VISUAL BUSINESS ANALYTICS EFFEKTIVER ZUGANG ZU DATEN UND INFORMATIONEN

Transkript

1 VISUAL BUSINESS ANALYTICS EFFEKTIVER ZUGANG ZU DATEN UND INFORMATIONEN IGD_Folienvorlage_v ppt Prof. Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße Darmstadt Tel Fax 139 joern.kohlhammer@igd.fraunhofer.de

2 Darstellung von Informationen

3 Gutes Informationsdesign Macht Daten erkennbar Lenkt die Gedanken des Betrachters auf die Datensubstanz, nicht auf das Design Vermeidet Verzerrung der Bedeutung Regt zu Vergleichen an Legt Daten in mehreren Detailstufen offen Hängt eng mit der textuellen Beschreibung zusammen

4 Beispiel aus der Statistik Vier Datensätze mit identischem linearen Modell (Anscombe s quartet 1973, Tufte 1983)

5 Beispiel aus der Statistik Vier Datensätze mit identischem linearen Modell (Anscombe s quartet 1973, Tufte 1983)

6 Informationsdesign im Reporting

7 Erstes deutschsprachiges Buch zum Thema Visualisierung im BI-Bereich Anwendung der besten Visual Business Analytics-Techniken zur Verarbeitung massiver Datenmengen und für den Einblick in komplexe Strukturen Verwendung von Visual Business Analytics für ein effizientes und verständliches Informationsmanagement 2. Auflage in 2016 IGD_Folienvorlage_v ppt

8 Visual Business Analytics

9 Informationsvisualisierung Nutzung von interaktiven, visuellen Hilfsmitteln zum Denken und Entscheiden Ziele Effektive und korrekte Kommunikation von Daten Ermöglichen neuer Erkenntnisse IGD_Folienvorlage_v ppt

10 Informationsvisualisierung Adaptiert von Card et al. 1999

11 Daten Rohdaten in vielfältiger Form Datentabellen Datenströme Bilder, Videos, Audio etc. Texte

12 Informationsvisualisierung Adaptiert von Card et al. 1999

13 Informationsvisualisierung Sichtbare Objekte im Raum Punkte Linien Flächen Volumen Eigenschaften IGD_Folienvorlage_v ppt

14 Informationsvisualisierung Adaptiert von Card et al. 1999

15 Beispiel: Gapminder IGD_Folienvorlage_v ppt Gapminder-Tool

16 Informationsvisualisierung Adaptiert von Card et al. 1999

17 Visual Business Analytics

18 Big Data

19 Was ist Visual Analytics? Was gibt es schon? Automatisches Knowledge Discovery & Data Mining Interaktive visuelle Daten-Exploration Was brauchen wir? Enge Integration visueller und automatischer Datenanalysemethoden mit Datenbanktechnologien für skalierbare interaktive Entscheidungsunterstützung Visuelle Daten-Exploration Visualisierung Daten Wissen Modelle Data Mining Feedback Loop [Daniel Keim, Universität Konstanz]

20 Anwendungen Visual Business Analytics Public Sector Cyber-Security Medizinische Datenanalyse Überall dort, wo menschliche Benutzer mit Daten interagieren Energienetze IT-Netzwerke IGD_Folienvorlage_v ppt

21 Anwendungen Visual Business Analytics Public Sector Cyber-Security Medizinische Datenanalyse Überall dort, wo menschliche Benutzer mit Daten interagieren Energienetze IT-Netzwerke IGD_Folienvorlage_v ppt

22 Zeitbezogene visuelle Analysen Interaktive Bearbeitung von Zeitserien Suche nach ähnlichen Mustern Identifizierung von Korrelationen IGD_Folienvorlage_v ppt Erstellung von Vorhersagemodellen

