Datenvisualisierung

Datenvisualisierung

Erklärung

Synonyme & Übersetzungen

Englische Übersetzung: Data Visualization, Abkürzung: DataViz

Definition

DatenvisualisierungDatenvisualisierungDatenvisualisierung beschreibt die grafische Darstellung von Daten und Informationen. Sie umfasst Methoden und Techniken zur Erstellung von Diagrammen, Grafiken und interaktiven Visualisierungen, um Muster und Trends in Daten schnell erkennen zu können. Datenvisualisierung unterstützt Entscheidungsprozesse und fördert das leicht zugängliche Verständnis komplexer Zusammenhänge. ist die grafische Darstellung von Informationen und Daten. Mittels visueller Elemente wie Diagramme, Grafiken und Karten werden Daten in einer Weise aufbereitet, die komplexe Zusammenhänge verständlich macht und Muster, Trends sowie Ausreißer leichter erkennbar werden lässt.

Beispiele

Wann ist Datenvisualisierung für euch relevant?

Datenvisualisierungen sind erst einmal relevant, weil sie euch im Rahmen eurer Arbeit oder eures Engagements begegnen werden – in wissenschaftlichen Berichten und Studien, journalistischen Artikeln, auf Webseiten, in Newslettern, in den sozialen Medien oder in digitalen Tools. Datenvisualisierungen “lesen” und verstehen zu können, ist daher eine zentrale Dimension von DatenkompetenzDatenkompetenzDatenkompetenz ist die Fähigkeit, Daten effektiv zu verstehen, zu analysieren und zu nutzen. Sie umfasst Kenntnisse in Statistik, Datenanalyse, Datenvisualisierung, Datenmanagement und Datenethik und fördert datenbasierte Entscheidungen. Datenkompetenz ist in zahlreichen Bereichen wichtig und hilft, aus Daten wertvolle Erkenntnisse zu gewinnen. (en: Data LiteracyData LiteracyDer Begriff beschreibt die Fähigkeit, Daten auf kritische Art und Weise zu sammeln, zu managen, zu bewerten und anzuwenden. Da Digitalisierung immer mehr Raum im gesellschaftlichen Leben einnimmt, gehört es zur zivilgesellschaftlichen Aufgabe für jeden Menschen, grundlegende Aspekte der Datenerfassung, -speicherung, -verarbeitung und -analyse sowie dem Verständnis der entsprechenden Ergebnisse in allen Lebensbereichen zu entsprechen und allen Menschen zu ermöglichen. Damit wird Data Literacy immer mehr zur Notwendigkeit eines Lernens und Lehrens von Datenkompetenzen.). In der Civic Data Academy findet ihr zahlreiche Lernangebote zum Thema.

Neben dem “Konsum” von Datenvisualisierungen kann es für euch auch relevant sein, selbst Daten zu visualisieren, insbesondere wenn es darum geht, komplexe Informationen verständlich und wirkungsvoll zu kommunizieren. Zum Beispiel könnt ihr Datenvisualisierungen erstellen und verwenden, …

  • … um im Sinne der Wirkungsmessung Kennzahlen zur Wirkung eurer Arbeit darzustellen (z.B. Output- oder Outcome-Kennzahlen wie Anzahl erreichter Personen). Solche Visualisierungen könnt ihr in Präsentationen und Berichten für Stakeholder und Fördermittelgeber*innen einbinden

  • … um zu zeigen wie Spendengelder verwendet werden

  • … um eure Ausgaben für die Mitgliederversammlung aufzuschlüsseln

  • … um auf gesellschaftliche Missstände aufmerksam zu machen und Bewusstsein zu schaffen für Probleme

  • … um Entscheidungen vorzubereiten und datenbasierter entscheiden zu können

  • … um Projekte datenbasiert zu planen und zu evaluieren

  • … um Statistiken über Engagement und Wachstum eurer Organisation darzustellen

Was sind die Implikationen von Datenvisualisierung für euch?

  • Ihr braucht ein passendes Tool und eine Datenquelle (Datenbank, Data Warehouse, Excel), um eine Datenvisualisierung zu erstellen

  • Bei der Nutzung von Tools entstehen ggf. monatliche Lizenzkosten (z. B. Tableau, Power BI Pro)

  • Wie viel Zeit und Ressourcen ihr in die Erstellung von Datenvisualisierungen steckt, hängt maßgeblich von der Art ihrer Verwendung ab. Auf der einen Seite könnt ihr Datenvisualisierung als Werkzeug nutzen, um schnell und iterativ Erkenntnisse zu gewinnen. Auf der anderen Seite steht die Verwendung als bewusst gestaltetes Kommunikationsmittel, um Informationen gezielt an eure Zielgruppen zu vermitteln.

