeben sich oft neue Erkenntnisse und Einsichten, von denen das gesamte System profitiert. Durch die Interaktion werden neue Fragestellungen aufgeworfen und die Datenanalyse wird vertieft. Es können nicht nur die Ergebnisse von Entwicklungen dargestellt werden, sondern auch Fragen zu den Gründen für die Entwicklung beantwortet werden.

Möglichkeiten der interaktiven Darstellungen

Zum einen werden interaktive Grafiken für einfache Analyseaufgaben verwendet, um beispielsweise Ansichten zu filtern, Parameter anzupassen oder Berechnungen durchzuführen. Darüber hinaus fördert das Erstellen von interaktiven Darstellungen einen spielerischen Umgang mit den Datenbeständen. Spontane Fragestellungen und auf den ersten Blick unwahrscheinliche Kausalitäten können mit wenig Aufwand überprüft werden. Es reicht, eine Variable zu verändern und dadurch wird die Datenanalyse zum lebendigen Prozess, der Muster und Interdependenzen aufzeigt oder den Blick auf Ausreißer und Anomalien lenkt.

Vorgehensweise beim Visualisieren von Daten

Moderne Visualisierungs-Tools ermöglichen die Bearbeitung von Darstellungen im Self-Service und können somit nahezu von jedem Mitarbeiter genutzt werden. Dennoch ist das Beachten einiger Grundregeln wichtig, damit mit dem Visualisieren das intendierte Ziel erreicht wird und die Darstellung sowohl aussagekräftig als auch verständlich und möglichst unterhaltsam ist.

Welche grundlegende Fragestellung soll beantwortet werden?

Mit dieser Frage wird beantwortet, welche Informationen die visualisierten Daten liefern sollen und welche Zielgruppe angesprochen wird. Auch die Erkenntniswünsche der Zielgruppe sind wichtig und außerdem ist es schon in dieser Phase relevant zu wissen, welche weiteren Fragestellungen wahrscheinlich mit der Grafik angestoßen werden.

Wird die Darstellung mit Informationen geradezu überladen, besteht die Gefahr, Kernaussagen nicht zu erkennen und sich stattdessen im Detail zu verlieren. Die Informationen sollten im Kontext mit der aktuellen Unternehmenssituation stehen. Wird also ein Umsatzwachstum angestrebt, stehen die Umsatzzahlen im Fokus und nicht Informationen über Investitionen. (#02)

Wird die Darstellung mit Informationen geradezu überladen, besteht die Gefahr, Kernaussagen nicht zu erkennen und sich stattdessen im Detail zu verlieren. Die Informationen sollten im Kontext mit der aktuellen Unternehmenssituation stehen. Wird also ein Umsatzwachstum angestrebt, stehen die Umsatzzahlen im Fokus und nicht Informationen über Investitionen. (#03)

Eingrenzen der Komplexität

Das Motto „keep ist simple“ stellt im Bereich Datenvisualisierung eine der wichtigsten Prämissen für die Verständlichkeit dar. Wird die Darstellung mit Informationen geradezu überladen, besteht die Gefahr, Kernaussagen nicht zu erkennen und sich stattdessen im Detail zu verlieren. Die Informationen sollten im Kontext mit der aktuellen Unternehmenssituation stehen. Wird also ein Umsatzwachstum angestrebt, stehen die Umsatzzahlen im Fokus und nicht Informationen über Investitionen. Es ist darauf zu achten, die Komplexität möglichst gering zu halten, was auch in einer überschaubaren Anzahl von Farben zum Ausdruck kommt, die beim Visualisieren verwendet werden.

Einbeziehung aller relevanten Datensätze

Es ist das Wesen der modernen, computergestützten Datenanalyse, dass möglichst alle relevanten Datenquellen einbezogen werden, um einen maximalen Informationsgehalt der Ergebnisse zu gewährleisten. Zu diesem Zweck können Kundendaten mit Geodaten oder Datensätzen aus den Sozialen Netzwerken angereichert werden. Die Einbeziehung demografischer Informationen führt zu einer Erweiterung des Handlungsspielraums, weil damit Prognosen möglich werden. Auf Basis verlässlicher Prognosen kann ein Unternehmen agieren und muss nicht warten, bis ein Reagieren auf bereits eingetretene Szenarien erforderlich wird.

Sicherstellung der Aktualität der Datenbasis

Datenanalysen und Datenvisualisierungen können nur so gut sein, wie es die Datenbasis erlaubt. Aus diesem Grund besteht eine wichtige Voraussetzung für das Visualisieren der Daten darin, die Datenqualität sicherzustellen. Die Kennzahlen müssen auf aktuellen, validen Datenbeständen basieren. Es gibt innovative Tools, die es ermöglichen, eine einmal erstellte Grafik mit wenig Aufwand immer wieder zu aktualisieren oder die diese Aktualisierung sogar automatisch durchführen. Auch damit wird zur Beschleunigung der Geschäftsprozesse beigetragen.

