Visualisierung von Daten

Transkript

1 Vertiefungsartikel OpenData Visualisierung von Daten eingereicht an der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Bern Institut für Wirtschaftsinformatik Information Management Forschungsstelle Digitale Nachhaltigkeit Dr. Matthias Stürmer eingereicht von Nathalie Bratschi von Safnern, BE im 11. Semester Matrikelnummer: Studienadresse Spitalackerstrasse Bern Bern,

2 Inhaltsverzeichnis II Inhaltsverzeichnis INHALTSVERZEICHNIS II 1 EINLEITUNG 1 2 DIE VISUALISIERUNG VON DATEN ARTEN VON DATEN DATENVISUALISIERUNG D- UND 3D-VISUALISIERUNGEN BEISPIEL INTERAKTIVE INFOGRAFIK EFFIZIENTE KOMMUNIKATION VON INFORMATION 5 3 ZUSAMMENFASSUNG UND AUSBLICK 7 LITERATURVERZEICHNIS 8 ABBILDUNGSVERZEICHNIS 9

3 Einleitung 1 1 Einleitung Wir leben in einer Welt mit Daten, welche oft automatisch mithilfe von Sensoren und Überwachungssystemen generiert werden. Durch Computer werden alltägliche Vorgänge des menschlichen Lebens (das Bezahlen mit einer Kreditkarte, die Benutzung des Telefons etc.) aufgezeichnet. Es entstehen hochdimensionale Datensätze. Die Menge und Komplexität der Daten nimmt stetig zu und die gesammelten Daten enthalten wertvolle Informationen. Daten zu verstehen und daraus Informationen abzuleiten gestaltet sich aber meist als ein anspruchsvolles Unterfangen. Durch Visualisierungen sollen Daten in einer geeigneten Form dargestellt werden und es so dem Betrachter erlauben, die Struktur der Daten zu verstehen sowie daraus Zusammenhänge abzuleiten (Keim, 2002). Durch die OpenData-Bewegung, werden Daten je länger je mehr auch einer breiten Öffentlichkeit zugänglich gemacht. Nicht nur für den politischen Prozess ist es eminent wichtig, dass die Bevölkerung in der Lage ist, Daten zu verstehen und interpretieren zu können. Es gibt eine Vielzahl an Möglichkeiten Daten zu visualisieren. Doch nicht jede Art von Daten unterstützt den Betrachter gleichermassen, Informationen korrekt und effizient abzulesen. Dieser Artikel soll dem Leser zunächst eine kleine Einführung zum Thema Daten bieten. Dabei werden verschiedene Möglichkeiten, Daten voneinander zu unterscheiden, vorgestellt. Hierbei ist zu erwähnen, dass die beschriebenen Unterscheidungsmöglichkeiten nicht abschliessend sind. Im Anschluss wird kurz auf diverse Visualisierungsmöglichkeiten eingegangen wobei in erster Linie zwischen standardmässigen 2D- / 3D-Visualisierungen und interaktiven Infografiken unterschieden wird. Im Anschluss geht dieser Artikel kurz auf die Ergebnisse zweier Studien zum Thema Effiziente Kommunikation von Information ein, die untersucht haben, was es dem Betrachter einer Visualisierung vereinfacht, Informationen schnell und effizient aus einer Infografik abzulesen. Ein Ausblick auf mögliche weiterführende Forschung schliesst den vorliegenden Artikel ab. (Hansen, Mendling, & Neumann, 2015)

