Visualisierung von Daten

Visualisierung von Daten ist extrem wichtig. Berechnest Du statistische Maßzahlen zur Beschreibung Deiner Datenmasse, so hast Du zuerst einmal einfach Zahlen gegeben. Damit kannst Du dann analysieren und planen. Je mehr dieser zahlenmäßigen Informationen Du einem Interessenten präsentierst, umso schwerer ist allerdings es für einen ungeübten Betrachter, den Inhalt dieser Zahlen zu erfassen.

Die Visualisierung von Daten setzt darauf, intuitiv Größenordnungen und Zusammenhänge erkennbar zu machen. Informationen sollen „auf einen Blick“ sichtbar und erfahrbar gemacht werden. Dabei ist weniger oft mehr.

Es steht Dir eine Vielzahl von Diagrammtypen zur Visualisierung von Daten zur Verfügung. Du wählst je nach Skalenniveau, Anzahl der darzustellenden Merkmale und Verwendungszweck den passenden aus.

Übersicht typischer Grafiken

Diagrammtyp	Skalenniveau	Anzahl der Merkmale	Ziel
Boxplot	mindestens ordinalskaliert	ein oder mehrere	zeigt für jedes Merkmal Median, Quartilsabstand, Normalbereich und Ausreißer an
Histogramm	quantitativ	ein Merkmal	macht die absolute oder relative Häufigkeitsverteilung und Häufigkeitsdichte sichtbar
Scatterplot	quantitativ	zwei Merkmale	trägt zwei Merkmale im Koordinatensystem gegeneinander ab und lässt Zusammenhänge vermuten
Balkendiagramm	beliebig	ein oder mehrere	macht die absolute oder relative Häufigkeitsverteilung(en) sichtbar
Säulendiagramm	beliebig	ein oder mehrere	macht die absolute oder relative Häufigkeitsverteilung(en) sichtbar
Liniendiagramm	quantitativ	zwei oder mehrere	zusammengehörende Wertepaare zweier Merkmale werden im Koordinatensystem gegeneinander abgetragen und mit Linien verbunden
Kreisdiagramm	beliebig	ein Merkmal	zeigt Anteile der einzelnen Merkmalsausprägungen an der Gesamtheit
QQ-Plot	quantitativ	zwei Merkmale	trägt die Quantile zweier Verteilungen gegeneinander ab und lässt Ähnlichkeit der Verteilungen vermuten – oder diese verwerfen
ROC-Kurve	macht die diagnostische Qualität eines oder mehrerer Tests sichtbar