Zahlen und Daten sind aus dem modernen Leben nicht mehr wegzudenken – und es werden immer mehr. Viele Daten befinden sich in einer unstrukturierten Form, sodass es wichtig ist, diese angemessen darstellen zu können. Aus diesem Grund kommt der Datenvisualisierung einen besondere Bedeutung zu. Die Datenvisualisierung trägt dazu bei, dass die Informationen wesentlich besser aufgenommen und behalten werden. Im Folgenden werden Möglichkeiten einer optimalen Datenpräsentation und -visualisierung aufgezeigt, wobei unter anderem auch auf die Visualisierung der statistischen Daten eingegangen wird. Anhand der Tipps unserer Experten erfahren Sie, wie die Datenvisualisierung derart optimiert werden kann, dass diese im Gedächtnis der Betrachter langfristig erhalten bleiben. Daneben gehen unsere Experten auf verschiedene Diagrammarten ein, und zwar Diagrammarten Vor- und Nachteile, Säulendiagramm Balkendiagramm Unterschied etc.
Wenn Sie Ihre Daten professionell visualisieren wollen, beraten wir Sie gerne! Wir sind Ihr zuverlässiger Partner, wenn es um aussagekräftige Diagramme geht. Nehmen Sie Kontakt mit uns auf und vereinbaren Sie eine kostenlose Statistik Beratung!
Dieser Artikel beantwortet folgende Fragen:
- Warum ist eine gute Datenvisualisierung so wichtig?
- Welche Arten gibt es, Daten zu visualisieren?
- Welcher Diagrammtyp ist optimal?
- Wie werden die Darstellungsarten voneinander abgegrenzt, z.B. Säulendiagramm Balkendiagramm (Unterschied in Interpretation und Anwendungsbeispielen)?
- Gibt es bei den unterschiedlichen Diagrammarten Vor- und Nachteile?
- Wie werden Diagramme zum Eyecatcher?
Ein Bild sagt mehr als tausend Zahlen
Bilder bleiben im Gedächtnis deutlich länger als Texte und Zahlen. Dies ist durch die Besonderheiten des menschlichen Gedächtnisses bedingt. Der Speicherplatz im Kurzzeitgedächtnis ist allerdings sehr begrenzt: Es können nur sieben sogenannte Chunks (Sinneinheiten) gespeichert werden. Als Chunk können eine Zahl, eine Ziffer, ein Buchstabe oder auch ein Bild sein. Einige dieser Chunks werden ins Langzeitgedächtnis übernommen. Die Entscheidung, welche Informationen dabei verworfen und welche dauerhaft memoriert werden, liegt im limbischen System. Informationen aus dem Kurzzeitgedächtnis, die mit starken Gefühlen verbunden sind, haben eine größere Chance, ins Langzeitgedächtnis übernommen zu werden. Eine sinngemäße Aussage benötigt ein Chunk, eine Ziffer benötigt ein Chunk. Jede Einheit kann dauerhaft memoriert werden, falls das limbische System mit starken Gefühlen assoziiert. Aus diesem Grund hat die Datenvisualisierung eine solche essenzielle Bedeutung.
Datenvisualisierung – aber wie?
Eine gute Datenvisualisierung trägt dazu bei, dass die Information in wenigen Chunks erfassbar und mit konkreten Informationen verbunden ist, z. B. „Ah!“, „WOW!“ oder „Interessant!“ Die Datenvisualisierung ruft Gefühle hervor.
Das Ziel der Datenvisualisierung ist es, Informationen und Zahlen in eine für das Auge fassbare Form zu bringen. Im weitesten Sinn gehören auch Filme, Videos oder Bilder/Piktogramme zur Datenvisualisierung. Zum Zweck der Datenvisualisierung sowie der Statistikvisualisierung werden in der Regel Diagramme verwendet. Karten, Grundrisse, Flowcharts, Organigramme und Infografiken zählen ebenfalls zu den Diagrammen.
Die Qual der Wahl: der richtige Diagrammtyp
Die Anzahl von Diagrammen zur Datenvisualisierung ist enorm. Dabei existieren für alle Diagrammarten Vor- und Nachteile. Grob lassen sich drei verschiedene Grundtypen von Diagrammen zur Datenvisualisierung erkennen,:
- Säulendiagramm, auch Balkendiagramm (Unterschied in der Achsendefinition s. u.), gestapelt oder gruppiert
- Kreisdiagramm, auch Tortendiagramm, Donut Diagramm
- Streudiagramm, auch Scatterplot, Liniendiagramm
Jedes dieser Diagramme ist für bestimmte Variablen geeignet. Ausschlaggebend für die Auswahl eines konkreten Diagrammtyps ist das Skalenniveau der Daten. Darauf wird im Folgenden näher eingegangen.
Beispiel für ein einfaches, aussagekräftiges Kuchendiagramm (Donut Diagramm).
Wie wählt man einen richtigen Diagrammtyp?
Als wesentliches Kriterium dafür, ob ein Diagramm geeignet ist, fungiert das Skalenniveau der Daten.
- Metrische Variablen liegen als Zahlenwerte vor – manchmal als Kommazahlen, manchmal als ganze Zahlen. Die Abstände der Zahlen können dabei relativ einfach interpretiert werden.
- Es gibt aber auch Merkmale, die als Kategorien vorliegen, z. B. Geschlecht, Blutgruppe oder Ausprägungen einer Likert Skala. Zwar werden diese Kategorien oft als Zahlen kodiert, die Zahlen sind aber nur Platzhalter und beliebig austauschbar. Solche Merkmale werden dann als kategorial bezeichnet. Dabei wird zwischen ordinalen und nominalen Merkmalen unterschieden – je nachdem, ob die Ausprägungen geordnet oder sortiert werden können (z.B. Likert Skala) oder nicht (z.B. Geschlecht)
Bei der Auswahl eines passenden Diagrammtyps sollten Sie beachten, dass es für alle Diagrammarten Vor- und Nachteile vorliegen und es z. B. zwischen dem Säulendiagramm und Balkendiagramm Unterschiede geben. Die erste Auswahlhilfe für den passenden Diagrammtyp bietet die folgende Tabelle:
| Merkmal | ||
| Metrisch | Kategorial | |
| ordinal | Nominal | |
| Streudiagramm Boxplot Fehlerbalken (Mittelwert +/- Streuung) | Boxplot Balken oder Säulendiagramm | Kreis- oder Donutdiagramm Balken- oder Säulendiagramm |
So werden Diagramme zum Eyecatcher – Tipps vom Profi
1. Bestimmen Sie den Zweck der Datenvisualisierung!
Noch bevor Sie mit der Datenvisualisierung anfangen, sollen Sie abklären, welchem Zweck das Diagramm dienen soll, welche Zielgruppe anzusprechen ist, welche Fragen mit der Datenvisualisierung beantwortet werden sollen etc. Nur wenn mit Hilfe der Datenvisualisierung eine klare Botschaft vermittelt werden kann, lohnt sich diese. Sind vorab die W-Fragen geklärt (Wer?, Wie? Wo?, Warum?), kann sichergestellt werden, dass aus der Datenvisualisierung konkrete Erkenntnisse gewonnen werden können.
2. Wählen Sie einen passenden Diagrammtyp verwenden und beachten Sie dabei der jeweiligen Diagrammarten Vor- und Nachteile!
Die Wahl des Diagrammtyps hängt einerseits ganz wesentlich vom Skalenniveau der Daten ab, andererseits aber auch von der Aussage, die übermittelt werden soll. Es gibt für alle Diagrammarten Vor- und Nachteile. Wird ein ungeeigneter Diagrammtyp gewählt, so können mitunter falsche und unrichtige Schlüsse gezogen werden. Werden falsche Diagrammtypen gewählt, so stellt der Betrachter den gesamten Kontext in Frage. So sieht man immer wieder Balkendiagramme, deren Wertebereich so stark verzerrt ist, dass kleine Unterschiede als riesige Effekte erscheinen. Solche „Nachlässigkeiten“ können auch als mutwillige Manipulation gedeutet werden. In diesem Fall kann die Datenvisualisierung sogar Skepsis gegenüber weiteren Ergebnissen der Erhebung hervorrufen. Ein Fehlerbalkendiagramm ist in solchen Fällen oft eine bessere Alternative.
Ob Säulendiagramm Balkendiagramm Unterschied in der Interpretation der Graphiken mit sich bringt, ist umstritten. Fest steht, dass bei vielen Variablen bzw. Kategorien ein Balkendiagramm mit waagrecht abgetragenen Werten oft übersichtlicher erscheint. Säulen dagegen wirken aufgrund des Hochformats oft eng und zusammengepresst.
Tortendiagramme eignen sich sehr gut für die Verteilung von Anteilswerten. Allerdings erwartet der Betrachter, dass sich die Tortenstücke zu einem natürlichen Ganzen zu 100% zusammenfügen. Bei Absolutzahlen sind oft Säulendiagramme eine bessere Alternative.
Gängige Diagrammtypen können in allen handelsüblichen Softwareanwendungen zur Datenverarbeitung bzw. Datenvisualisierung erstellt werden.
3. Keep it simple – Machen Sie es einfach!
Eine effektive Datenvisualisierung soll so einfach wie möglich sein. Tabu sind zum Beispiel 3D-Darstellungen, blinkende Effekte, Farbverläufe, farbige und bebilderte Hintergründe etc. Das menschliche Gehirn hat eine sehr begrenzte Aufnahmekapazität, sodass sich die Aufmerksamkeit der Menschen auf die Inhalte konzentrieren muss. Effekte ohne Nutzen wirken dabei häufig unprofessionell.
Auch inhaltlich sollen effektive Diagramme auf wesentliche Informationen reduziert werden: Ein Lagemaß (Mittelwert oder Median), ein Streuungsmaß (Standardabweichung oder Standardfehler oder Konfidenzintervall), eine Variable etc.
Beispiel Säulendiagramm. Abgetragen werden hier Mittelwert und Standardabweichung in den Experimentalgruppen. Zielgröße: Anzahl vitaler Zellen in einem Planquadrat. In manchen Darstellungen werden die Ergebnisse stat. Testungen mit Sternchen über den Balken gekennzeichnet.
4. Alles auf einen Blick – Sorgen Sie für die Transparenz!
Die Datenvisualisierung soll als Eyecatcher wirken. Das Auge des Betrachters verweilt unweigerlich an Bildern. Die Informationen können nur dann den Adressaten erreichen, wenn sich alle notwendigen Informationen auf dem Bild schnell finden und zuordnen lassen. Dazu gehört, dass jede Achse beschriftet ist, Einheiten angegeben sind, verwendete Farben zugeordnet werden können. Ist die Aufmerksamkeit des Betrachters geweckt, muss die Botschaft ohne weitere Recherche intuitiv erfassbar sein.
5. Macht der Farben – Nutzen Sie dezente Farben!
Die Verwendung von zu vielen Farben macht eine Datenvisualisierung unübersichtlich und schwer zu interpretieren. Haben Variablen viele Kategorien, können diese vor der Darstellung zusammengefasst werden. Manchmal ist es auch angebracht, eine Kategorie einzuführen, die seltene Ausprägungen beinhaltet.
Dezente, voneinander gut unterscheidbare Farben in unterschiedlichen Helligkeitsstufen haben sich in der Datenvisualisierung bewährt. Auch bei schwarz-weiß Ausdrucken sollen die Farben voneinander gut unterscheidbar sein. Bei Vorstellung vieler Graphiken hintereinander sind wiederkehrende Variablen mit gleichen Farben darzustellen.
6. Zweisam statt einsam – Nutzen Sie Legende!
Effektive Datenvisualisierungen führen den Betrachter durch das Schaubild. Ist der Betrachter mit der Interpretation auf sich gestellt, verliert er schnell das Interesse oder zieht subjektive Rückschlüsse. Eine Legende sowie eine verständliche Beschriftung des Diagramms beinhalten Informationen zur grundlegenden Aussage des Diagramms und sind essenziell für die Datenvisualisierung. In wissenschaftlichen Publikationen ist es üblich, Abbildungen unterhalb und Tabellen oberhalb zu beschriften. Ein Verweis auf das Diagramm sowie eine kurze Interpretation und die zentrale Aussage sollen im Textteil unbedingt vorhanden sein.
Beispiel Balkendiagramm. Beachten Sie den Säulendiagramm Balkendiagramm Unterschied. Quelle: OECD Health Statistics 2017
Zusammenfassung: 6 Tipps für eine optimale Datenvisualisierung
Daten in übersichtlichen und aussagekräftigen Darstellungen zu visualisieren ist eine komplexe Aufgabe. Diagramme sind ein Grundbestandteil von Berichten, Publikationen, Reports und Vorträgen. Wer gute Reports erstellen will, benötigt eine exzellente Datenvisualisierung. Dabei geht es nicht darum, Zahlen in bunte Balken umzuwandeln. Eine gelungene Datenvisualisierung transportiert Informationen, die lange im Gedächtnis bleiben.
Wenn Sie sich entscheiden, Daten visualisieren zu lassen, gilt es darauf zu achten, dass verschiedene Diagrammarten Vor- und Nachteile haben. Auch fortgeschrittene Visualisierungsmethoden mit Qlikview oder das Erstellen von Karten mit INKAR online sollten in Erwägung gezogen werden.
Nutzen Sie unsere Expertise, um Aussagen gezielt zu visualisieren. Unsere Experten helfen Ihnen dabei! Nehmen Sie Kontakt mit uns auf!
Weiterführende Links
Statistische Maßzahlen und ihre Darstellung in Tabellen und Graphiken