23 Was ist Ähnlichkeit? Was ist das relevante Ähnlichkeitsmaß?

24 Was ist Ähnlichkeit? Was ist das relevante Ähnlichkeitsmaß?

25 Überblick des Prozesses 25 Hendrik Lücke-Tieke

26 Überwachung von Trafo-Lastkurven Übersicht über das Gesamtnetz Netzanalyse kurzfristig (Tagesbasis) historisch (über das vergangene Jahr) Besseres Verständnis der kritischen Bereiche Schnellere, gezieltere Reaktion (auf Änderungen durch EEG- Ausbau) Planung des Netzausbaus Priorisierung der Modernisierung Kostenersparnis durch bessere Planung und Wartungsprioritäten Höhere Versorgungssicherheit 2015 Fraunhofer IGD

27 Netz-Übersicht Mehr Details durch Zoomen Transformatoren in einer Region (Niederspannung) Namen wurden anonymisiert Durch Hinein-zoomen werden mehr Details sichtbar 2015 Fraunhofer IGD

28 Netz-Übersicht mit Details Wir untersuchen zuerst den Kalender einer einzelnen Station 2015 Fraunhofer IGD

29 Musteranalyse Wir untersuchen eine konkrete Station auf diese interessanten Muster Saisonale Trends (im Winter höherer Verbrauch) Innerhalb einer Woche (kaum Unterschied zwischen Wochentag/Wochenende) Rückspeisung vor allem von März bis Juni 2015 Fraunhofer IGD

30 Detail-Ansicht Kurvenverläufe aller Tage von allen Stationen Jedes Muster (jeder Tagesverlauf) entspricht einem Punkt auf der Karte Die Punkte werden nach Ähnlichkeit gruppiert 2015 Fraunhofer IGD

31 Auswahl eines interessanten Bereichs 2015 Fraunhofer IGD

32 Anwendungen Visual Business Analytics Public Sector Cyber-Security Medizinische Datenanalyse Überall dort, wo menschliche Benutzer mit Daten interagieren Energienetze IT-Netzwerke IGD_Folienvorlage_v ppt

33 Analyse von großen IT-Netzwerken 100% 0% RAM- Auslastung t ResponseTime t 33 Hendrik Lücke-Tieke

34 Visual Analytics Was gibt es schon? Automatisches Knowledge Discovery & Data Mining Interaktive visuelle Daten-Exploration Was brauchen wir? Enge Integration visueller und automatischer Datenanalysemethoden mit Datenbanktechnologien für skalierbare interaktive Entscheidungsunterstützung Visuelle Daten-Exploration Visualisierung Daten Wissen Modelle Data Mining Feedback Loop

35 Fraunhofer IGD Fraunhofer IGD ist der Ansprechpartner für individuelle Lösungen im Bereich Informationvisualisierung und Visual Analytics Angebot Breite Auswahl an verfügbaren Visualisierungs- und Analysemethoden Visualisierungslösung für individuelle Daten und Aufgaben Integration in vorhandene Systemumgebungen Erfahrene Analysten und Entwickler IGD_Folienvorlage_v ppt Individuelle Zusammenarbeit oder als Partner im Verbund Schulungen im Bereich Visual Analytics

36 Fraunhofer IGD (Stand 2014) IGD_Folienvorlage_v ppt

37 Geschäftsfeld Visuelle Entscheidungshilfe Menschen wollen Zusammenhänge verstehen, Einsichten gewinnen und Entscheidungen herbeiführen. Wir machen über Visualisierungen komplexe Sachverhalte in abstrakten Daten, Modellen und Simulationen sichtbar. Wir unterstützen Industrie, Behörden und Privatpersonen mit Analysetechniken und Visualisierungsmethoden dabei, Entscheidungen einfacher, schneller und besser zu treffen. IGD_Folienvorlage_v ppt

38 VIELEN DANK IGD_Folienvorlage_v ppt Prof. Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße Darmstadt Tel Fax 139 joern.kohlhammer@igd.fraunhofer.de