14,99 €
Die Reihe BWL-Hochschulschriften leistet Beiträge zu aktuellen betriebswirtschaftlichen Fragestellungen, insbesondere zu Innovations- und Exzellenz-Ansätzen. Die Reihe wendet sich sowohl an Unternehmen, als auch an Studierende. Unternehmen nutzen Daten aus internen und externen Quellen, um daraus für sie betriebswirtschaftlich wichtige Entscheidungen abzuleiten. Eine visuelle Analyse in geeigneter Form soll den Wahrnehmungs- und Verarbeitungsprozess unterstützen, so dass dem Leser schneller zutreffende Aussagen vermittelt werden. Der vorliegende Band gibt Handlungsweisen, wie Visualisierungen unter Berücksichtigung des Zusammenspiels zwischen Visualisierung und menschlichen Betrachter in Unternehmen optimiert werden können.
Das E-Book können Sie in Legimi-Apps oder einer beliebigen App lesen, die das folgende Format unterstützen:
Seitenzahl: 59
Veröffentlichungsjahr: 2017
Wahrnehmung und Verarbeitung von visuellen Analysen
© 2017 Carolin Borchert
Schriftenreihe BWL-Hochschulschriften, Band 2
Herausgeber:
Prof. Dr. Ludwig Hierl
Prof. Dr. Simon Fauser
Prof. Dr. Sebastian Serfas
Quelle Titelbild: Qlik Tech GmbH, Tersteegenstraße 25, 40474 Düsseldorf
Verlag: tredition GmbH, Hamburg
ISBN (Paperback)
978-3-7439-2071-2
ISBN (Hardcover)
978-3-7439-2072-9
ISBN (Ebook)
978-3-7439-2217-4
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung der Autoren. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften.
Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informationen in diesem Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind. Weder der Verlag noch die Autoren oder die Herausgeber übernehmen, ausdrücklich oder implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder Äußerungen.
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar.
Visualisierungen haben einen starken Einfluss auf Entscheidungen im täglichen Unternehmensalltag. Im Mittelpunkt dieser Arbeit steht der Prozess der Wahrnehmung, Verarbeitung und Speicherung von visuellen Informationen. Darauf aufbauend erfolgt eine Darstellung der Forschung zum Graphverstehen, zum Layout und zu Darstellungsformen von Visualisierungen, um daraus Handlungsempfehlungen für den Ersteller von Visualisierungen abzuleiten. Diese Handlungsempfehlungen sollen es dem Ersteller von Visualisierungen ermöglichen, den menschlichen Faktor zu berücksichtigen. Erst unter Berücksichtigung psychologischer Voraussetzungen kann das Ziel einer visuellen Analyse erreicht werden.
Visualization has an important influence on daily business decisions. The focus of this work is the perception, processing and storage of visual information. A representation of research about graph comprehension, layout and presentation methods, it is designed to be a series of recommendations for visual designers . These recommendations encourage designers to consider the human factor and users’ needs when creating visualizations. Designers must consider users’ psychological preconditions in order to create an effective visual analysis.
Abb. 1.1 Wichtigkeit von Visualisierungen von Daten nach Abteilung (modifiziert nach Eckerson & Hammond, 2011, S.9)
Abb. 2.1 Imaginäre Konturen (modifiziert nach Myers, 2008, S. 229)
Abb. 2.2 Prinzip der Nähe (modifiziert nach Mangold, 2015, S.68)
Abb. 2.3 Prinzip der Ähnlichkeit (modifiziert nach Mangold, 2015, S.69)
Abb. 2.4 Prinzip der Linienfortsetzung (modifiziert nach Mangold, 201, S.70)
Abb. 2.5 Gruppierung durch Umschlossenheit (modifiziert nach Mangold, 2015, S.71)
Abb. 2.6 Darstellung von Merkmalen mit einer Gruppierung nach Ähnlichkeit (modifiziert nach Huang & Pashler, 2007, S.626)
Abb. 3.1 Darstellung eines Beispiel-Charts als Grundlage des mentalen Modells (modifiziert nach Pinker, 1990, S.90)
Abb. 3.2 Darstellung des mentalen Modells zu Abbildung 3.1 (modifiziert nach Pinker, 1990, S.91)
Abb. 3.3 Begriffliches Modell der involvierten Faktoren beim Graphverstehen (modifiziert nach Bennett et al., 2007, S.2)
Abb. 4.1 Beispiel Einsatz zu vieler Farben (modifiziert nach FAZ, 2003)
Abb. 4.2 Modifizierung von Abbildung 4.2, erstellt mit dem Business-Intelligence-Programm QlikView (modifiziert nach FAZ, 2003)
