BI ist in Unternehmen angekommen. Kaum ein Unternehmen bezweifelt mehr den Nutzen von BI. Bei den meisten hapert es jedoch noch daran, alle Möglichkeiten auszuschöpfen. Entscheider und Analysten finden Informationen nicht derart vor, dass sie Sachverhalte, Probleme, Möglichkeiten, Trends, Muster oder Ausreißer sofort erkennen. Genau an diesem letzten Schritt – kurz vor dem Ziel von BI – setzt Visual Business Intelligence (VBI) an. VBI beschäftigt sich mit der Visualisierung von Daten, dem Prozess der Analyse sowie der Entscheidungsfindung. Dies betrifft statische Reports, dynamische Auswertungen sowie die Visualisierung sehr großer Datenmengen. Softwarehersteller versprechen, dass ihre Werkzeuge künftig riesige Mengen an Daten bändigen können, die sich bei Firmen und im Internet auftürmen. Zudem sollen sie automatisiert die entscheidungsrelevanten Daten herausfiltern. Der vorliegende Artikel zeigt Möglichkeiten auf, wie Unternehmen mittels geeigneter Visualisierungen ihr Reporting verbessern können.

Information Design als Schlüssel zur Entscheidungsfindung

Die Anforderung an Visualisierung ist denkbar einfach: Daten in Informationen umzuwandeln. Der Nutzer soll Sachverhalte schnell verstehen, um daraus Entscheidungen ableiten zu können. In der Praxis scheitert dies allerdings oft. Nicht, weil immer die so oft angeführte Datenqualität schlecht wäre oder Daten fehlen, sondern weil zu einer ungeeigneten Visualisierung der Daten gegriffen wird. Dem Nutzer ist es nicht möglich, das Entscheidende beziehungsweise das zu Entscheidende zu erkennen.Ungeeignete Visualisierung kann verwirren und falsche Eindrücke vermitteln, obwohl die Datenbasis korrekt ist. Prof. Dr. Rolf Hichert fordert daher verbindliche Regeln für Geschäftskommunikation [Hic]. Zu dieser Forderung gehören als Kern: klare Botschaften, konsequente Standardisierung und Reduktion auf das Wesentliche. Kreativität und Beliebigkeit – wozu sowohl klassische Anwendungen wie Tabellenkalkulations- oder Präsentationsprogramme als auch BI-Frontend-Tools verführen sind nicht gefragt. Stattdessen schlägt er mittels seines SUCCESS-Konzepts und der Forderung nach einer einheitlichen Notation – Musiker, Ingenieure und Architekten haben diese schon lange Zeit – eine Standardisierung und Vereinheitlichung der Geschäftskommunikation vor.

Die Abbildung zeigt, wie die SUCCESS-Regeln erfolgreich auf einen statischen Report angewendet wurden. Der Vorteil, der sich durch die konsequente Anwendung des SUCCESS-Modelss ergibt, wird dem Betrachter schnell deutlich, auch wenn er das dahinterstehende Notationskonzept nicht kennt. Die hohe Informationsdichte, die einheitliche Darstellung und Skalierung sowie das Herausheben der Botschaft ermöglichen es ihm, Vergleiche anzustellen und sich
auf das Wesentliche zu konzentrieren, um daraus eine Entscheidung abzuleiten. Derzeit sind vier Softwarelösungen zur Erstellung von Diagrammen
durch Hichert + Partner zertifiziert, die SUCCESS-konforme Lösungen anbieten (graphomate, OneBoard, orangeBI,SparkShapes).