4 Die Visualisierung von Daten 2 2 Die Visualisierung von Daten 2.1 Arten von Daten Daten stellen Information [...] aufgrund bekannter oder unterstellter Abmachungen in einer maschinell verarbeitbaren Form dar. (Hansen, Mendling, & Neumann, 2015) Daten können in unterschiedlichsten Formen auftreten. Es liegt eine Vielzahl von Möglichkeiten vor, Daten voneinander zu unterscheiden (Skalierungsniveau, stetige vs. diskrete Daten, Aggregationsebene etc.). In der vorliegenden Arbeit werden Unterscheidungsmöglichkeiten beschrieben, die für die Wahl einer geeigneten Visualisierung entscheidend sein können. In der Folge werden kurz drei mögliche Ansätze, Daten zu unterscheiden, erläutert. Werden Daten anhand der verwendeten Zeichen unterschieden, lassen sich drei Arten von Daten definieren. - Numerische Daten setzen sich aus numerischen Zeichen und allenfalls noch Sonderzeichen (wie beispielsweise Vorzeichen) zusammen. - Alphabetische Daten setzen sich lediglich aus alphabetischen Zeichen, also Buchstaben, zusammen. - Alphabet-numerische Daten setzen sich aus beliebigen Zeichen (Ziffern, Buchstaben, Sonderzeichen) zusammen. (Dworatscheck, 1989) Die Unterteilung in Zeitreihen-, Querschnitt- und Paneldaten ist eine weitere Möglichkeit Daten voneinander zu unterscheiden. - Querschnittdaten ergeben sich aus der Beobachtung verschiedener Wirtschaftssubjekte (z.b. Haushalte oder Unternehmungen) zu einem bestimmten Zeitpunkt. (Rottmann & Auer, Gabler Wirtschaftslexikon) - Zeitreihendaten resultieren aus der Beobachtung eines bestimmten Wirtschaftssubjektes oder eines bestimmten Aggregates (z.b. der Konsumausgaben aller privaten Haushalte) über mehrere aufeinander folgende Zeitpunkte. (Rottmann & Auer, Gabler Wirtschaftslexikon) - Paneldaten haben sowohl eine Zeitreihen- als auch eine Querschnittsdimension, wobei die gleichen ökonomischen Einheiten (Individuen, Unternehmen,

5 Die Visualisierung von Daten 3 Länder) über mehrere Zeitperioden beobachtet werden. (Rottmann & Auer, Gabler Wirtschaftslexikon) Eine detailliertere Unterscheidung macht Keim (2002). Er unterscheidet Daten folgendermassen: - Eindimensionale Daten sind beispielsweise zeitabhängige Daten. - Zweidimensionale Daten können zum Beispiel geografische Karten sein. - Tabellarische Daten aus relationalen Datenbanken sind multidimensionale Daten. - Text und Hypertext können beispielsweise Webdokumente, Nachrichten etc. sein. - Telefon- oder Internetverbindungen können als Beispiele für Hierarchien und Graphen genannt werden. - Algorithmen und Software Unabhängig davon, wie man Daten voneinander unterscheidet, kann es eine komplexe Aufgabe sein, brauchbare Informationen aus den Unmengen an Daten herauszufiltern. Geeignete Visualisierungen sollen dabei helfen, Daten in einer verständlichen Form aufzubereiten. Der folgende Abschnitt soll einen Überblick zu möglichen Visualisierungen verschaffen. 2.2 Datenvisualisierung Der Begriff der Informationsvisualisierung umfass alles, das im weitesten Sinne eine visuelle Repräsentation darstellt. Der Begriff der Datenvisualisierung wird als Oberbegriff verwendet und darunter werden Informationsvisualisierung und wissenschaftliche Visualisierung subsumiert. Daten können mithilfe von Infografiken visualisiert werden. Das Ziel einer Infografik ist es, visuell zu informieren beziehungsweise Informationen grafisch zu präsentieren (Burmester, Weber, Tille, & Ralph, 2013). Daten besitzen oft mehrere Attribute, was die Verwendung von einfachen 2D- oder 3D-Darstellungen verunmöglicht. Zu den Standard 2D- und 3D Techniken gehören zum Beispiel x-y-diagramme, Balkendiagramme sowie Liniendiagramme (Keim, 2004). Mit der Zeit wurden die Standardtechniken der Visualisierung durch interaktive Infografiken erweitert. Eine Interaktive Infografik ist eine visuelle Repräsenta-

