Dieser Beitrag ist ursprünglich hier erschienen. Mit freundlicher Genehmigung von Sisense.
Was ist Datenvisualisierung?
Datenvisualisierung ist, einfach ausgedrückt, die Erstellung visueller Darstellungen von Daten. Der Zweck dieser Darstellungen besteht darin, Erkenntnisse aus Daten durch Diagramme und Grafiken klar zu kommunizieren. In Bezug auf Business Intelligence dienen diese Visualisierungen Anwendern dazu, ihr Geschäft basierend auf Daten zu optimieren.
„Architektur zu erschaffen heißt Ordnung herzustellen. Welche Ordnung? Die von Funktionen und Objekten.”
Dies ist ein Zitat von Le Corbusier, einem der bekanntesten Architekten des 20. Jahrhunderts. Le Corbusier verstand es intuitiv, alles auf seine einfachste und eleganteste Form zu reduzieren, ohne jemals das zu opfern, was am wichtigsten war: den Zweck jeder Kreation und wie Menschen mit dem Raum um sie herum interagieren.
Warum erzähle ich Ihnen das? Weil Datenvisualisierung Architektur sehr ähnlich ist. Wenn Sie herausfinden möchten, wie Daten angezeigt werden sollen, müssen Sie mit der Funktion (dem Trend, dem Muster oder den wichtigen Informationen, die Sie auf einen Blick vermitteln) beginnen und dann den Anwender (wie er navigiert und mit den Daten interagiert) berücksichtigen. Erst der letzte Schritt ist: So sauber und schön wie möglich visualisieren.
Hier ein Beispiel:
Viele arbeiten diese Schritte in der falschen Reihenfolge ab. Anstatt zu sagen: „Das will ich ausdrücken. Finden wir die bestmögliche Art und Weise, diese Idee zu präsentieren “, überlegen sie sich “Wir brauchen hier unbedingt ein Balkendiagramm / Kreisdiagramm / Bubble Chart.” oder schlimmer noch: “Visualisierung X ist irgendwie cool. Sollen wir hier eine reinpacken?”
Auf diese Weise erstellen Sie verwirrende oder sogar irreführende Visualisierungen, die zwar attraktiv, aber nicht geeignet sind Sie über die tatsächliche Leistung Ihres Unternehmens zu informieren oder Ihnen bei der Entscheidungsfindung helfen.
In diesem Artikel werde ich 14 Arten von Datenvisualisierung vorstellen, von einfachen bis hin zu komplexen Beispielen. Ich erläutere deren einzigartige Merkmale sowie Verwendungsmöglichkeiten.
1. Indikatoren
Indikatoren sind besonders nützlich, wenn schnell vermittelt werden soll, wie gut das Unternehmen bei einem bestimmten KPI dasteht. Durch die Integration simpler Indikatoren wird sofort ersichtlich, ob Sie ihr Ziel erreichen und ob Sie sich in die richtige Richtung bewegen. Dies ist besonders effektiv, wenn Sie eine Farbcodierung verwenden, z. B. rot / grün oder Pfeile nach oben / unten.
Noch unkomplizierter ist ein numerischer Indikator (siehe Abbildung unten rechts), der durch eine hervorgehobene Zahl schnell einen Vergleich zum vorherigen Jahr / Quartal / Monat usw. zulässt.
2. Liniendiagramme
Liniendiagramme sind für eine Reihe von Anwendungsfällen äußerst beliebt, da sie einen Gesamttrend schnell und präzise aufzeigen, ohne viel Raum für Fehlinterpretationen zu lassen. Insbesondere können Trends für verschiedene Kennzahlen im selben Zeitraum dargestellt werden, um den Vergleich zu erleichtern. Im folgenden Diagramm werden beispielsweise die Verkaufszahlen nach Altersgruppen für drei verschiedene Produktlinien dargestellt:
Hier sehen Sie auf einen Blick, dass Ihre größten Kunden Käufer von PDAs im Alter von 34 bis 45 Jahren sind, gefolgt von Käufern von Mobiltelefonen im Alter von 19 bis 24 Jahren.