Dynamische Visualisierung von Informationen

Die Darstellung dynamischer Auswertungen wie Dashboards ist von ihrer Gestaltung her statischen Reports ähnlich, wenn man von Objekten wie Tachometern oder sonstigen animierten Darstellungen einmal absieht. Der wesentliche Unterschied besteht allerdings darin, dass durch unterschiedliche Techniken der Blickwinkel auf die Daten geändert oder auch tiefer in die Datenstruktur geblickt werden kann. Dadurch wird der strukturierte Aufbau der Informationen erschwert und Skalierungen können kaum aufrechterhalten werden. Deshalb ist die größte Herausforderung bei der Interaktion mit dem Nutzer die Anordnung der Inhalte. Ziel ist es auch hier, Vergleiche anzustellen und Ergebnisse zu erzielen, das heißt, Sachverhalte an die Oberfläche zu bringen, die ohne Interaktivität nicht sichtbar wären. Damit dem Nutzer diese Vergleiche gelingen, ist es erforderlich, dass Informationen einheitlich dargestellt werden. Skalierung und Anordnung der Informationen müssen einheitlich sein, sonst sind Vergleiche nur schwer bis gar nicht möglich, da es dem Betrachter schwerfällt, sich an die vorhergehende Bildschirmansicht zu erinnern, und damit, aussagekräftige Vergleiche anzustellen.

Ben Shneiderman, ein Pionier der Visualisierungsforschung, hat bereits in den 90er-Jahren ein Mantra der Informationsvisualisierung geprägt:

1.Zeige einen Überblick über alle Daten
2.Biete gute Zoom- und Filter-Funktionalitäten
3.Zeige Details auf Anfrage

Ein Beispiel für eine gut umgesetzte Informationsvisualisierung ist die Software Gapminder.

In animierten Diagrammen wird beispielsweise dargestellt, wie sich Länder in verschiedenen Zeiträumen entwickeln. Der Nutzer kann wählen, welche Länder er miteinander vergleichen möchte. Durch die Form der Visualisierung werden Entwicklungen schnell und verständlich aufgezeigt, die in einer gewöhnlichen Tabelle oder einer Aneinanderreihung von Diagrammen wahrscheinlich nur sehr schwer erkennbar wären. Durch den Mouse-over-Effekt und das Stoppen des Ablaufs werden die exakten Werte auf Wunsch in der x-Achse eingeblendet.

Visual Analytics – Visualisierung großer Datenmengen

In den letzten Jahren hat sich ein neues Thema aus der Forschung in immer mehr BI-Anwendungen etabliert: Visual Analytics. Dieses Thema ist eng verbunden mit aktuellen Trends, wie etwa Business Analytics, Advanced Analytics oder Extreme Analytics. Das Ziel von Visual Analytics ist dabei, die Fähigkeiten der menschlichen Experten, Analysten und Entscheidungsträger über bessere grafische Benutzerschnittstellen noch stärker in den Mittelpunkt zu stellen. Besonders relevant wird das Thema im Umgang mit großen Datenmengen (Big Data), das viele Anbieter und Anwender aktuell umtreibt. Ein Bild sagt mehr als tausend Worte, doch wie viele Bilder brauche ich für eine Million Worte? Vorgefertigte Berichte auf der Basis von Massendaten zu erstellen oder interaktive Cockpits und Dashboards für Gigabytes an Daten bereitzustellen ist dabei noch eher eine Anforderung an das Datenmanagement und die automatische Datenverarbeitung. Die Ad-hoc-Beantwortung von Benutzeranfragen an großen Datenmengen ist jedoch vor allem auch eine Herausforderung für die grafische Benutzerschnittstelle. Gleich am Anfang, auf der ersten Stufe, bricht das Shneiderman-Mantra im Umgang mit Big Data zusammen. Es gibt keine Möglichkeit, mehr Informationseinheiten als Pixel auf dem Bildschirm darzustellen. Ab einem gewissen Punkt muss aggregiert, gefiltert, ausgewählt, vorverarbeitet werden – und zwar bevor der Benutzer mit den Daten in Berührung kommt. Trotzdem möchte der Benutzer festlegen, wie gefiltert, ausgewählt und aggregiert wird, denn nur er kann dies sinnvoll entscheiden.

Typische Fragen sind beispielsweise:

  • Gibt es eine Verbindung von Social-Media-Beiträgen und Verkaufszahlen und in welcher zeitlichen Abfolge und welchem monetären Umfang?
  • Gibt es frühe Anzeichen für drohende Umsatzeinbußen?
  • Gibt es Möglichkeiten, die Flugverbindungen meiner Airline dahingehend zu optimieren, dass Auslastung und Kundenzufriedenheit maximiert werden?
  • Welches sind die besten Optimierungs- und Vorhersagemodelle hierfür?
  • Wie können wir es schaffen, dass die internen Experten für Betrugserkennung noch enger mit den automatischen Filtermethoden arbeiten, um neue Betrugsformen schneller abzustellen, bei gleichzeitiger Verringerung von Fehlalarmen?

