Sie sind hier

Die Zukunft im Blick des Managers – Datenvisualisierung zwischen Big Data und Standardreporting

Dynamische Märkte und sich veränderndes Kundenverhalten erfordern zeitnahe Analysen von Daten und Informationen, um richtige Entscheidungen zu treffen. Dabei geht es nicht mehr nur darum, welche Daten ausgewertet werden, sondern auch um das Wie. Unsere Möglichkeiten, Daten zu sammeln und zu generieren, übersteigen zunehmend unsere Fähigkeit, Daten zu verstehen. Hier erweist sich die Datenvisualisierung als Schlüssel zu besseren Analysen und besseren Entscheidungen. Das Auge ist das Wahrnehmungsorgan mit der höchsten Informationsübertragung an das menschliche Hirn. Der Mensch lernt quasi mit dem Auge. Wie Sie Datenvisualisierungen in Ihrem Unternehmen nutzen können, erfahren Sie im folgenden Überblick.


schnelle Informationsgewinnung als größte Herausforderung


Die Digitalisierung der Welt ist eine Herausforderung für alle Unternehmen. Sie stehen vor dem Kraftakt, mit rasant wachsenden Datenmengen umzugehen. Wie ist diese Datenflut zu bewältigen und im Idealfall gewinnbringend zu nutzen? Wer heute falsche Entscheidungen trifft, steht morgen vielleicht schon vor dem wirtschaftlichen Desaster.
...mehr

Vielfach wird die Antwort in leistungsfähiger Hardware, hoch entwickelten Analysetools und effizienten Algorithmen gesucht. Diese Werkzeuge sind im Umgang mit der zunehmenden Datenflut von Big Data unverzichtbar. Aber es gibt noch einen zentralen Erfolgsfaktor, der bislang oft vernachlässigt wird: Der Mensch und seine Fähigkeiten wie Flexibilität, Kreativität und Neugier. Die kognitiven Fähigkeiten des Menschen ermöglichen es, relevante Informationen zu erfassen und komplexe Zusammenhänge zu analysieren.

Unter den verschiedenen Sinnen des Menschen sticht das menschliche Auge heraus. Es besitzt die höchste Bandbreite der Signalübertragung in das Gehirn. Aber auch hier gibt es Unterschiede: Das Erkennen von grafischen Zusammenhängen erfolgt schneller als das Lesen von Texten. Sinnvolle Visualisierungen unterstützen die visuelle Wahrnehmung; schnelles visuelles Erkennen ersetzt langwieriges Nachdenken. Dieser Prozess nutzt zwei Mechanismen:

  1. Die Augen suchen geradezu reflexartig eine Visualisierung nach Informationen ab, senden die empfangenen Signale in hoher Bandbreite an das Gehirn und lösen einen Lernprozess aus.
  2. Die Darstellung von Informationen auf dem Bildschirm entlastet das Gehirn und schafft so freie Kapazität für die laufenden Denkprozesse.


Visuelles Erkennen ist der zentrale Erfolgsfaktor in der Datenanalyse und Informationsaufnahme. Glücklicherweise ist visuelles Erkennen nicht zufällig. Die Wahrnehmung unterliegt Gesetzmäßigkeiten, die durch den Ansatz der Datenvisualisierung genutzt und unterstützt werden können.

Der Begriff Datenvisualisierung oder Data Visualization bezeichnet – kurz gesagt - die Aufbereitung von Daten in grafischer Form. Dies klingt simpel, ist aber hochkomplex. Data Visualization ist ein eigenes wissenschaftliches Forschungsgebiet. Es vereint u.a. Wissen aus Statistik, Mathematik, Biologie, Psychologie und Design. Datenvisualisierung will die kognitiven Fähigkeiten des Menschen mit seinem Wissen in der Datenexploration unterstützen. Die vielfältigen Optionen, Daten und Informationen zu darzustellen und interaktiv nutzbar zu machen, können große, zunächst unüberschaubare Datenmengen erschließen.
weniger



Schlechte Datenvisualisierung - ein Alltagsproblem


Auch wenn das Thema Datenvisualisierung aktuell vorrangig im Zusammenhang mit Big Data diskutiert wird, so muss die Forderung nach einer geeigneten Visulaisierung für alle Formen von Informationen gelten. Das Ziel der Visualisierung hat generelle Gültigkeit: Daten in Informationen verwandeln. Der Adressat muss die Informationen erkennen und aufnehmen, um daraus Entscheidungen ableiten zu können.
...mehr

Im betrieblichen Alltag kennt man häufig das Problem: Viele Daten sind grundsätzlich im Unternehmen verfügbar, aber sie werden nur unzureichend genutzt. Schuld sind aber nicht fehlende Auswertungen oder eine unzureichende Datenqualität. Ungeeignete Visualisierung kann verwirren und falsche Eindrücke vermitteln, obwohl die Datenbasis korrekt ist. Dem Empfänger der Daten ist es nicht möglich, das Entscheidende und somit das zu Entscheidende wahrzunehmen. Entwicklungen, Muster oder Abweichungen sind nicht erkennbar; Chancen und Risiken werden übersehen.

Welche Form der Datenvisualisierung ist sinnvoll? Hier ist leider keine generelle Antwort möglich. Big Data stellt andere Anforderungen an die Visualisierung als ein statisches Standardreporting. Die optimale Darstellung der Informationen in einem Dashboard ist anders als in einem Geschäftsbericht. Die Auswahl sinnvoller Visualisierungen hängt von der Art, dem Volumen und der Nutzung der Daten ab.
weniger



Entwicklungstendenzen


In der Datenvisualisierung sind gegenwärtig zwei Entwicklungstendenzen zu beobachten:

Das heute nicht mehr zu verleugnende Phänomen von Big Data erfordert neue Formen der Analyse und der Visualisierung. Big Data ist gekennzeichnet durch die Vielfalt der Datenquellen und Formate
...mehr

(Variety), der Datenmenge (Volume) oder der hohen Geschwindigkeit der Datenentstehung (Velocity). Bislang ĂĽbliche Analysetools und Darstellungen sind ungeeignet, um aus Big Data wirklich Erkenntnisse zu gewinnen.

Gleichzeitig rückt auch das Standardberichtswesen in den Fokus der Datenvisualisierung. Eine erfolgreiche Kommunikation innerhalb und außerhalb des Unternehmens erfordert ein einheitliches Verständnis und dieselben Interpretation der Inhalte bei allen Adressaten. Vorgaben für die Konzeption und Umsetzung von Berichten sollen eine standardisierte Datenaufbereitung ermöglichen, die Kosten der Informationsgewinnung senken und die Kommunikation erleichtern.

Zwischen diesen beiden Anwendungsfeldern sind die vielfach genutzten Business Intelligence- und Data Warehouse-Systeme angesiedelt. Neben Standardreports werden Dashbords oder interaktive Berichte eingesetzt, die ganz eigene visuelle Anforderungen stellen.
weniger



Information Design: statische Visualisierungen im betrieblichen Berichtswesen


Auch im Zeitalter von Big Data erfolgt die Informationsvermittlung häufig über Excel-Reports, Unter-nehmenspräsentationen in PowerPoint und gedruckte Geschäftsberichte. Die zugrundeligenden Daten-mengen sind vergleichsweise klein und einfach strukturiert. Die zentralen Ziele der Visualisierung sind hier das Hervorheben der relevanten Informationen ohne Verzerrung der Daten und die Erhöhung der Lesbarkeit.
...mehr

Die auf diese Anforderungen ausgerichtete Teildisziplin der Datenvisualisierung wird als Information Design bezeichnet. Information Design setzt sich vorrangig mit statischen Visualisierungen auseinander und gibt Empfehlungen zu Visualisierungsformen, Layout, Farbgebung und Notation.

Die Frage nach Skalierung, Schriftgröße oder Farbgebung mag trivial klingen. Aber von einer Rot-Grün-Sehschäche oder –Blindheit sind ca. 1 % aller Frauen und ca. 9 % der Männer betroffen. Insbesondere durch die Auswahl der Skalierung und der Achsenausschnitte können Grafiken in ihrer Wirkung manipuliert werden:

Ein weiterer Aspekt ist die Informationsdichte. Jeder von uns kennt Beispiele, in denen dreidimensionale Kreisdiagramme genutzt werden, um einfache Verteilungswerte aufzuzeigen. Manche umfangreiche Power-Point-Präsentation könnte in wenigen Textaussagen zusammengefasst werden. Diese Negativbeispiele zeigen das Problem: Die Informationsdichte ist so zu gestalten, dass der Adressat nicht überfordert ist, aber sich auch nicht angesichts einer „Informationsleere“ langweilt.

Die wichtigsten Grundsätze eines guten Information Designs sind:

  • Botschaften klar zeigen und Wichtiges hervorheben
  • die Wahrnehung des Adressaten zielgerichtet auf das Wesentliche lenken
  • Informationen verdichten
  • gleiche Inhalte gleich darstellen
  • Inhalte sinnvoll gliedern
  • Darstellungsformen so einfach wie möglich wählen
  • keine visuellen Elemente ohne Bedeutung
  • Inhalte am InformationsbedĂĽrfnisse der Adressaten ausrichten


Zahlreiche Unternehmen vereinheitlichen auf der Basis dieser Prinzipien ihr Berichtswesen und führen entsprechende Vorgaben und Notationskonzepte ein. Die Vorteile eines einheitlichen Information Designs sind nicht zu unterschätzen:

  • Zeitersparnis in der Informationsvermittlung und den resultierenden Entscheidungsprozessen
  • transparente und aussagekräftige Berichtsinhalte
  • hohe Informationsqualität
  • Kostenersparnis durch Standardisierung
weniger



Dashboards und Ad-hoc-Abfragen – Navigation durch die Daten


Viele Unternehmen setzten heute Business Intelligence-Tools oder Data Warhouse-Systeme für die Integration und multidimensionale Analyse von Daten ein. Die Darstellung der Daten erfolgt bei diesen Tools in der Regel über automatisierte Standardreports, Ad-hoc-Abfragen der Power-User und Dashboards oder Cockpits für das Management. Diese Benutzerschnittstellen sind heute teils auch über mobile End¬geräte verfügbar.
...mehr

In Dashboards, Cockpits und mobilen Apps werden vorrangig
  • Balken-, Kuchen und Liniendiagramme
  • Ampeln
  • Thermometer und
  • Drehzahlmesser

zur Visualisierung der Informationen genutzt.

Für die Visualisierung gelten auch hier die Prinzipien des Information Design. Die Anforderungen an das Layout eines Diagramms ist unabhängig vom Medium – egal ob auf Papier oder am Bildschirm. Der wesentliche Unterschied liegt in der Nutzung der Daten durch den Adressaten. Er ist nicht mehr auf eine vorgegebene statische Darstellung beschränkt, sondern kann die Sicht auf die Daten seinen Frage¬stellungen anpassen. Über die Auswahl anderer Betrachtungsdimensionen, Datenausschnitte oder Detail¬lierungsstufen kann er frei in den Daten navigieren.

Die freie Navigation in den Daten ermöglicht einen deutlich höheren Informationsgewinn, aber erfordert auch ein anderes Vorgehen in der Visualisierung. Ben Shneiderman, ein Pionier der Datenvisualisierung, hat bereits in den 90er-Jahren folgende Grundsätze für die interaktive Datenutzung geprägt:

  1. einen Ăśberblick ĂĽber alle Daten geben
  2. Zoom- und Filter-Funktionalitäten anbieten
  3. Details auf Anforderung detailliert darstellen


Ein zentraler Erfolgsfaktor bei der Interaktion mit dem Nutzer ist die Anordnung der Inhalte und Naviga¬tionselemente. Die Analyse der Daten zielt darauf, Vergleiche anzustellen und Ergebnisse zu erzielen. Das Reporting bzw. die Benutzerschnittstelle muss mehr liefern als nur die richtigen Kennzahlen, sondern auch Kennzahlen in Relation zu anderen Kennzahlen sinnvoll darstellen. Wichtig ist aber auch, dass Informa¬tionen verständlich dargestellt und Fehlinterpretationen und Missverständnisse vermieden werden. Die Visualisierung soll einen Mehrwert für den Adressaten bieten; im Idealfall wird dem Nutzer eine Ma߬nahme oder Handlung empfohlen.

Eine entsprechend optimierte Visualisierung setzt eine konsequente Ausrichtung der betrieblichen Infor¬mationssysteme voraus. Im Idealfall existiert bereits ein Notationskonzept für das statische Information Design, das erweitert werden kann.Bereits verwendete Darstellungselemente erhalten ihr bekanntes Lay¬out und entsprechen den Sehgewohnheiten der Nutzer. Neue Visualisierungselemente wie Tachometer oder Ampeln sind in kompatibler Form zu definieren. Beispielsweise sollte das bekannte Farbschema auch hier verwendet werden. Besondere Bedeutung kommt der Anordnung der Objekte, der Navigations¬möglichkeiten und der möglichen Analysepfade zu.

Der Aufwand der Einführung eines derartigen Visualisierungskonzepts ist zwar nicht zu unterschätzen – schließlich muss das Konzept unternehmensweit abgestimmt und vermittelt werden – aber der Nutzen überwiegt. Die Adressaten können

  • ohne groĂźen Aufwand Trends erkennen
  • neue Sachverhalte ableiten und
  • damit schneller und fundierter Entscheidungen fällen.
weniger



Visual Analytics – die Königsdisziplin der Datenvisualisierung


Die Menge der weltweit verfügbaren Daten wächst exponentiell (Volume). Gleichzeitig steigen die Geschwindigkeit der Datenentstehung (Velocity) und die Vielfalt der Datenquellen und Formate (Variety). Diese Entwicklung wird unter dem Stichwort „Big Data“ zusammengefasst. Für die Unternehmen wird es zunehmend schwieriger, in der Flut von digitalen Inhalten den Überblick zu behalten und Strukturen und Zusammenhänge zu erkennen.
...mehr

Einerseits eröffnet Big Data vielfach den Zugang zu bislang nicht verfügbaren Daten. Es findet keine Datenauswertung im üblichen Sinne statt. Es werden keine bekannten Fragestellungen beantwortet, sondern die Daten werden quasi erforscht, um neue Erkenntnisse zu gewinnen. Hier ist die visuelle Exploration der Daten durch den Nutzer besonders wertvoll. Er kann Daten anhand seines Wissens, seiner Intuition und seiner Erfahrungen „durchsuchen“.