3. Balkendiagramme
Balkendiagramme eignen sich hervorragend zum Vergleichen verschiedener Werte, insbesondere wenn einige davon in farbcodierte Kategorien unterteilt sind. Um den Unterschied zwischen diesem und einem Liniendiagramm zu veranschaulichen, nehmen wir nun die gleichen Informationen wie oben und visualisieren sie als Balkendiagramm:
Während die Hauptaussage dieses Liniendiagramms der sehr hohe Spitzenwert ist, der die von 34- bis 45-Jährigen gekauften PDAs darstellt, sollten Sie hier die differenzierteren Verkaufszahlen für jede Kategorie innerhalb jeder Altersgruppe berücksichtigen. Da die verschiedenen Produktlinien nach Altersgruppen geordnet sind, können Sie auch auf einen Blick erkennen, welche Altersgruppen für Ihr Unternehmen am wertvollsten sind, anstatt sich auf die Produktlinie zu konzentrieren.
4. Säulendiagramme
Säulendiagramme eignen sich zum Vergleich verschiedener Werte direkt nebeneinander. Sie können sie auch verwenden, um Änderungen im Zeitverlauf anzuzeigen. Dies ist besonders empfehlenswert, wenn Sie die Aufmerksamkeit eher auf die Gesamtzahlen als auf die Form des Trends lenken möchten (was mit einem Liniendiagramm effektiver wäre).
Das folgende Diagramm zeigt die Gesamtanzahl der Aufrufe von Webseiten im Vergleich zu Sitzungen an einer Reihe von Daten. Die Zahlen bewegen sich nicht viel von Tag zu Tag, sodass ein Liniendiagramm keine Aufschlüsse über Trends ergeben würde. Vielmehr ist die relevante Information hier die konkrete Anzahl der Besucher der Webseite pro Tag.
Wie Sie hier sehen, erzählen die Gesamtzahl der verkauften Einheiten und die Gesamteinnahmen für jeden Monat eine etwas andere Geschichte. Die Visualisierung eröffnet tatsächlich neue Möglichkeiten, um herauszufinden, welche Einheiten am rentabelsten sind, was der Schlüssel zur Gestaltung Ihrer künftigen Vertriebs- und Marketingstrategie sein könnte.
5. Kreisdiagramme
Kreisdiagramme sind nützlich, um sofort zu kommunizieren, welchen Anteil jeder Wert am Ganzen hat. Sie sind weitaus intuitiver als die bloße Auflistung von Prozentsätzen, die sich zu 100% summieren.
In diesem Kreisdiagramm wird beispielsweise veranschaulicht, welche Kampagnen den größten Anteil an der Gesamtzahl der Leads haben. Sie sehen sofort, dass AdWords die effektivste Quelle ist, gefolgt von Social Media und Webinar-Anmeldungen. Ein sofortiger Einblick würde Ihrem Marketingteam aufzeigen, was am besten funktioniert, und ihnen helfen, Ressourcen schnell neu zuzuweisen oder ihre Bemühungen neu auszurichten.
Beachten Sie, dass für ein effektives Kreisdiagramm maximal sechs Kategorien abgebildet werden sollten. Bei mehr als sechs Kategorien laufen Sie Gefahr, dass das Diagramm zu voll und die Werte zu undeutlich sind, um irgendeinen Einblick zu gewinnen. Schauen Sie sich die folgende Monstrosität an, die die Bevölkerungsgrößen der US-Bundesstaaten vergleicht: So transportiert ein Kreisdiagramm nur sehr wenige Informationen:
Flächendiagramme sind nützlich, um einen Eindruck vom Gesamtvolumen sowie dem Anteil der einzelnen Kategorien vermitteln.
Im obigen Beispiel können Sie sehen, wie viel von einem Volumen (Umsatz) von einem anderen Volumen (Kosten) überlappt wird. Dies ist eine großartige Möglichkeit, Ihre Umsatzschätzungen einer Realitätsprüfung zu unterziehen. Sie sehen sofort, dass der gelbe Gewinnstreifen am dünnsten ist und können so schnell beurteilen, wo und wann es Cashflow-Probleme gibt oder hohe Profite generiert wurden. (Beachten Sie, dass überlagerte Visualisierungen wie diese verwirrend werden können, wenn Sie mehr als drei Werte abbilden.)
Diese Art der Visualisierung kann sofort Informationen zu Problemen wie Ressourcenplanung, Bestellmustern, Finanzmanagement, Zuweisung von geeignetem Speicherplatz usw. liefern.