Ein gutes Beispiel für den grafischen Zugang zu Big Data bietet eine Technologie des Fraunhofer-Instituts für Graphische Datenverarbeitung, IGD Darmstadt, für die Analyse von Kreditkartentransaktionen:

Mit dieser Visualisierung können Kombinationen aus mehreren Attributen der Transaktionen (also zum Beispiel Uhrzeit, Geschäftskategorie, Betrag, Zeit seit der letzten Transaktion) als farbige Muster dargestellt werden. Rote Muster deuten mit hoher Wahrscheinlichkeit auf eine betrügerische Transaktion hin, blaue Muster signalisieren dagegen unbedenkliche Transaktionen. Auf einen Blick erkennt der Experte, auf welche Aspekte er oder sie sich konzentrieren sollte. Entscheider und Experten erhalten durch Visual Analytics Zugang zu den Stellschrauben der automatischen Methoden, um die Datenverarbeitung zu steuern. Die Visualisierung gibt das nötige Feedback, um zu erkennen, ob sich die Analyse oder Suche auf dem richtigen Weg befindet.

BI-Tools sind in der Pflicht, mehr zu liefern als nur die richtigen Kennzahlen in Tabellen, Texten oder Diagrammen. Neben der vorauszusetzenden Richtigkeit der Daten müssen Kennzahlen in Relation zu anderen Kennzahlen gebracht werden, da der Empfänger nur so sinnvolle Vergleiche anstellen kann. Ebenso wichtig ist dabei, dass die Informationen leicht und verständlich dargestellt werden und Fehlinterpretationen und Missverständnisse weitestgehend ausgeschlossen werden. Jede Visualisierung muss einen Mehrwert für den Empfänger mit sich bringen, der so klar erkennbar ist, dass dem Empfänger direkt eine Maßnahme oder Handlung empfohlen wird. Visual Business Analytics wird zukünftig noch größere Bedeutung zukommen als heute, wenn sich der momentane Trend zu Mobile BI verstärkt.

Geschäftsentscheidungen sollen schnell und ortsunabhängig fallen. Moderne Entscheider steuern Unternehmen zunehmend mittels ihres Mobiltelefons oder über sogenannte Tablet-PCs. Sowohl die Produkthersteller als auch die Ersteller von Reports in Unternehmen müssen sich gerade bei der Visualisierung auf neue Herausforderungen einstellen. Kleinere Displays und eine andere Bedienung sind nur
die Spitze des Eisbergs.

Der Artikel gibt einen Ausblick auf das demnächst erscheinende Buch „Visual Business Analytics–Der Entscheider im Mittelpunkt des Reportings“.

  • [Few04]Few, S.: Show Me the Numbers. Oakland 2004
  • [Gap]Gapminder World, Gapminder, siehe: www.gapminder.org
  • [Hic]Hichert + Partner, SUCCESS, siehe: www.hichert.com
  • [Man11] Manyika, J. et al.: Big Data: The next frontiery
    for innovation competition and productivity. McKinsey
    Global Institute, 2011
  • [Shn96] Shneiderman, B.: The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations. In: Proceedings of the IEEE Symposium on Visual Languages, S.336–343, Washington. IEEEcomputer SocietyPress, 1996.

Der gesamte Artikel kann als .pdf hier runtergeladen werden. Zudem ist dieser auch in der Blogparade des SAS Blog – Mehr Wissen zu finden.

Jörn KohlhammerDr. Jörn Kohlhammer
Abteilungsleiter, Fraunhofer IGD
XING

Dirk U. Proff
Dirk U. Proff

Founder & CEO, blueforte GmbH
XING

Andreas WienerAndreas Wiener
Management Consultant, blueforte GmbH
Twitter Xing YouTube Pinterest