Visualisierung von Big Data: Warum ist sie für Unternehmen unverzichtbar?

Die Visualisierung scheint am meisten unterschätzt zu sein. Unternehmen vertiefen sich in dieses Thema nicht, nehmen es für selbstverständlich und erkennen nicht, wie viel diese schicken Grafiken und Diagramme zu ihrem Erfolg beitragen können. Aber dieser Ansatz ist falsch. Die Visualisierung ist äußerst wichtig. Ohne sie könnten die Geschäftsanwender die Daten nicht erfassen, die so groß sind und definitionsgemäß immer größer werden. Ohne Visualisierung gäbe es keine Business-Erkenntnisse, keine Antworten auf Ad-hoc-Fragen, keine Kontrolle der Datenqualität.

Unsere Experten in Big Data erklären, welche Vorteile die Visualisierung mitbringt und welche Wege dazu eingesetzt werden.

Warum sollten sich Unternehmen über die Big-Data-Visualisierung Gedanken machen?

John Tukey, ein berühmter Mathematiker und Forscher, hat einmal gesagt: "Der größte Wert eines Bildes liegt darin, dass es uns zwingt, das zu bemerken, was wir nie erwartetet haben zu sehen." Und wir können dem nur zustimmen. Visualisierung macht Analyseergebnisse deutlich und klar. Geschäftsbenutzer können Abhängigkeiten und Korrelationen, die in großen Datenmengen verborgen sind, leicht identifizieren.

Die Vorteile der Datenvisualisierung sind vielfältig. Für jedes Unternehmen wird die Liste individuell sein, einschließlich einiger spezifischer Punkte. Wir haben drei Hauptvorteile identifiziert, die für jedes Unternehmen relevant sind:

• Einblicke erhalten.
• Trends, Chancen und Risiken erkennen.
• Datengesteuerte Entscheidungen treffen, was das letztendliche Ziel darstellt.

Visualisierung von Big Data fällt ins Gewicht

Hier sehen Sie Beispiele dafür, wie einige Analyseergebnisse von Big Data mit und ohne Datenvisualisierung aussehen können.

Beispiel 1: Analyse von industriellen Daten

Natürlich ist es großartig, wenn das Wartungsteam eine Benachrichtigung erhält, dass der Teil №23 der Maschine №245 wahrscheinlich kaputtgehen wird. Sie werden in der Lage sein, den Maschinenteil zu überprüfen und zu reparieren, bevor er außer Betrieb geht und den normalen Betriebsablauf unterbricht. In diesem Fall muss das Team nicht auf Millionen von Werten achten, die die Sensoren täglich liefern. Sie übergeben die Aufgabe der Verarbeitung dem analytischen System, das die Werte mit einem Muster des Ausfalls vergleicht. Was das Team wirklich braucht, ist einfach eine unverzügliche Warnmeldung, wenn die Übereinstimmung vorliegt.

Es ist aber wenig wahrscheinlich, dass das Wartungsteam nur mit Sofortwarnungen zufrieden sein wird. Es muss auch Trends, Abhängigkeiten, Verbindungen und mehr sehen. Und das Team kann das nur mit der vorhandenen Visualisierung von Big Data tun. Wenn es daran interessiert ist, die Arbeitszeit und die Effizienz der verfügbaren Maschinen zu vergleichen, erhält das Wartungsteam diese Erkenntnisse sofort, indem es einfach das Liniendiagramm betrachtet. Wenn das Team die Zusammenhänge zwischen Maschinenfehlern und bestimmten Ereignissen, die diese verursachen, verstehen möchte, sollte es sich Verbindungsgrafiken ansehen, um Erkenntnisse daraus zu gewinnen.