6 Die Visualisierung von Daten 4 tion die mehrere Modi (mindestens zwei), [...], zu einem kohärenten Ganzen integriert und dafür dem Nutzer mindestens eine Steuerungsoption bietet; ihre kommunikative Funktion liegt vor allem darin zu informieren. (Burmester, Weber, Tille, & Ralph, 2013) Infografiken können auf verschiedene Arten typisiert werden. Interaktive Infografiken können beispielsweise in - Narratives (Geschichten mit einem spezifischen Gesichtspunkt), - Instructives (Schritt-für-Schritt-Anleitungen), - Exploratives (Der Leser erforscht die Bedeutung selber) und - Simulatives (erlauben dem Leser die Bedeutung selber zu spüren durch Simulationen) eingeteilt werden. Ein Ansatz spezifisch für Pressegrafiken hingegen unterschiedet zwischen den folgenden Typen: Infografik, Kommentargrafik, Unterhaltungsgrafik und Zuordnungsgrafik. Dabei stellt immer die kommunikative Funktion das wichtigste Unterscheidungskriterium darstellt (Burmester, Weber, Tille, & Ralph, 2013) D- und 3D-Visualisierungen Bei einem zweidimensionalen Datensatz werden zwei qualitative Merkmale gleichzeitig betrachtet. Eine weitverbreitete Visualisierung für zweidimensionale Datensätze ist beispielsweise das Streudiagramm. Bei einem Streudiagramm wird auf der x- Achse das eine und auf der y-achse das andere qualitative Merkmal dargestellt. Vielen Visualisierungsformen kann man noch eine dritte Dimension anfügen. So gibt es beispielsweise auch dreidimensionale Streu- und Balkendiagramme. Aus einem Streudiagramm kann man bereits einige Informationen herauslesen, wie beispielsweise trendartige Zusammenhänge (Korrelationen), Grenzwerte etc. Dazu benötigt der Betrachter jedoch bereits ein bestimmtes Mass an statistischen Kenntnissen. Viele Datensätze besitzen zudem meist mehr als drei qualitative Merkmale und lassen sich daher nicht mehr in einer einfachen 2D- oder 3D-Visualisierung darstellen. Abbildung 1: Beispiel Streudiagramm Temperaturverlauf während dem Jahr (Quelle:

7 Die Visualisierung von Daten Beispiel interaktive Infografik Wie bereits erwähnt, bietet eine interaktive Infografik dem Nutzer neben der Visualisierung von Informationen mindestens eine Steuerungsoption. Das folgende Beispiel zeigt einen Collapsible Tree, welcher dem Nutzer mehrere Steuerungsoptionen bietet. Zum einen kann durch ein Mouseover bei den Knoten detaillierte Informationen abgerufen werden und zum anderen kann durch klicken auf die Knoten ein weiterer Teil des Baumes geöffnet werden. Abbildung 2: Beispiel Collapsible Tree, Federal Budget (Quelle: Die Auswahl an Visualisierungsmöglichkeiten ist gross. Dies erleichtert es nicht, sich bei einem Datensatz für die geeignete Visualisierungsform zu entscheiden. In diversen Studien, wurde bereits erforscht, was es dem Nutzer einfacher macht aus einer Visualisierung die notwendigen Informationen abzulesen. Im folgenden Kapitel wird auf ein paar Erkenntnisse eingegangen. 2.3 Effiziente Kommunikation von Information Mithilfe von Lichtreizen vermitteln Visualisierungen Informationen. Das Gehirn verarbeitet diese und setzt sie zu einem zusammenhängenden Bild zusammen. Erfahrungen und implizite Erwartungen des Betrachters beeinflussen die Wahrnehmung der Information. In diesem Prozess sind mehr als 50 % unseres Gehirns in irgendei-

8 Die Visualisierung von Daten 6 ner Art und Weise beteiligt (Bellebaum, Thoma, & Daum, 2012). Je nach Art der Visualisierung werden also andere Lichtreize abgegeben. Vorbröcker und Saalfeld (Vorbröcker & Saalfeld, 2012) haben in Ihrer Studie Einfluss ausgewählter Visualisierungen auf die Effizienz der Ablesbarkeit statistischer Informationen anhand eines Experimentes untersucht, welche Visualisierungen dem Betrachter ein Effizientes Ablesen von Informationen ermöglicht. Sie haben sich dabei auf die Visualisierungsmethoden Histogramm, Boxplot, Violinplot und sowie eine tabellarischen Darstellung beschränkt. Anhand eines Experiments haben sie dabei die Antwortzeit sowie die Fehlerrate der Experimenteilnehmer untersucht. Dabei kam heraus, dass die Probanden bei der tabellarischen Darstellung am meisten Zeit benötigten, Informationen abzulesen. Zwischen den anderen drei Visualisierungsarten konnten jedoch keine signifikanten Unterschiede festgestellt werden. Die Autoren dieser Studie weisen jedoch auf die geringe Anzahl an Experimentteilnehmern hin, womit die Resultate mit Vorsicht zu geniessen sind. Sie bilden aber dennoch eine gute Basis für weitere Forschung. Heer und Robertson (Heer & Robertson, 2007) haben in ihrer Studie Animated Transitions in Statistical Data Graphics ihrerseits untersucht, ob Animationen die grafische Auffassung verbessern. Sie haben dies anhand zweier Experimente gemacht. Insbesondere das Experiment, bei welchem die Autoren auf das semantische Level der Analyse fokussierten, scheint für diesen Artikel interessant zu sein. Die Probanden mussten dabei ein bestimmtes Subjekt beobachten, während zwischen zwei Darstellungsformen gewechselt wurde. Danach mussten sie die prozentuale Veränderung dieses Subjektes nach dem Wechsel schätzen. Beide Experimente haben ergeben, dass Animationen die grafische Wahrnehmung erleichtern und die Fehlerrate bei animierten Darstellungsveränderungen geringer ist, als bei statischen.

