Datenvisualisierung und die Macht des Storytellings

Sobald Daten entschlüsselt und mit Hilfe von Datenvisualisierungstools dargestellt werden, können sie viele Geheimnisse enthüllen.
daten-2000x1125-665ee3ccbbbd3315751249.webp

Was ist ein:e Datenanalyst:in?

Wenn du dir eine Tabelle ansiehst, hast du sicher schon oft gedacht, wie schön es wäre, wenn die Daten für sich selbst sprechen würden. Leider tun sie das nur für die Wenigsten von uns. Für den Rest gibt es aber ein wunderbares Hilfsmittel, und zwar die Datenvisualisierung - eine effektive Methode, um aus komplexen Daten eine aussagekräftige Geschichte zu formen.

Laut Yuval Noah Harari, Historiker, Philosoph und Bestsellerautor von u. a. Sapiens: A Brief History of Humankind, ist Storytelling unsere Superkraft. Harari behauptet, dass die wirklich einzigartige Eigenschaft des Menschen die Fähigkeit ist, Fiktion zu schaffen und auch daran zu glauben. Während Tiere ihre Kommunikationsmittel benutzen, um die Realität wahrzunehmen und darauf zu reagieren, erschaffen wir unsere eigene Realität. Das beste Beispiel dafür ist das Geld. Statt Waren zu tauschen, haben wir eigentlich wertloses Papiergeld erfunden und ihm einen ausgedachten Wert gegeben.

Was hat das mit dem Betrachten einer Tabelle und der Visualisierung von Daten zu tun? Ganz einfach: Endlose Datenstapel haben wenig Bedeutung. Aber sobald die Daten entschlüsselt und mit Hilfe von Datenvisualisierungstools dargestellt werden, können sie beispielsweise wie das folgende Bild aussehen. Hier werden die Daten der Parksensoren einer fiktiven Stadt visualisiert, um festzustellen, ob mehr Parkplätze oder zugehörige Ressourcen benötigt werden.

Die fiktive Stadt Contoso und die Visualisierung ihrer Parksensordaten, Quelle: Microsoft

Der Kontext von Big Data

Big Data steht für eine XL-Menge unterschiedlicher Informationen, die in immer größerer Menge, Geschwindigkeit und Vielfalt eintreffen. Sie können strukturiert sein, d. h. aus bereits verwalteten, in Datenbanken oder Tabellen gespeicherten und numerisch ausgedrückten Daten bestehen. Oder unstrukturiert, was bedeutet, dass sie nicht vororganisiert, modelliert oder formatiert sind. Diese Art von Daten wird normalerweise aus verschiedenen Online-Quellen in Formaten wie öffentlich geteilten Kommentaren, E-Mails, Videos, Audio usw. gesammelt.

Solch eine Datenmenge und -vielfalt muss richtig verarbeitet werden. Obwohl wir bereits über Daten aus der Sicht von Datenanalyst:innen gesprochen haben, schadet es nicht zu wiederholen, dass es nicht wichtig ist, wie viele Daten man hat, sondern wie man sie verarbeitet und nutzt.

Die Arbeit von Datenexpert:innen umfasst das Sammeln, Speichern, Reinigen, Organisieren, Präsentieren sowie das Ziehen von Schlussfolgerungen und das Treffen von Entscheidungen. Bei der Präsentation geht es darum, aus komplexen Daten eine einfache Geschichte zu erzählen. Dazu müssen ordentliche, visuell überzeugende Diagramme erstellt werden, die anderen helfen, die Ergebnisse zu verstehen. Dies ist mit Hilfe der Visualisierungsanalyse für Big Data möglich.

Was ist Datenvisualisierung?

Eine alleinige Ansammlung von strukturierten oder unstrukturierten Daten ist zu abstrakt, um eine Bedeutung ausdrücken zu können. Die Datenvisualisierung dient dazu, Daten durch eine grafische Darstellung aussagekräftig zu machen. Denn auch bei der Verarbeitung von Daten gilt: Ein Bild sagt mehr als tausend Worte. 

Die Darstellung von Daten in Form von Bildern, Karten oder Infografiken erleichtert das Erkennen von Mustern und das Verständnis schwieriger Konzepte. Mit heutigen Technologien und verschiedenen Datenmanagement-Tools ist es sogar möglich, mit Daten zu interagieren, indem man Parameter ändert, um mehr Details zu sehen und neue Erkenntnisse zu gewinnen.

