Visualisierungstechniken für Big Data: eine kurze Einführung
Alex Bekker ist Leiter der Abteilung Data Analytics in ScienceSoft, einem Unternehmen für IT-Beratung und Softwareentwicklung. Alex hat mehrere Projekte in den Bereichen wie Business Intelligence, Big Data, Data Analytics geleitet und auch den Unternehmen geholfen, die Vorteile von Data Science und maschinellem Lernen zu nutzen. Zu seinen größten Projekten gehören: Big-Data-Analyse für die Musterendeckung in der Mediennutzung in mehr als 10 Ländern; die Analyse von Eigenmarken-Produkten für mehr als 18.500 Produzenten, BI für 200 Gesundheitszentren.
Für traditionelle Business Intelligence Lösungen ist die Datenvisualisierung sehr hilfreich: Statt einen Bericht mit Hunderten von Zeilen durchzusehen, kann ein Geschäftsbenutzer einfach eine Grafik ansehen. Für Big Data ist die Visualisierung nicht nur ein praktisches Werkzeug, sondern ein Muss. Wie kann ein Nutzer sonst Daten verstehen, die so groß sind und definitionsgemäß immer größer werden? Unser Visualisierungsteam gibt einen Überblick über Big Data Visualisierungstechniken, die sowohl spezifisch als auch unspezifisch sein können. Schauen wir uns sie genauer an.
Spezifische Visualisierungstechniken für Big Data
Word Clouds (Wortwolke) geben den Unternehmen einen Überblick darüber, wie oft ein Wort verwendet wird. Die Wörter in der Wolke haben unterschiedliche Schriftgröße. Je größer die Schriftgröße ist, desto höher ist die Worthäufigkeit. Diese Technik kann zum Beispiel für die Stimmungsanalyse der Kundenbeiträge in sozialen Medien hilfreich sein.
Symbol Maps (Symbol-Karten) sind Karten mit Symbolen darauf. Die Symbole unterscheiden sich in Größe, was einen besseren Vergleich ermöglicht. Stellen Sie sich einen deutschen Hersteller vor, der kürzlich eine neue Marke eingeführt hat. Der Hersteller interessiert sich dafür, in welchen Bundesländern die Marke besonders gefällt. Zu diesem Zweck kann er eine Karte mit Symbolen verwenden, die die Anzahl der Kunden darstellen, denen das Produkt gefallen hat (ein positiver Kommentar wurde im Internet hinterlassen, ein neues Produkt wurde in einer Kundenumfrage hoch eingeschätzt usw.).
Verbindungsmatrix bildet Verbindungen zwischen Phänomenen oder Ereignissen ab. Das folgende Diagramm zeigt beispielsweise die Verbindungen zwischen Maschinenausfällen und ihren Ursachen sowie die Stärke dieser Verbindungen.
Visualisierungstechniken, die sowohl für traditionelle BI als auch für Big Data geeignet sind
Einige der traditionellen Datenvisualisierungstechniken eignen sich auch für Big Data.
Liniendiagramme erlauben, das Verhalten einer oder mehrerer Variablen im Laufe der Zeit zu betrachten und die Trends zu identifizieren. In traditionellen BI können Liniendiagramme die Verkaufs-, Gewinn- und Umsatzentwicklung der letzten 12 Monate anzeigen. Bei der Arbeit mit Big Data können die Unternehmen diese Visualisierungsmethode verwenden, um die Gesamtzahl der Klicks auf Anwendungen nach Wochen, die durchschnittliche Anzahl von Beschwerden im Callcenter nach Monaten usw. zu nachverfolgen.
Tortendiagramme (bzw. Kreisdiagramme) zeigen die Aufteilung eines Ganzen auf. Die Unternehmen, die sowohl mit traditionellen Daten als auch mit Big Data arbeiten, können diese Technik verwenden, um Kundensegmente oder Marktanteile zu betrachten. Der Unterschied liegt in den Quellen, aus denen diese Unternehmen Rohdaten für die Analyse entnehmen.
Balkendiagramme ermöglichen den Vergleich der Werte verschiedener Variablen. In der traditionellen BI können Unternehmen ihre Umsätze nach Kategorien, die Kosten für Marketingaktionen nach Kanälen usw. analysieren. Bei der Analyse von Big Data können Unternehmen das Besucher-Engagement auf den zahlreichen Seiten ihrer Website ansehen, die häufigsten vor Ausfällen passierten Ereignisse, die durch Sensoren erkannt wurden, nachsehen und vieles mehr.
Heatmap verwendet Farben, um Daten darzustellen. Ein Benutzer kann auf eine Heatmap in Excel stoßen, in der der Umsatz im Geschäft mit den besten Erfolgen grün und mit den schlechtesten Erfolgen rot eingefärbt wird. Wenn sich ein Einzelhändler dafür interessiert, welche Abteilungen im Geschäft am meisten besucht wurden, kann er auch eine Heatmap seiner Verkaufsfläche verwenden. In diesem Fall analysiert der Einzelhändler Big Data - beispielsweise die Daten eines Videoüberwachungssystems.
Abschließende Gedanken
Big Data kann sowohl spezielle als auch traditionelle Visualisierungstechniken verwenden. Unabhängig vom Ansatz müssen die Ergebnisse der Datenanalyse für Geschäftsbenutzer leicht lesbar und verständlich sein. Wählen Sie demgemäß Big Data Visualisierungstechniken, die Ihre speziellen Geschäftsanforderungen berücksichtigen. Sie können auch Big-Data-Experten einbeziehen, die Ihnen bei der Auswahl und/oder Anpassung der am besten geeigneten Visualisierungslösung helfen.