w26M2
w26M2
w26M2
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Der Analyst kann somit wie erwähnt jedes Zwischenergebnis<br />
bewerten, einordnen und den weiteren Analyseprozess<br />
dementsprechend neu ausrichten (gerichtete<br />
Suche). Jeder Zwischenschritt erzeugt zudem neues oder<br />
vertieftes Verständnis über das untersuchte Phänomen<br />
im Bewusstsein des Analysten, mehr als es die (visuelle)<br />
Bewertung eines einzelnen Endergebnisses es je könnte.<br />
Als zusätzlicher Nutzen der iterativen visuellen Analyse<br />
können Zwischenergebnisse, die zu relevanten Entscheidungen<br />
für den weiteren Analyseverlauf geführt haben,<br />
als »Schnappschüsse« (Checkpoints) gespeichert werden.<br />
Ein daraus erzeugtes »visuelles Analyse-Logbuch« kann<br />
bei der späteren Kommunikation der Ergebnisse helfen,<br />
einzelne Bewertungen belastbar und für Dritte nachvollziehbar<br />
zu machen, und so potentiell die Entscheidungsfindung<br />
zu verbessern und zu beschleunigen. Gute<br />
VA- und Self-Service BI Lösungen sehen oft entsprechende<br />
Funktionalität zum späteren Abspielen solcher Schnappschüsse,<br />
oft als Storyboard, d.h. in einer vom Analysten<br />
bestimmten Auswahl und Reihenfolge sowie individuell<br />
annotiert, vor.<br />
Einordnung von Visualisierungswerkzeugen<br />
Der Übergang zwischen einfachen Visualisierungslösungen<br />
und fortgeschrittenen Visual Analytics-Frameworks<br />
ist dabei fließend. Nicht-interaktive Info-Grafiken eignen<br />
sich im Allgemeinen nur für die Kommunikation eines<br />
eng begrenzten Sachverhalts, lassen sich aber selbst von<br />
Endanwendern sehr schnell mit den allermeisten Standardlösungen<br />
(z. B. Excel-Spreadsheet-Visualisierungen)<br />
erzeugen. Produkte, die Self-Service-BI-Lösungen bereitstellen,<br />
erlauben im Allgemeinen größere Datenmengen<br />
dank Anbindung an fast beliebige, skalierbare Back-Ends<br />
sowie mehr Flexibilität bei der Erstellung semi-interaktiver,<br />
aufgaben- bzw. anwendungsspezifischer Grafiken<br />
und Dashboards 127 , richten sich typischerweise aber eher<br />
an erfahrene Anwender. Werkzeuge zur explorativen<br />
visuellen Datenanalyse (EDA) bzw. visueller Analyse sind<br />
überwiegend spezialisierte Frameworks, oft aus dem<br />
Forschungsumfeld, welche mehrere komplementäre<br />
Visualisierungs- und Analysetechniken hoher Komplexität<br />
für den professionellen Data Scientist bzw. den Visualisierungsexperten<br />
bereitstellen. 128<br />
Während unterschiedliche Visualisierungstechniken einzelne<br />
Aspekte des CRISP-DM adressieren (vgl. Abbildung<br />
32), deckt die Visuelle Analytik als Methodik den gesamten<br />
Prozess ab:<br />
• im Sinne der visuellen Exploration (EDA) während<br />
der Phasen Business Understanding und Data<br />
Understanding<br />
• im Sinne des Visual Debuggings während der Data<br />
Preparation, des Modeling und der (visuellen) Evaluation,<br />
sowie<br />
• im Sinne des (erweiterten) Visual Reportings zeitnaher,<br />
belastbarer und nachvollziehbarer Bewertungen<br />
für die Entscheidungsunterstützung.<br />
Im Gegensatz zum klassischen Data Mining betont<br />
die Visuelle Analytik dabei ausdrücklich eine iterative<br />
Vorgehensweise in kleinen Teilschritten mit sofortiger<br />
Evaluation der erzielten Zwischenergebnisse, wie in Abbildung<br />
36 durch die zusätzlichen Rückkoppelungspfeile<br />
angedeutet.<br />
127<br />
z. B. Tableau, Qlikview<br />
128<br />
Ein bekanntes Beispiel für diese Kategorie sind die Geo-Analysewerkzeuge der ArcGIS Spatial Analysis Workbench<br />
86