Warum eine Visualisierung funktioniert, hat mit der Funktionsweise unserer Augen und unseres Gehirns zu tun. Jeden Tag erleben und interpretieren wir unsere Umgebung unmittelbar, indem wir uns einfach umschauen. Unsere Augen senden Informationen an unser Gehirn, das Metaphern verwendet, um uns zu helfen, zu verstehen, was wir sehen. Genauso ist es mit der Visualisierung von Daten. Die Datenvisualisierung ist jedoch nur ein Schritt im Data Science-Prozess. Bevor Daten in ein visuelles Konzept übersetzt werden können, muss viel mühsame Arbeit geleistet werden. Die visuelle Übersetzung der Daten ermöglicht jedoch Schlussfolgerungen und Empfehlungen.

Katalog zur Datenvisualisierung

Laut datavizcatalogue gibt es fünf grundlegende Möglichkeiten, Daten zu visualisieren: 

  • Diagramme/Plots (Flächendiagramm, Balkendiagramm, Histogramm, Bevölkerungspyramide, Blasendiagramm usw.)
  • Diagramme (Bogendiagramm, Flussdiagramm, Zeitleiste, Baumdiagramm, Brainstorming usw.)
  • Tabellen (Kalender, Gantt-Diagramm, Heatmap, Stamm- und Blattdiagramm, Strichliste, usw.)
  • Karten (Blasenkarte, Verbindungskarte, Flusskarte, Choroplethenkarte usw.)
  • Sonstige (Tortendiagramm, Baumdiagramm, Weltwolke, Piktogrammdiagramm, Diagramm der proportionalen Fläche usw.)

Die vorgestellten Typen und Methoden sind sowohl in Excel als auch in anderen komplexeren Datenvisualisierungstools verfügbar. Dabei ist Tableau beispielsweise ein häufig verwendetes Tool für Business Intelligence. Die Visualisierung in Tableau ermöglicht die Erstellung interaktiver Grafiken und Diagramme in Form von Dashboards und Tabellen. Dank der Drag-and-Drop-Optionen ist die Software sehr nutzungsfreundlich. Dabei reicht ein grundlegendes Verständnis für alle Arten von Diagrammen aus, um mit Tableau arbeiten zu können.

Schau dir hier die 30 besten Datenvisualisierungen 2024 an.

Warum ist Datenvisualisierung wichtig?

Datenanalyse ist in allen Bereichen, in denen es Daten gibt - also im Grunde überall - unverzichtbar. Für Unternehmen und Wissenschaftler:innen bedeutet qualitativ hochwertige Information, auf der sicheren Seite zu sein. Der Sinn der Datenvisualisierung ist:

  • komplexe Informationen einfach machen,
  • alle Beteiligten auf den gleichen Kenntnisstand bringen,
  • schnell fundierte Entscheidungen treffen.

Ohne Visualisierung wäre es schwierig, Muster schnell zu erkennen, Erkenntnisse zu vermitteln oder mit Daten zu interagieren. Interaktive Datenvisualisierungstools machen den Unterschied.

Dies sind nur einige der spezifischen Vorteile der Datenvisualisierung:

  • schnelle und effiziente Kommunikation von Informationen auf universelle Weise
  • Identifizierung von Bereichen, die Aufmerksamkeit oder Verbesserungen erfordern
  • ein besseres Verständnis des Verhaltens von Kund:innen/Mitarbeitenden
  • Daten für Stakeholder einprägsamer zu machen
  • Probleme rechtzeitig anzugehen oder Fragen zu beantworten
  • Experimentieren mit verschiedenen Szenarien durch geringfügige Anpassungen
  • Erkennen stark korrelierter Parameter
  • die Fähigkeit, sich auf Bereiche zu konzentrieren, die mit hoher Wahrscheinlichkeit zur Zielerreichung beitragen
  • sich einen Vorteil gegenüber der Konkurrenz zu verschaffen.

Geschäftsanwendung der Datenvisualisierung

Ein weiterer guter Grund für den Einsatz von Datenvisualisierung ist, dass sie viele positive Geschäftsanwendungen hat:

  • Vertrieb und Marketing: Erkennen von Datenverkehrstrends als Ergebnis von Marketingmaßnahmen.
  • Politik: Darstellung der politischen Parteizugehörigkeit pro Stadt, Landkreis oder Region.
  • Gesundheitswesen: Abbilden wichtiger Gesundheitsdaten und Verständnis dafür, wie sich Variablen im Laufe der Zeit verändern oder gegenseitig beeinflussen.
  • Wissenschaft: Bessere Erkenntnisse aus experimentellen Daten als je zuvor.
  • Finanzen: Verfolgung der Leistung von Anlageentscheidungen; Analyse von Preisbewegungen im Laufe der Zeit; Anzeige wichtiger Informationen, z. B. zu Wertpapieren, Währungen, Aktien und Rohstoffen.
  • Logistik: Ermittlung der besten globalen Transportrouten.