    • Werkzeug zum Erkenntnisgewinn: In vielen Fällen dient eine Visualisierung einfach dazu, Daten verständlicher zu machen, Muster zu erkennen oder erste Analysen durchzuführen (z.B. im Rahmen einer ersten Datenanalyse oder als Teil von deskriptiver Statistik). In solchen Fällen ist die Visualisierung eher kurzfristig und zweckgebunden – hier sind die von eurem Tool vorgeschlagenen Darstellungsarten, Farben und Einstellungen häufig schon ausreichend.

    • Kommunikationsmittel: Wenn ihr eine Datenvisualisierung gezielt für die externe Kommunikation nutzen wollt, ist das anders. Hier ist das Ziel, eine Geschichte zu erzählen, Zusammenhänge klar darzustellen oder eine Botschaft überzeugend zu vermitteln. Hier solltet ihr mehr Zeit in die bewusste Gestaltung, Informationsauswahl und Anpassung stecken, damit eure Visualisierung ihre Wirkung entfalten kann.

  • Daten müssen sauber aufbereitet sein, sonst sind die Grafiken irreführend. Aber auch bei faktisch richtigen Daten können Datenvisualisierungen (unbeabsichtigt) in die Irre führen oder manipulativ sein. Gerade wenn ihr Visualisierungen für die externe Kommunikation verwendet, solltet ihr darauf achten, dass sie möglichst verständlich und nicht überfrachtet sind.

Mehr zu Datenvisualisierung

Prinzipien für erfolgreiche Datenvisualisierungen:

Um eine effektive Datenvisualisierung zu erstellen, solltet ihr einen strukturierten Prozess befolgen:

  1. Beginnt mit der Klärung eures Kontexts: Was möchtet ihr zeigen und wem soll es gezeigt werden?

  2. Wählt dann den passenden Visualisierungstyp (wie wollt ihr es zeigen?):

    • Balkendiagramme eignen sich gut für Vergleiche,

    • Liniendiagramme für zeitliche Entwicklungen,

    • Kreisdiagramme für Anteile

    • und Karten für geografische Daten.

  3. Achtet auf klare Beschriftungen, aussagekräftige Titel und eine einfache Farbgestaltung.

  4. Verzichtet auf überflüssige Elemente (en: decluttering, de: entrümpeln) und stellt sicher, dass eure Datenvisualisierung ehrlich ist: Manipuliert keine Achsen und wählt angemessene Maßstäbe.

  5. Testet eure Visualisierung mit Personen, die nicht mit den Daten vertraut sind, um sicherzustellen, dass sie intuitiv verständlich ist.

  6. Denkt an Barrierefreiheit – etwa durch kontrastreiche Farben und Alternativtexte.

Data StorytellingData StorytellingData Storytelling ist die Kunst, Daten verständlich und ansprechend zu präsentieren. Es kombiniert visuelle und narrative Methoden, um Erkenntnisse aus Daten zu vermitteln und Entscheidungsprozesse zu unterstützen. Techniken umfassen Diagramme, Infografiken und interaktive Visualisierungen, die das Verständnis komplexer Zusammenhänge erleichtern. Dabei soll eine überzeugende Geschichte, die durch ansprechende Infografiken und Visualisierungen untermauert wird, das Verständnis für komplexe Zusammenhänge erleichtern.

Ein weiterer Begriff, der oft im Zusammenhang mit Datenvisualisierungen fällt, ist der Begriff Data Storytelling (de: Geschichten mit Daten erzählen). Data Storytelling bezeichnet das Vorgehen, Daten in einer Erzählstruktur zu präsentieren, um komplexe Informationen verständlich und anschaulich zu vermitteln. Durch die Kombination von Daten, Visualisierungen und Erzählstrukturen werden Zusammenhänge deutlich und Entscheidungen unterstützt. Ziel ist es, die Zielgruppe zu informieren und zum Handeln anzuregen.

Tools für die Datenvisualisierung

Hinweis: Eine Übersicht über einige Tools für die Datenvisualisierung und -analyse findet ihr im Artikel zum Thema Datenanalyse.