Welcher Diagrammtyp passt zur Fragestellung?

Die Wahl eines Diagrammtyps hängt von den zu vermittelnden Inhalten ab. Trends können besonders gut mit Linien-, Balken- oder Flächendiagrammen verfolgt werden. Die Zeit wird dabei auf der x-Achse abgebildet und so können die Entwicklungen genau in ihrem zeitlichen Verlauf nachvollzogen werden. Es ist jedoch immer sinnvoll, verschiedene Diagrammtypen auszuprobieren und sich dann für den am meisten geeigneten zu entscheiden. Interaktive Landkarten, Torten- und Streudiagramme bieten interessante Möglichkeiten der Darstellung. Gantt-Diagramme sind hervorragend geeignet, um Projekte zu verfolgen, denn mit ihnen werden Anfangs- und Enddaten von Projektschritten visualisiert. Die meisten Tools bieten eine ausreichende Vielfalt an Darstellungsformen, aus denen die passende für den jeweiligen Zweck ausgewählt werden kann.

Besonders im Zusammenhang mit Big Data, der Verarbeitung von Massendaten aus unterschiedlichsten Quellen, steht die Datenvisualisierung im Zentrum des Interesses. (#03)

Besonders im Zusammenhang mit Big Data, der Verarbeitung von Massendaten aus unterschiedlichsten Quellen, steht die Datenvisualisierung im Zentrum des Interesses. (#04)

Datenvisualisierung im Umfeld von Big Data

Besonders im Zusammenhang mit Big Data, der Verarbeitung von Massendaten aus unterschiedlichsten Quellen, steht die Datenvisualisierung im Zentrum des Interesses. Denn wenn es darum geht, abstrakte Datenberge zu verarbeiten, sind modernste Tools gefragt. Letztlich kann es nur mit modernen IT-Anwendungen gelingen, aus der Datenflut das zu extrahieren, was Unternehmen im Zeitalter der Digitalisierung am dringendsten brauchen: einen Wissensvorsprung vor der Konkurrenz und die Fähigkeit, schnell und zielgerichtet auf Veränderungen zu reagieren.

Vor welche Herausforderungen stellt Big Data die Unternehmen?

Die Datenmenge steigt weltweit in rasantem Tempo an und erreicht jedes Jahr neue Höchststände, wobei keine Ende dieser Entwicklung, sondern eher eine weitere Beschleunigung absehbar ist. Daraus ergeben sich zwei Herausforderungen für die Unternehmen. Zu einen muss eine möglichst perfekte Speicherung der Datenbestände erfolgen. Dabei sind Rahmenbedingungen wie Zugriffsgeschwindigkeit, Datensicherheit und Speicherkapazitäten sowie die wirtschaftliche Rentabilität zu erfüllen.

Die zweite Herausforderung ist fast noch wichtiger und besteht darin, die Datenflut so zu verarbeiten und zu visualisieren, dass daraus auch ein effektiver Mehrwert für die Unternehmen entsteht. Wie werden aus einer Flut von Bits und Bytes anschauliche Entscheidungsgrundlagen? Nach der Datenanalyse können die Ergebnisse in Tabellen oder Verteilungskurven dargestellt werden. Um die Informationen, die sich in den Daten verbergen, zu verstehen, ist es nötig, eine möglichst anschauliche Darstellungsform zu wählen. Sogenannte Big-Data-Artists bemühen sich, die Zusammenhänge und Muster in möglichst ästhetische und verständliche Grafiken umzuwandeln.

Angestrebtes Ziel: Die Schönheit in den Informationen zeigen

Warum sind Daten für Unternehmen so wichtig, dass sie enorme Anstrengungen unternehmen, diese zu generieren, aufzubereiten, zu analysieren und zu interpretieren? Letztlich steckt dahinter die ewige Erkenntnis „Wissen ist Macht“. Das Wissen aus den Daten zu extrahieren, verschafft den Unternehmen Handlungsspielräume und Vorteile im internationalen Wettbewerb. In einer Informationsgesellschaft werden Daten somit zum entscheidenden Produktions- und Erfolgsfaktor, wenn es gelingt ihr Potential zu nutzen.

Bilder und Grafiken erleichtern das Erfassen von Informationen. Der Informations-Designer David McCandless ist sogar der Überzeugung, dass grafisch optimal aufbereitete Informationen schön sind. Mit Animationen und Grafiken lassen sich Informationen ästhetisch darstellen und damit steigt die Akzeptanz der Adressaten, die Analyseergebnisse bei der Entscheidungsfindung einzubeziehen.