Wie fange ich an?

Jetzt, wo du weißt, dass visuelle Darstellungen von Daten es ermöglichen, komplexe Konzepte in leicht verständliche Informationen zu übersetzen, stellst du dir vielleicht die Frage: Wie fängt man damit an? Welche digitalen Tools brauche ich? Wie kann ich sie zu meinem Vorteil nutzen? 

Vorbereitung

Vor dem Einsatz neuer Technologien kann eine gewisse Vorbereitung nicht schaden. Diese kann folgende Punkte umfassen:

  • Lege fest, mit welcher Art von Daten du zu tun hast (Größe, Geschwindigkeit, Format).
  • Entscheide, was du visualisieren und vermitteln möchtest.
  • Lerne dein Zielpublikum und die Art, wie es visuelle Informationen verarbeitet kennen
  • Nutze diese Informationen, um die besten Bilder und Illustrationen auszuwählen.
  • Halte die Dinge einfach und verständlich.
  • Denke daran, das Design so zu gestalten, dass Nutzende engagiert bleiben.

Tools

Heutzutage gibt es wahrscheinlich Hunderte von Tools und Anwendungen, mit denen visualisierte Daten erstellt werden können. Viele dieser Tools sind grundlegend, aber einige unterscheiden sich durch ihre Fähigkeiten oder ihre Nutzungsfreundlichkeit. Wir haben für dich unsere Top 3 ausgewählt:

Python

Für Python gibt es mehrere Bibliotheken zur Datenvisualisierung, darunter Matplotlib, Seaborn und Plotly. Diese bieten zahlreiche Diagrammtypen und Anpassungsmöglichkeiten. Matplotlib ist flexibel und leistungsstark, Seaborn bietet eine benutzerfreundlichere Oberfläche und Plotly ermöglicht interaktive Visualisierungen für Webanwendungen.

Power BI

Power BI ist eine Plattform von Microsoft zur Visualisierung und Analyse von Daten, mit der du Daten importieren, transformieren und visualisieren kannst. Es ermöglicht die Erstellung von interaktiven Dashboards und Berichten mit einer Vielzahl von Visualisierungsoptionen. Power BI bietet außerdem erweiterte Datenanalysefunktionen und unterstützt Unternehmen dabei, fundierte Entscheidungen basierend auf gesammelten Daten zu treffen.

Tableau

Tableau ist eine weitere hervorragende Lösung zur Visualisierung von Daten. Es ist als Desktop-Anwendung oder als Server- und gehostete Online-Version erhältlich. Daten können aus verschiedenen Quellen importiert werden, einschließlich CSV-Dateien, Google Analytics und Salesforce-Daten. Die Ausgabeoptionen umfassen auch mehrere Diagrammformate und verschiedene Mapping-Funktionen. Ein weiterer großer Vorteil der Visualisierung in Tableau ist die öffentliche Version. Sie ist kostenlos und steht jedem zur Verfügung, der eine Datenvisualisierung erstellen möchte, z. B. Journalist:innen und Privatpersonen für den persönlichen Gebrauch. Darüber hinaus gibt es eine umfangreiche Galerie mit vorgefertigten Infografiken und Illustrationen zur Verwendung und Inspiration.

Wie lerne ich Datenvisualisierung?

Und jetzt kommt der schwierige Teil - die Kunst der Datenvisualisierung. Das „Wie“ ist eigentlich ganz einfach. Was wirklich zählt, ist das Durchhalten.

Auf jeden Fall ist das Lesen von Büchern und Blogs oder das Experimentieren mit verschiedenen Tools immer ein guter und ehrlicher Do-it-yourself-Ansatz.

Aber nichts ist besser, als vom Profi zu lernen. So kannst du schnell lernen, den Wert von Daten zu analysieren und sie klar und ansprechend zu präsentieren. Mit dem richtigen Kurs kannst du praktische Erfahrungen in effektiver Datenvisualisierung und im Storytelling sammeln und so dein Lernabenteuer in Datenanalyse und -visualisierung starten.

Spannende Artikel & relevante ELVTR-News direkt in deiner Inbox?
Melde dich für den Newsletter an, um über Branchen-Trends und Aktionsangebote auf dem Laufenden zu bleiben
Name
 
E-Mail
 
 
 

Du hast dich erfolgreich für unseren Newsletter angemeldet