7. Pivot-Tabellen
Pivot-Tabellen sind nicht die schönste oder intuitivste Art, Daten zu visualisieren. Sie sind jedoch nützlich, wenn Sie Kennzahlen schnell extrahieren, also genaue Zahlen sehen möchten (anstatt ein Gefühl für Trends zu bekommen). Dies ist insbesondere für Anwender interessant, die keinen Zugriff auf ein Self-Service-BI-Tool haben, das so etwas für sie automatisieren kann.
In diesem Beispiel werden komplexe Patienteninformationen zusammengefasst, um einen detaillierten Überblick über Kosten, Patientenzahlen und durchschnittliche Krankenhausaufenthalte zu erhalten:
8. Scatter Charts
Streudiagramme visualisieren verschiedene Kategorien mit der Farbe des Kreises und das Datenvolumen mit der Größe des Kreises. Sie werden verwendet, um die Verteilung von und die Beziehung zwischen zwei Variablen zu visualisieren.
In der folgenden Tabelle wird beispielsweise jede Produktlinie anhand der Anzahl der verkauften Einheiten und des damit erzielten Umsatzes dargestellt, der den Wert in physischer Größe darstellt. Dies wird auch nach Geschlecht aufgeschlüsselt (wenn Sie den Mauszeiger über die Kreise halten, wird der Name des Produkts im Original angezeigt).
In diesem Szenario würden Sie feststellen, dass Ihre häufigsten (und profitabelsten) Kunden derzeit Männer sind. Dies könnte beispielsweise dazu führen, dass Sie sich stärker auf männliche Käufer konzentrieren oder nach effektiveren Möglichkeiten suchen, weibliche Kunden zu gewinnen.
9. Bubble Charts
Ähnlich wie bei Scatter-Diagrammen visualisieren Bubble Charts die Wichtigkeit der Werte nach Kreisgröße. Sie unterscheiden sich jedoch dadurch, dass sie viele verschiedene Werte in einen kleinen Raum packen und nur eine einzige Messung pro Kategorie darstellen. Scatter-Diagramme sind nützlich, wenn Sie einige wenige wichtige Kategorien aus einer Vielzahl an unbedeutenden Kategorien hervorheben möchten.
Nehmen Sie zum Beispiel dieses Blasendiagramm auf Basis einer Studie der New York Times, das aufschlüsselt, wie die US-Regierung 3,7 Milliarden US-Dollar für “Welfare” tatsächlich ausgibt:
Es ist sofort erkennbar, dass ein großer Teil der Ausgaben für „Welfare“ tatsächlich für Verwaltungskosten und Ausgaben im Zusammenhang mit Verteidigung und Zinsen aufgewendet wird,.
Während Bubble Charts wie diese gerne verwendet werden, um politische Missstände zu verdeutlichen, können Sie sie auch nutzen, um in Ihrem Unternehmen Dinge wie verlegte Prioritäten, tatsächliche Vergleichskosten und -werte zu demonstrieren oder Bereiche mit den höchsten Ausgaben hervorzuheben.
10. Treemaps
Treemaps sind nützlich, um Hierarchien und Vergleichswerte zwischen Kategorien und Unterkategorien anzuzeigen und um Details beizubehalten, während Sie sofort erkennen können, welche Bereiche insgesamt am wichtigsten sind.
Sie erreichen dies, indem Sie farbcodierte Rechtecke ineinander schachteln und gewichten, um ihren Anteil am Ganzen widerzuspiegeln. Diese Baumkarte zeigt den Wert verschiedener Marketingkanäle, die dann nach Ländern aufgeschlüsselt werden. Sie sehen auf einen Blick, dass AdWords Ihr erfolgreichster Kanal ist, die USA jedoch Ihr wertvollstes Ziel in allen Kanälen.
11. Polar Charts
Ein Polar-Chart ist eine Art Kreisdiagramm. Anstatt jedoch den Anteil jedes Werts am Ganzen durch die Größe des Winkels darzustellen, haben alle Sektoren gleiche Winkel, und der Wert wird durch die Entfernung vom Mittelpunkt des Kreises angezeigt.
Das folgende Beispiel stammt aus einem Verkaufs-Dashboard, das den Verkauf mehrerer Marken darstellt. Jedes Segment steht für einen Markennamen, während Rot für neue Produkte steht, Hellgrau für generalüberholte Produkte und Dunkelgrau für „nicht spezifiziert“.