9 Zusammenfassung und Ausblick 7 3 Zusammenfassung und Ausblick Die Menge an verfügbaren Daten nimmt mehr und mehr zu. Aus den verschiedenen Daten die gewünschten Informationen herauszulesen, ist keine einfache Aufgabe. Daten treten in verschiedenen Formen auf. Die Möglichkeiten Daten zu visualisieren sind vielfältig. Doch nicht alle Darstellungen helfen dem Betrachter in gleichem Masse, die Daten zu verstehen und effizient abzulesen. Gewisse Visualisierungen wurden bereits untersucht und auf ihre Effizienz getestet. Dabei hat sich ergeben, dass Diagramme dem Leser ein einfacheres Ablesen von Informationen ermöglichen als Tabellen. Zudem ist die Informationsübermittlung bei animierten Visualisierungen besser als bei statischen. Bisherige Untersuchungen haben sich damit beschäftigt, zu erforschen, ob in der Verwendung von bestimmten Visualisierungen Vorteile für den Betrachter entstehen. Als weiterführende Fragestellung kann untersucht werden, ob es abhängig von der Art der Daten geeignetere und weniger geeignete Visualisierungsformen gibt. Dies kann anhand eines Experimentes erfolgen. Aus den Resultaten lassen sich allenfalls Empfehlungen für künftige Datenvisualisierung abgeben.

10 Literaturverzeichnis 8 Literaturverzeichnis Bellebaum, C., Thoma, P., & Daum, I. (2012). Neuropsychologie; Lehrbuch; Basiswissen Psychologie (1 ed.). (P. D. Kriz, Ed.) VS Verlag. Burmester, Weber, M., Tille, W., & Ralph. (2013). Interaktive Infografiken. Heidelberg: Springerverlag. Dworatscheck, S. (1989). Grundlagen der Datenverarbeitung (8 ed.). Walter de Gruyter. Hansen, H. R., Mendling, J., & Neumann, G. (2015). Wirtschaftsinformatik (11 ed.). Walter de Gruyter GmbH & Co. KG. Heer, J., & Robertson, G. G. (2007). Animated transitions in statistcal data graphics. Visualization and computer graphics, 13 (6). Keim, D. A. (2004). (U. Konstanz, Editor) From pdf?sequence=1&isallowed=y Keim, D. A. (2002). Datenvisualisierung und Data Mining. (U. Konstanz, Ed.) Konstanz. Rottmann, P. D., & Auer, D. B. (n.d.). Gabler Wirtschaftslexikon, 8. (G. Wirtschaftslexikon, Editor) Retrieved from Rottmann, P. D., & Auer, D. B. (n.d.). Gabler Wirtschaftslexikon, 8. Retrieved from Rottmann, P. D., & Auer, D. B. (n.d.). Gabler Wirtschaftslexikon. (S. G. Verlag, Editor) Retrieved from Rottmann, P. D., & Auer, D. B. (n.d.). Gabler Wirtschaftslexikon. (S. G. Verlag, Editor) Retrieved from

11 Literaturverzeichnis 9 Vorbröcker, M., & Saalfeld, P. (2012). Einfluss ausgewählter Visualisierungen auf die Effizienz der Ablesbarkeit statistischer Informationen. Universität Magdeburg, Fakultät für Informatik, Magdeburg. Abbildungsverzeichnis Abbildung 1: Beispiel Streudiagramm Temperaturverlauf während dem Jahr (Quelle: 4 Abbildung 2: Beispiel Collapsible Tree, Federal Budget (Quelle: 5