Verwandte Begriffe

  • Datenanalyse: DatenanalyseDatenanalyseDatenanalyse ist der Prozess der (systematischen) Untersuchung von Daten, um Erkenntnisse zu gewinnen. Sie umfasst Techniken wie deskriptive, explorative und inferentielle Analysen und unterstützt datenbasierte Entscheidungen. Datenanalyse findet Anwendung in Bereichen wie Wirtschaft, Gesundheitswesen, Marketing und Wissenschaft. Deskriptiv: Die beschreibende Statistik hat zum Ziel einen Überblick über die Daten zu bekommen. Dabei wird vor allem mit (Häufigkeits-)Tabellen gearbeitet oder Kennwerten wie Mittelwert, Median, Standardabweichung und Varianz berechnet. Deskriptives Vorgehen: Die beschreibende Statistik hat zum Ziel einen Überblick über die Daten zu bekommen. Dabei wird vor allem mit (Häufigkeits-)Tabellen gearbeitet oder Kennwerten wie Mittelwert, Median, Standardabweichung und Varianz berechnet. Exploratives Vorgehen: Bei der als auch erforschenden Statistik bezeichneten Methode, steht die Sammlung von Information im Vordergrund zudem es bisher kein oder wenig Wissen gibt. Es werden zum Beispiel noch keine Hypothesen aufgestellt. Inferentielle Statistik: Auch als schließende Statistik bezeichnet, beschreibt den statistischen Prozess, von den Ergebnissen einer Stichprobe auf die Grundgesamtheit zu schließen. ist der Prozess, bei dem Rohdaten untersucht, bereinigt, umgewandelt und ausgewertet werden, um aus ihnen Erkenntnisse und Wissen zu generieren. Datenvisualisierung kann dabei ein Werkzeug sein, um Ergebnisse visuell darzustellen. Datenanalysen können aber auch ohne grafische Darstellung erfolgen.

  • Deskriptive Statistik: Deskriptive StatistikDeskriptive StatistikUnter deskriptiver Statistik versteht man mathematische Methoden, mit denen man Daten strukturiert und aussagekräftig zusammenfasst. Dazu gehören üblicherweise die Lagemaße (Mittelwert, Median), Streuungsmaße (Varianz bzw. Standardabweichung), Zusammenhangsmaße (Korrelation), Verteilungs-Darstellungen (Histogramme, Boxplots, Balkendiagramme). Diese Kennzahlen und Visualisierungen helfen dabei, große Datenmengen auf das Wesentliche zu reduzieren und verständlich zu präsentieren. Deskriptive Statistik grenzt sich von dem Begriff der Inferenzstatistik ab, indem sie keine Prognosen oder Aussagen über kausale Zusammenhänge liefert, sondern rein beschreibend ist. umfasst Methoden zur Beschreibung und Zusammenfassung von Daten, wie Mittelwerte, Median, Streuung oder Häufigkeiten. Datenvisualisierung kann dabei ein Werkzeug sein, um diese statistischen Kennzahlen anschaulich darzustellen, eine deskriptive Statistik kann aber auch ohne Datenvisualisierungen auskommen.

  • Programmiersprachen: Programmiersprachen sind spezielle Sprachen mit einem formalen System mit Regeln und Syntax, das zur Erstellung von SoftwareSoftwareWährend Hardware die physischen Bestandteile eines Computers beschreibt, wie zum Beispiel eine Festplatte, wird der Begriff Software für die Programme eines Computers verwendet, die ihn funktionsfähig machen, wie zum Beispiel das Betriebssystem. und Algorithmen verwendet wird. Die Verwendung von Programmiersprachen wie R, Python oder Javascript ist eine Möglichkeit, um Datenvisualisierungen zu erstellen.

  • DashboardDashboardEin Dashboard dient dem Informationsmanagement und stellt Daten übersichtlich und grafisch auf einer Benutzeroberfläche dar. Es ähnelt den Steuerungselementen eines Flugzeug-Cockpits und verwendet verschiedenste Visualisierungsmöglichkeiten wie Tachometer, Balken- oder Säulendiagramme oder auch Karten um Daten auf einen Blick zugänglich zu machen und kritisch hervorzuheben (z.B. Tachometer, Balken-, Säulen- und Kuchendiagramme).: Ein Dashboard ist eine interaktive Übersicht, die mehrere Datenvisualisierungen kombiniert. Während eine einzelne Datenvisualisierung oft eine spezifische Frage beantwortet, dient ein Dashboard dazu, verschiedene Aspekte eines Datensatzes dynamisch zu erkunden und miteinander in Beziehung zu setzen. Dashboards geben Nutzer*innen häufig die Möglichkeit, Daten zu filtern oder Visualisierungen anzupassen.

Weiterführende Materialien

Wenn du noch mehr über Datenvisualisierung erfahren möchtest, schaue dir die folgenden Ressourcen an: