#MakeoverMondayist ein globales Gemeinschaftsprojekt, das sich auf die Verbesserung von Datenvisualisierung und analytischen Fähigkeiten konzentriert. Das Hauptziel des Projekts ist einfach: Man nehme ein bestehendes Diagramm und mache es besser. In diesem Artikel werden wir die wichtigsten Schritte zur Verbesserung der Datenvisualisierung untersuchen, wie sie von den Projektgründern Andy Kriebel und Eva Murray in ihrem Buch #MakeoverMonday: Improving How We Visualize and Analyze Data, One Chart at a Time vorgestellt werden.
Verstehen des Kontextes
Die Challenges des Makeover Monday haben immer einen gewissen Kontext: Artikel, in dem die Visualisierung erwähnt wird, Datenquellen, Titel und Untertitel. Es gibt bereits eine Geschichte, die besser kommuniziert werden kann, und das Ziel ist es, diese Geschichte zu identifizieren.
Erforschung der Daten
Sobald Sie den nötigen Kontext haben, können Sie mit der Untersuchung der Daten beginnen. Andy und Eva empfehlen, diese Fragen zu stellen:
- Was bedeuten die Feldnamen?
- Wie groß ist die Diversität der Felder?
- Gibt es eine Datenhierarchie?
- Was passiert, wenn ich Daten aus verschiedenen Feldern vergleiche?
- Hat ein Feld Auswirkungen auf ein anderes?
Nachdem Sie diese Fragen beantwortet haben, sollten Sie den Versuch unternehmen, verschiedene Diagramme zu erstellen, um zu ermitteln, welche Visualisierungsform die Geschichte besser vermittelt.
Einfach halten
Das Hauptziel ist es, die Visualisierung in kurzer Zeit zu realisieren. Die Idee der Gründer ist es, weniger als 60 Minuten zu benötigen. Um dies zu erreichen, sollten alle unnötigen Felder und Metriken, die keine wichtigen oder kontextbezogenen Informationen liefern, entfernt werden.
Konzentration auf einen Teil des Datensatzes
Die meisten Makeover Monday Challenges beinhalten überladene Visualisierungen, daher könnte es hilfreich sein, sich auf eine bestimmte Teilmenge zu konzentrieren. Es gibt zwei mögliche Wege:
- Filtern – wenn es keine Möglichkeit gibt, diese Anzahl von Datensätzen zu visualisieren.
- Highlighting – Fokussierung auf einen bestimmten Teil des Datensatzes, wobei andere Datensätze als Kontext erhalten bleiben.
Analyse versus Visualisierung
Die Visualisierung jedes einzelnen Datenpunkts trägt nicht unbedingt zu einem besseren Verständnis der Daten bei. Gestalten Sie die Visualisierungen so, dass sie genügend Informationen liefern, um das Publikum auf die Erkenntnisse zu lenken, z. B. auf bestimmte Trends oder Ausreißer. Die Kombination von Analysen auf Aggregatsebene mit detaillierten Informationen sollte mit Bedacht vorgenommen werden.
Einblicke finden
Versuchen Sie, aus den Daten interessante und wichtige Erkenntnisse zu gewinnen. Beantworten Sie dazu die folgenden Fragen:
- Was sagen Ihnen die Daten wirklich?
- Was können Sie zur Diskussion beitragen?
Diese Denkweise wird Ihnen helfen, von einem guten Datenanalysten zu einem großartigen Datenanalysten zu werden.