Beispiel 2: Analyse von Kommentaren in sozialen Netzwerken

Stellen Sie sich einen landesweiten Einzelhändler. Ein Kunde kann sein Geschäft besuchen und auf Facebook posten: „Leute, wenn ihr noch keine Weihnachtsgeschenke gekauft habt, geht zu [Name des Einzelhändlers]. Sie haben ein tolles Angebot!“ Ein anderer Kunde kann auf Twitter teilen: „Ich hasse Neujahrszeit! Ich habe noch nie längere Warteschlangen gesehen! Ich habe heute eine Stunde bei [Name des Einzelhändlers] verschwendet. Und das Personal war unhöflich. Ich hasse diesen Ort!" Der dritte Kunde kann auf Instagram posten: „Schau mal, welchen herrlichen Pullover mit Hirsch ich bei [Name des Einzelhändlers] gekauft habe. Und ich habe ein Foto mit Santa gemacht! Cool!“ Die Kundendatenbank des Unternehmens ist mehr als 20 Millionen. Der Einzelhändler kann nicht nach allen Kommentaren und Bewertungen im Internet suchen und durch alle Kommentare blättern und alle lesen, um Erkenntnisse zu erhalten. Um diese Aufgaben automatisch erledigen zu können, greifen Unternehmen auf eine Sentimentanalyse (Stimmungsanalyse) zurück. Um sofortige Einblicke in die Analyseergebnisse zu erhalten, wenden sie Visualisierungstechniken von Big Data an. Zum Beispiel zeigen Wortwolken die Häufigkeit der verwendeten Wörter an. Je höher die Worthäufigkeit ist, desto größer ist ein Wort. Also, wenn die größten Worte „hassen“, „schrecklich“, „furchtbar“, „gescheitert“ und etwas Ähnliches sind - es ist höchste Zeit zu reagieren.

Beispiel 3: Analyse des Kundenverhaltens

Unternehmen verwenden ein ähnliches Szenario, um das Kundenverhalten zu analysieren. Sie sind bestrebt, Big-Data-Lösungen zu implementieren, mit denen detaillierte Daten über Einkäufe in stationären Geschäften und Online-Shops, Browserverlauf und Engagement, GPS-Daten und Daten aus einer mobilen Applikation des Kunden, Anrufe beim Support Center und vieles mehr gesammelt werden können. Durch die Registrierung von Milliarden von Ereignissen pro Tag kann ein Unternehmen die Trends im Kundenverhalten nicht identifizieren, wenn ihm nur mehrere Datensätze zur Verfügung stehen. Mit Visualisierung von Big Data können E-Commerce-Händler beispielsweise die Änderung der Nachfrage nach einem bestimmten Produkt anhand der Seitenaufrufe leicht erkennen. Sie können auch die Spitzenzeiten verstehen, wann Besucher die meisten ihrer Einkäufe tätigen, sowie den Anteil der Gutschein-Einlösung ansehen usw.

Was die Forschung zeigt

IDG Research Services hebt die Vorteile der Datenvisualisierung hervor: 3 Top-Vorteile sind eine verbesserte Entscheidungsfindung (77%), eine bessere Ad-hoc-Datenanalyse (43%) und eine verbesserte Zusammenarbeit / Informationsaustausch (41%). Obwohl die Forschung 2012 stattgefunden hat, scheint es immer noch relevant zu sein. Sehen wir uns auch die neueren Quellen zum Vergleich an.

Die BARC-Umfrage zu den wichtigsten BI-Trends für das Jahr 2018 zeigt, dass Data Discovery / Visualization zusammen mit Master Data/Data Quality Management und Self-Service BI 3 Top-Positionen auf der Liste einnehmen.

Außerdem teilten die Befragten ihre Ansichten über die erwarteten und erreichten Vorteile von Big Data. Obwohl es mehrere Antworten gibt, lassen sie sich in mehrere Kategorien unterteilen:

• Verbesserte Entscheidungsfindung
• Bessere Einblicke
• Entwicklung neuer Produkte / Dienstleistungen, Modelle usw.
• Reduzierte Kosten / höhere Umsätze

Bilderquelle: BI-survey.com

Zusammenfassend

Der Hauptzweck der Visualisierung von Big Data besteht nicht darin, die Schönheit hinzuzufügen, sondern Geschäftsbenutzern Einblicke zu geben. Und Unternehmen sollten es so ernst nehmen, als ob Datenvisualisierung eine selbstständige Phase eines Big-Data-Projekts wäre, wie es z.B. bei der Auswahl des Technologie-Stacks ist. Andernfalls könnten Unternehmen in Gefahr geraten, mehrere Vorteile zu verpassen, die die Datenvisualisierung mit sich bringen kann.