Projektgruppe Visual Analytics - Medieninformatik und Multimedia ...

12 Kapitel 2 Visual Analytics
Auf Grund der Aufteilung der Analyse zwischen Computer und Mensch entsteht eine
Symbiose, durch die einige Nachteile des klassischen Data Mining Ansatzes behoben
werden. Es werden keine Experten für die Auswertung benötigt, was zu einer erheblichen
Kostenreduktion führt. Natürlich wird für die Analyse weiterhin qualifiziertes Personal
benötigt, welches jedoch nur geringe Kenntnis vom Datenanalyseverfahren haben muss.
Somit können sich die Mitarbeiter mehr auf die eigentliche Auswertung konzentrieren.
Außerdem erhält der Analytiker durch die Arbeit mit den Daten ein besseres Verständnis
dieser, wodurch eine bessere Verifikation der Ergebnisse möglich ist. Im Vergleich
mit Data Mining wird auch der Nachteil der Glaubwürdigkeit des Endergebnisses
behoben. Da durch die sukzessive Approximation im Visual Analytics - Prozess
die Zwischenergebnisse vom Analytiker kontrolliert werden, ist das Endergebnis
nachvollziehbar und damit vertrauenswürdiger als beim herkömmlichen Data Mining.
Zusammengefasst erhält der Anwender durch Visual Analytics die Möglichkeit, seine
Intuition in den abstrakten algorithmischen Analyseprozess des Data Mining mit
einzubringen. Hierdurch erhält er Einsicht in die charakteristische Struktur der Daten
und kann daraus die Parametrierung der analytischen Methoden präziser und sicherer
durchführen. (vgl. [SN, Ban06])
2.1.3 Anwendungsmöglichkeiten von Visual Analytics
Nachdem im vorhergegangenen Abschnitt das Grundmodell von Visual Analytics
vorgestellt wurde, werden nun einige Anwendungsmöglichkeiten in Form einer nicht
geschlossenen Auflistung präsentiert. Diese Beispiele dienen als Motivation für die
Einbindung des Visual Analytics Prozesses in die Analyse.
Physik und Astronomie Ständig werden Daten über das Universum durch Teleskope
und andere Messgeräte gesammelt. Die gesammelten Daten sind zunächst
unstrukturiert und können nicht direkt weiterverarbeitet werden. Nur durch eine
geeignete Analyse können Informationen aus den Daten gewonnen werden.
Allerdings werden auch viele Rauschdaten mit aufgezeichnet. Aufgabe des
Analysesystems ist es, die wichtigen Daten herauszufiltern. Die Komplexität
der Daten führt dazu, dass automatische Algorithmen extrem kompliziert und
dadurch langsam und unüberschaubar werden. Anhand einer visuellen Analyse
gelingt die Auswertung wesentlich schneller und effektiver. (vgl. [KMS + ])
In der Abbildung 2.3 ist eine Supernova mit ihren diversen Kräften (Rotation,
Magnetismus, Gravitation, etc.) dargestellt. Die Abbildung lässt einen Kern und
eine Hülle vermuten. Diese Annahmen können auch von Nicht-Experten getroffen
werden. Dies wäre nicht möglich, wenn nur die Daten ausgegeben werden würden.
(vgl. [KMS + ])