Warum ist Visualisierung gerade jetzt so ein wichtiges Thema? Und aus welchem Grund ist Analystic eine so wichtige Komponente?

Eine Annäherung in drei Schritten:

1. Visualisierung

Ganz simpel ist die Ausgangsüberlegung. Es heißt: Ein Bild sagt mehr als tausend Worte.

Durch eine aussagekräftige Grafik lassen sich viele verschiedene Informationen verdichten und so auch erst verstehbar zusammenfassen. Besonders in unserem Zeitalter, in welchem uns immer mehr Daten zur Verfügung stehen, kommen die traditionellen Aufbereitungsformen der Informationen an ihr Limit. Beispielsweise Kuchendiagramme, die mehr als zehn Elemente umfassen, sind sehr schlecht lesbar und unübersichtlich. Ab einer gewissen Zahl von dargestellten Werten wird ein Scatterplot so unauswertbar und unübersichtlich wie eine Raufasertapete.

Zusätzlich wird von immer mehr Informationskonsumenten immer schneller nach aktuellen Einblicken verlangt:

– Mindmaps können mehrere Attribute darstellen und machen Zusammenhänge im wahrsten Sinne das Wortes sichtbar.

– Exel-Charts können leider das nicht mehr leisten, was mit einer umfangreichen Visualisierung möglich ist.

– Boxplots geben lesbare Zusammenfassung vieler Attribute, geben deren Verteilung an und gleichzeitig die nicht mehr erfassten Ausreißer.

Wir brauchen also neue Arten von Visualisierung.

2. Analytics

 

Dass Bilder mehr Informationen erhalten können als Bilder oder Tabelle, ist keine ganz neue Erkenntnis. Wenn Informationen einem größeren Kreis verständlich gemacht werden sollen, wurden diese im Grunde

Zu Tragen kommen hier wiederum die unglaublichen Mengen von Daten , die heute zur Verfügung stehen. Im geschäftlichen Alltag ahnt jeder, dass man seine Prozesse, seinen Umsatz, seine Erlöse optimieren könnte, wenn es einem nur gelänge, alle zur Verfügung stehenden Daten auszuwerten. Die einfachsten Beispiele sind die aus Internetdaten: durch genaue Analyse von Weblogs ist sehr schnell und präzise das Funktionieren von Shopapplikationen, die Attraktivität von Sonderangeboten oder auch der Zusammenhang zwischen Einkaufswert und angebotener Zahlweise analysierbar.genommen visualisiert. In diesem Zusammenhang denken wir einfach mal an die ersten Infografiken dieser Welt: In den jungsteinzeitlichen Höhlenmalereien wird in wenigen Skizzen einfach erklärt, wie man einen Mammut erlegt und damit überlebt.

3. Visual Analytics

Immer mehr kommt es darauf an, dass analytische Methoden, und zwar wirkliche analytische Methoden wie Forecasting anhand von Saisonmodellen, Korrelationsmatrixen, Lineare und nicht-lineare Regressionsverfahren, zur möglichst automatisierten Analyse verwenden werden. Das heißt: Ich als Fachanwender will gar nicht wissen, was ein Modell ist, wie das genau gerechnet wird und was ich im Detail beachten muss. Ich will diese Verfahren so einfach anwenden, wie ich heute im Excel eine Summe berechne.

Das Ergebnis dieser Analysen soll wiederum auch für den statistischen Laien, wie es der Fachanwender aus Controlling, Marketing oder Produktion in der Regel ist, verstehbar und interpretierbar sein. Sonst nützt mir die beste Analytics nichts.

Also heißt der Beschluss, das man hier was kombinieren muss: analytische Modelle werden als Funktion bereitgestellt, die per intuitivere Visualisierung bedient wird. Oder anders formuliert: Rechtsklick auf ein Liniendiagramm, dann „Prognose“ auswählen und automatisch wird eine Prognose berechnet, die passt.