12. Area Maps/Scatter Maps
Mithilfe dieser Datenvisualisierungen können Sie sofort erkennen, welche geografischen Standorte für Ihr Unternehmen am wichtigsten sind. Daten werden als Farbpunkte auf einer Karte dargestellt. Werte werden durch die Kreisgröße dargestellt.
Die Karte unten zeigt beispielsweise Website-Besucher nach Standort, während die Farbe den Prozentsatz der Conversions angibt (je heller das Grün, desto höher die Conversion-Rate).
Diese Art der Darstellung ist unglaublich nützlich, da sie zwei wichtige Informationen auf einen Blick liefert: Woher kommen die meisten Ihrer Besucher, woher kommen die wertvollsten Besucher? Solche Erkenntnisse können in Sekundenschnelle Schwächen in einer Marketingstrategie aufzeigen.
13. Funnel Charts
Dies ist eine sehr spezielle Art der Visualisierung, die abnehmende Werte darstellt, wenn sich Kunden durch den Verkaufstrichter bewegen. Das Schöne daran ist, dass es Ihre Conversion-Raten bei jedem Schritt zum Leben erweckt, sodass Sie schnell erkennen können, wo Sie dabei potentielle Kunden verlieren. Das nachstehende Funnel Chart zeigt die Anzahl der Personen in jeder Nachfragestufe vom ersten Besuch der Website über jeden Kontaktpunkt bis zu einem endgültigen Verkauf:
14. Fisheye/Cartesian Distortion
Es handelt es sich hierbei nicht um einen Datenvisualisierungsstil an sich, sondern um eine nützliche Ergänzung, mit der Sie die Details in einer komplexeren Visualisierung genauer betrachten können, z. B. in einem Bubble Chart. Wenn Sie den Mauszeiger über ein Diagramm bewegen, wird der angezeigte Bereich in der „Fischaugenansicht“ vergrößert, sodass Sie nach Bedarf detailliertere Informationen sehen können. Sehen Sie hier ein Beispiel, wie es funktioniert.
Fazit
Unabhängig davon, für welche Art der Datenvisualisierung Sie sich entscheiden, sollten Sie beachten, dass die von Ihnen verwendete Software in der Lage sein muss, effektiv mit Ihren Daten zu interagieren, um sie präzise und effektiv abzubilden.
Ihre Datenvisualisierungssoftware sollte jegliche Datenquelle nutzen können, die Sie anbinden möchten. Sie müssen Ihre Daten ordnungsgemäß bereinigen und aufbereiten. Sie sollten ein leistungsstarkes externes Visualisierungstool wie D3 integrieren, um bessere Ergbnisse zu erhalten. Ohne eine leistungsstarke, flexible Plattform könnten Sie eine schöne Struktur schaffen… aber auf einem sehr wackeligen Fundament.
Dieser Beitrag ist ursprünglich hier erschienen. Mit freundlicher Genehmigung von Sisense.
Verwandtes Video: Wertvolle Tipps zur Optimierung von Datenvisualisierungen
Shelby ist die Leiterin des Content-Marketing- und Social-Media-Teams bei Sisense. Mit jahrelanger Erfahrung in der Technologiewelt setzt sie sich leidenschaftlich für die Einführung innovativer Technologien ein, die das Leben der Menschen verändern können.
Aktuelle Beiträge
-
Künstliche Intelligenz braucht ethische Leitplanken
-
Alternative Data: Warum lohnt sich der Blick über den Daten-Tellerrand?
-
Data Science-Projekte: Drei Hindernisse auf dem Weg zum Erfolg
-
"Es fällt vielen Branchen schwer, die Potenziale der Digitalisierung zu erkennen."
-
Die IBM KI-Leiter: Mit KI ganz nach oben
-
Von einfachen Data Catalogs zu intelligenten Systemen
BI & Big Data Events
News
Weitere News-
Neues TDWI Poster "Process Mining - Datenanalyse in Prozessen zur digitalen Prozessoptimierung"
-
Prognosen 2022: So verschafft smarte Datennutzung Unternehmen Wettbewerbsvorteile
-
Flughafen München: Weniger Lärm und Schadstoffe dank Data Analytics
-
Digitalisierung: Sieben von zehn Deutschen halten Politik für ahnungslos
-
CoPlanner erweitert seine Geschäftsführung
-
Die Kaufprioritäten der Analytics- und BI-Käufer sollten datengetrieben sein