Andererseits sind zunehmend Daten aus sehr heterogenen Quellen und polystrukturierte Datenbestände zu analysieren. Auch für diese Aufgaben werden geeignete Visualisierungstechniken und -tools benötigt. Es gilt nicht nur strukturierte Daten als Business-Grafik zu präsentieren, sondern z.B. auch Mustern in unstrukturierten Daten (z. B. Texten) zu finden.

Neue IT-Lösungen sollen Abhilfe schaffen. Sogenannte Visual-Analytics-Lösungen kombinieren die Stärken digitaler und menschlicher Datenanalyse. Das Ziel ist nicht nur die Visualisierung von Informationen, sondern auch die Entdeckung von Prozessen und Entwicklungen. Der Analyst bestimmt die Richtung der Analyse je nach Problemstellung. Visual Analytics-Tools unterstützen die interaktive Analyse durch geeig¬nete Darstellungen wie Entscheidungsbäume oder hoch komplexe Darstellungsformen wie Heatmaps, Gantt-Diagramme, Treemaps oder Circos-Diagramme.

Die Fähigkeiten der menschlichen Analysten und Entscheidungsträger werden letztlich durch neuartige grafische Benutzerschnittstellen noch stärker in den Mittelpunkt gestellt. Dieser Ansatz stellt somit eine konsequente Weiterentwicklung der visuellen Unterstützung im Bereich der Business Intelligence-Tools dar und ist eng verbunden mit aktuellen Trends wie Smart Analytics, Predictive Analytics oder Big Data Analytics.

Visualisierungen für Big Data stellen völlig neue Anforderungen. Der in heute vorherrschenden Business Intelligence-Tools mit Dashboards und Ad hoc-Reporting geltende Grundsatz, dem Adressaten zunächst einen Gesamtüberblick zu vermitteln, ist hier unrealistisch. Es gibt keine Möglichkeit, auf dem Bildschirm mehr Informationen als Pixel darzustellen. Ab einem bestimmten Volumen müssen Daten verdichtet, gefil¬tert oder vorverarbeitet werden, um eine Darstellung zu ermöglichen. Es geschieht folglich, bevor der Benutzer mit den Daten in Berührung kommt. In der Datenexploration soll jedoch der Nutzer mit seinem Wissen eingebunden werden. Nur er kann sinnvoll bestimmen, wie gefiltert, ausgewählt und aggregiert wird.

Dieses Dilemma zeigt, dass noch nicht alle Probleme in der Visualisierung gelöst sind. Visual Analytics ist eine junge Teildisziplin der Datenvisualisierung. Die eingesetzten Techniken und Tools entwickeln sich rasch weiter. Ziel ist die stark visuell unterstützte Analyse von

  • heterogen Daten aus verschiedensten Quellen,
  • poly- oder unstrukturierter Daten oder
  • hoch dynamischer Daten.
weniger



Fazit


Schnelle Informationsgewinnung erfordert die Kombination der menschlichen Fähigkeiten, dem Spezial¬wissen der Analysten, den neuenTechnologien der Datengewinnung, und den enormen Speicher¬kapazitäten und hohen Rechenleistungen moderner Computersysteme.
...mehr

Der Mensch kann seiner Rolle in diesem Zusammenspiel aber nur gerecht werden, wenn er die relevanten Informationen in der Datenflut erkennt. Die Grundidee der Datenvisualisierung ist eine Darstellung, die es dem Menschen erlaubt, einen Einblick in die Struktur der Daten zu bekommen, Informationen zu erkennen, Schlussfolgerungen aus den Daten zu ziehen und Entscheidungen zu fällen.

Datenvisualisierung wird insbesondere in der Analyse großer Datenmengen, komplexer Datenstrukturen oder von Echtzeit-Daten genutzt. Beispielsweise werden Auffälligkeiten leicht erkennbar und strukturelle Änderungen und Tendenzen sind gleichsam abzulesen.

Je nach Art, Struktur und Volumen der Daten und der Zielsetzung der Berichte und Analysen sind jedoch andere Visualisierungsformen notwendig. Mit neuen Analyseanforderungen entstehen neue Visualisie¬rungsanforderungen und –formen. Im Big Data-Umfeld werden verstärkt neue Analyse- und Visualisierungstools entwickelt, die die Interaktion mit dem Analysten unterstützen und seine Fähigkeiten bewusst in die Informationsentdeckung einbeziehen (Visual Analytics oder Visual Data Exploration).
weniger