Das Visualisieren von Massendaten soll einen Überblick ermöglichen, ohne dass dabei das detaillierte Datenverständnis vernachlässigt wird. Daten zu visualisieren, bietet die Option, abstrakte Zusammenhänge zu verdeutlichen. Analyse-Tools wie Power BI, Qlik Sense oder Tableau sind sogar in der Lage, eine interaktive Visualisierung vorzunehmen. (#04)

Das Visualisieren von Massendaten soll einen Überblick ermöglichen, ohne dass dabei das detaillierte Datenverständnis vernachlässigt wird. Daten zu visualisieren, bietet die Option, abstrakte Zusammenhänge zu verdeutlichen. Analyse-Tools wie Power BI, Qlik Sense oder Tableau sind sogar in der Lage, eine interaktive Visualisierung vorzunehmen. (#05)

Ansätze für eine optimale Big Data Datenvisualisierung

Das Visualisieren von Massendaten soll einen Überblick ermöglichen, ohne dass dabei das detaillierte Datenverständnis vernachlässigt wird. Daten zu visualisieren, bietet die Option, abstrakte Zusammenhänge zu verdeutlichen. Analyse-Tools wie Power BI, Qlik Sense oder Tableau sind sogar in der Lage, eine interaktive Visualisierung vorzunehmen. Im ersten Schritt soll ein Überblick über den kompletten Datensatz gegeben werden. Dann kann der Nutzer eigene Analysen durchführen, indem er die Daten filtert, in sie hinein zoomt oder bestimmte Bereiche genauer durchleuchtet. Ganz zum Schluss können Details, wie beispielsweise Namen zu den Datenpunkten, abgerufen werden.

Als herausfordernd erweist sich die Konzipierung der Navigation innerhalb der Daten. Sie muss benutzerfreundlich und zielorientiert gestaltet sein und dafür sorgen, dass der Nutzer nicht die Orientierung verliert. Besonders wenn große Datenmengen visualisiert werden, kommt es zu Überschneidungen, sodass Trends und Interdependenzen nicht mehr identifizierbar sind, sondern nur noch Farbteppiche anstelle von Mustern zu sehen sind.

Folgende Ansätze führen zu einer guten Visualisierung im Big Data Kontext:

  • Datenreduktion
  • Aggregierte Visualisierungstechniken
  • Innovative Interaktionstechniken

Bei der Datenreduktion geht es um die Verringerung der Datenmenge, der Attribute und Dimensionen. Sampling-Methoden ermöglichen es, Teilmengen der Daten zu bilden und Filter anzuwenden. Mit speziellen Verfahren wie der Hauptkomponentenanalyse werden die aussagekräftigsten Dimensionen betrachtet. Durch die Verkleinerung des Datensatzes wird die Darstellung von Zusammenhängen bei der Visualisierung erleichtert, wobei darauf geachtet werden muss, dass der unvermeidbare Informationsverlust so gering wie möglich ist.

Aggregierte Visualisierungstechniken erlauben die Zusammenfassung von Datenpunkten, sodass beispielsweise Punkte-Cluster und nicht die einzelnen Punkte dargestellt werden. Mit Hilfe multipler Auflösungen werden aktuelle Daten in den Mittelpunkt gestellt, indem sie hochaufgelöst im Zentrum dargestellt werden. Das Problem der visuellen Überlappung wird damit zumindest reduziert.

Außerdem können Interaktionen genutzt werden, um das Visualisieren der Daten zu verbessern. Mit Hilfe von Zooms, Filtern oder der Lupentechnik werden Daten genauer betrachtet, ohne dass der Überblick verloren geht. Ein als relevant betrachteter Datenausschnitt wird in den Vordergrund gerückt und der restliche Datensatz wird nur verkleinert dargestellt.

Daten zu visualisieren, ermöglicht die bildliche Darstellung von Erkenntnissen, die aus der Analyse von Massendaten mit modernen BI Anwendungen gewonnen werden. Informatiker sind sich sicher, dass die Visual Analytics dazu beitragen, dass die Menschen die steigende Informationsflut überhaupt bewältigen können.


Bildnachweis:©Shutterstock-Titelbild:  Andrey_Popov   -#01: Production Perig  #02: GarryKillian -#03: Sergey Nivens  -#04: Photon photo -#05: garagestock

Über 

Marius Beilhammer, Jahrgang 1969, studierte Journalismus in Bamberg. Er schreibt bereits viele Jahre für technische Fachmagazine, außerdem als freier Autor zu verschiedensten Markt- und Businessthemen. Als fränkische Frohnatur findet er bei seiner Arbeit stets die Balance zwischen Leichtigkeit und umfassendem Know-how durch seine ausgeprägte Affinität zur Technik.

Share.

Leave A Reply