Die Bedeutung von Datenvisualisierung

Computergeneriertes Bild: Die Bedeutung der Datenvisualisierung AdobeStock_207639618 @ Tartila – Adobe.Stock
Computergeneriertes Bild: Die Bedeutung der Datenvisualisierung

Publiziert am: 27.02.2023
Autor: Alex Lavrynets

In den datenwissenschaftlichen Prozessen ist die Datenvisualisierung von zentraler Bedeutung. Sie fördert das Datenverständnis und macht den Analyseprozess für Fachleute, Forschende und die breite Öffentlichkeit intuitiver.

Bei der Datenvisualisierung werden Daten grafisch dargestellt, beispielsweise indem aus einer Zahlentabelle Kurven erstellt werden. Bei der Analyse komplexer, grosser Datenmengen ist die Visualisierung als Kommunikationsinstrument nicht wegzudenken. Die Akademien der Wissenschaften Schweiz betonen, wie wichtig das wissenschaftliche Engagement der Öffentlichkeit im Rahmen der Wissenschaftskommunikation ist. Das diesbezügliche Interesse der Öffentlichkeit ist in den letzten Jahren gestiegen. Im Zusammenhang mit Covid-19 spielt die Datenvisualisierung als Kommunikationsinstrument weiterhin eine wichtige Rolle. Ein Dashboard des BAG gibt der Öffentlichkeit einen Überblick über die epidemiologische Lage in der Schweiz, wobei das Dashboard auf den amtlichen Daten basiert.

Das DSCC-Team setzt die Datenvisualisierung bei all seinen datenwissenschaftlichen Projekten ein. Nachfolgend werden die einzelnen Schritte des iterativen Prozesses in der Datenwissenschaft, für die eine Datenvisualisierung nützlich sein kann, erläutert.

Schritt der Problemstellung

Die Visualisierung der Daten kann dazu beitragen, die spezifischen Bedürfnisse der Nutzerinnen und Nutzer zu erkennen. Mit einer einfachen oder interaktiven Visualisierung (beispielsweise mit einem Dashbord) kann eine Nutzerin oder ein Nutzer die in den Daten versteckten Trends und Verhältnisse identifizieren. Dies kann zu einer Fragestellung führen, die einer vertieften Analyse bedarf. Die Visualisierung zeigt auch die Grenzen der verfügbaren Daten auf. Möglichwerweise müssen neue Daten gesammelt werden, um entsprechende Lücken zu schliessen.

Schritt der Datenerhebung

Anhand von Datenvisualisierungen kann das wissenschaftliche Team gezielt Daten erheben, beispielsweise unter Einbezug von Karten, die eine räumliche Verteilung zeigen. Sind die Daten von ungenügender Qualität (unvollständig oder fehlend), kann eine zusätzliche oder durch andere Datentypen ergänzte Erhebung in Betracht gezogen werden. Die Datenerhebung kann auch vereinfacht werden, indem beispielsweise den Nutzenden die Möglichkeit geboten wird, die Werte direkt in einem interaktiven Dashbord zu erfassen.

Schritt der Datenaufbereitung und Datenanalyse

Die Datenvisualisierung hilft dem wissenschaftlichen Team, fehlende Werte oder Ausreisser bei den Daten rasch zu erkennen.

So werden bei der explorativen Analyse der Daten dank der Visualisierung auch wichtige Variablen und deren Verhältnisse innerhalb einer Datenbank erkannt. Häufig gewählte Visualisierungen sind in diesem Kontext Säulendiagramme, Histogramme und Punktwolken.

Schritt der Datenauswertung und -interpretation

Mit den im vorangehenden Schritt generierten Daten werden die Algorithmen trainiert (Modellierung). Dank der Datenvisualisierung kann die Entwicklung der gewählten Modelle verfolgt und ihre Leistung verglichen werden. Zu den geläufigsten Visualisierungen gehören hier Regressionskurven, räumliche Verteilungen eines zu erwartenden Wertes und Trendprognosekurven.

Schritt der Bereitstellung der Ergebnisse

Eine grafische Komponente ist für die Vermittlung der Ergebnisse von grossem Nutzen. Visualisierungen können helfen, Ergebnisse für Laien besser verständlich zu machen. Grafische Darstellungen können auch für Präsentationen und Berichte verwendet werden. Die üblicherweise in diesem Zusammenhang verwendeten Visualisierungen sind unter anderem Säulen- und Tortendiagramme sowie Karten.

Das ständige wachsende Datenvolumen und die komplexen Verhältnisse zwischen den Daten stellen eine grosse Herausforderung für die Visualisierung dar. Die Qualität und die Genauigkeit der Daten sind die wichtigsten Komponenten einer grafischen Darstellung. Mit der Unlocking the Power of Data Initiative, die vom Bund und seinen Partnern ins Leben gerufen wurde, soll eine Brücke zwischen der Datengemeinschaft und den verschiedenen Stakeholdern geschlagen werden, «damit die Datenökosysteme vorangebracht und die für ein faktenbasiertes Weltbild benötigten Informationen bereitgestellt werden können».

Letzte Änderung 27.02.2023

Zum Seitenanfang

Kontakt

Bundesamt für Statistik
Kompetenzzentrum für Datenwissenschaft DSCC
Espace de l'Europe 10
CH-2010 Neuchâtel
Schweiz

Kontakt

Kommentare zum Blog

Für Feedback zu unserem Blog, verwenden Sie bitte das folgende Formular.
Vielen Dank!

Blog Formular DSCC

https://www.bfs.admin.ch/content/bfs/de/home/dscc/blog/2023-01-visualisierung.html