Daten grafisch richtig aufbereiten

Informationen sind bekanntlich das neue Gold und viele Branchen aktuell im Rausch von Big DataBig Data. Die Reihe von neuen Disziplinen, die in diesem Zuge entstanden sind, erstreckt sich von denen der Daten-Ingenieure, verantwortlich für die Bereitstellung der Technologie, über die analytischen Data-Scientists, die aus den Daten die wertvollen Informationen schöpfen, bis hin zu den Datenvisualisierern. Sie gestalten die Darstellung der Daten, und sind somit für die Kommunikation der Inhalte zuständig. Ihre Aufgabe ist es, die Daten erfahrbar zu machen, indem sie den Nutzern Wege zur Exploration bereitstellen. Alles zu Big Data auf CIO.de

Ein gutes Beispiel hierfür ist der OECD Better Life Index, der die gefühlte Lebensqualität verschiedener Länder anhand von elf Themenfeldern visualisiert. Große Zahlenmengen, die sonst nur tabellarisch abgebildet werden, sind hier in ansprechenden und leicht zu erlernenden Diagrammen dargestellt.

Durch Visualisierung verstehen

Das visuelle Abbilden von Information ist natürlich keine neue Tätigkeit. Museen beispielsweise beschäftigten schon Anfang des zwanzigsten Jahrhunderts so genannte "Transformer", deren Aufgabe ausschließlich im Schaffen von Bildern zur Vermittlung von Lehrinhalten bestand. Ebenso findet man bereits Mitte des 18. Jahrhunderts kartografische Visualisierungen, deren Fähigkeit räumliche Zusammenhänge aufzeigten die Geschichte beeinflussten. Eines der frühesten Beispiele ist eine Visualisierung des Londoner Arztes Dr. John Snow. Während der Cholera-Epidemie von 1854 kartografierte Snow den Wohnort aller Erkrankten, und bewies damit seine Theorie, dass die Infektion durch Wasser übertragen wird und eine öffentliche Wasserquelle die Ursache war.

Sie beinhaltet neben den Straßenverläufen keinerlei topografische Details, die vom Gegenstand - also den Orten, wo Erkrankungen festgestellt wurden - ablenken könnten. Genau deshalb, weil sie den Sachverhalt auf das Wesentliche reduziert, wird sie bis heute als Beispiel für eine gute Visualisierung aufgeführt. Gute Visualisierungen ermöglichen so durch Reduktion ein besseres Verständnis.

Visuelle Variablen und Metaphern

Mit zunehmender Komplexität der Daten steigt auch die Herausforderung, diese verständlich zu vermitteln. Datenvisualisierungen bedienen sich deshalb visueller Variablen und Metaphern, die durch Farbe, Form und Animationen komplexe Vorgänge abbilden.