Abb. 4.3 Fiktive Daten zu Abbildung 4.2, erstellt mit dem Business-Intelligence-Programm QlikView (modifiziert nach FAZ, 2003)
Abb. 4.4 Fiktive Umsatzdaten Wirkweise 1 zum Gestaltprinzip der Nähe, erstellt mit MS Excel
Abb. 4.5 Fiktive Umsatzdaten Wirkweise 2 zum Gestaltprinzip der Nähe, erstellt mit MS Excel
Abb. 4.6 Fiktive Umsatzdaten zum Gestaltprinzip der Verbundenheit, erstellt mit MS Excel
Abb. 4.7 Fiktive Umsatzdaten Wirkweise 3 zum Gestaltprinzip der Umschlossenheit, erstellt mit dem Business-Intelligence-Programm QlikView
Abb. 4.8 Fiktive Umsatzdaten aus Abbildung 4.7 mit farblicher Gruppierung, erstellt mit dem Business-Intelligence-Programm QlikView
Viele Prozesse basieren in Unternehmen darauf, dass aus großen Datenmengen relevante Informationen werden (vgl. Kohlhammer und Wiener, 2013, S.3). Unternehmen nutzen Daten aus internen und externen Quellen, um daraus für sie betriebswirtschaftlich wichtige Entscheidungen abzuleiten. Ein besserer Weg der Entscheidungsfindung wäre nach Kohlhammer und Wiener (2013, S.3) einer, der die Aufnahme relevanter Informationen erleichtert und so die Wahrscheinlichkeit guter Entscheidungen erhöht. Das Ziel ist es, das Maximum an Daten darzustellen, ohne dass die Komplexität den Empfänger überfordert (vgl. Haroz und Whitney, 2012, S.2402).
„A picture is worth a thousand words“ (vgl. Fekete, Wijk, Stasko, North, 2008, S.4). Dies ist wahr, wenn man nur alleine einmal die Situation bedenkt, in der man zwei Zahlen miteinander multiplizieren soll, gegenüber der Situation, in der man dabei zusätzlich ein Blatt Papier und einen Stift zur Verfügung hat. Schnell wird klar, dass das Papier während der Berechnung als Gedächnishilfe fungiert (vgl. Fekete et al., 2008, S.6). Zudem sollen Visualisierungen nach Fekete et al. (2008, S.5ff.) Informationen, im Vergleich zu Tabellen oder Datenbanken, weitgefasster liefern. Eine visuelle Analyse in geeigneter Form soll den Wahrnehmungs- und Verarbeitungsprozess unterstützen, so dass schneller zutreffende Aussagen vermittelt werden. Der Begriff „Visuelle Analyse“ umfasst dabei mehr als eine einfache Visualisierung und kann als Ansatz gesehen werden, bei dem Visualisierungen mit dem menschlichen Faktor und der Datenanalyse kombiniert werden (vgl. Keim, Mansmann, Schneidewind & Ziegler, 2006, S.10). Mit einer Visualisierung ist dagegen zunächst die reine Darstellung von Unternehmenszahlen in graphischer Form gemeint.
Häufig werden Visualisierungen z.B. mit Excel oder mit Business-Intelligence-Systemen erstellt. Jedoch findet das Zusammenspiel zwischen den Visualisierungen und dem menschlichen Betrachter in Unternehmen oft wenig Berücksichtigung. Keim et al. (2006, S.10) sehen jedoch insbesondere in der menschlichen Wahrnehmung und Verarbeitung von visuellen Informationen, den Schlüsselfaktor in der Kommunikation zwischen Mensch und Maschine. Diese Faktoren darzustellen, ist Kernpunkt dieser Arbeit. Denn erst unter Einbezug des menschlichen Faktors ist der Kreis zur visuellen Analyse geschlossen. Aus den dargestellten Faktoren werden Handlungsempfehlungen abgeleitet, die eine empfängergerechte Visualisierung bezogen auf das Layout und die Darstellungsform ermöglichen sollen.
Die Datenmengen in der Welt explodieren, so dass nach Manyika, Chui, Brown, Bughin, Dobbs, Roxburgh und Byers (2011, S.1-2) immer größere Mengen gespeichert und analysiert werden. Brynjolfsson, Hitt und Kim (2011, S.2) fragen daher, wie Firmen in dieser Ausgangslage bessere Entscheidungen treffen können. Denn nach Manyika et al. (2011, S.4) sind Daten ein essentieller Produktionsfaktor, so wie Vermögen und Humankapital, ohne welchen Wachstum nicht stattfinden kann. Sie gehen davon aus, dass die Nutzung großer Datenmengen den Schlüsselweg darstellt, um sich gegenüber dem Wettbewerb durchzusetzen. Wettbewerber, die es nicht schaffen hier ihre Kompetenzen auszubauen, werden nach Manyika et al. (2011, S.6) hinter den anderen zurück gelassen. Ein Schlüssel zu höherer Wettbewerbsfähigkeit liegt in der Verbesserung der Unternehmensprozesse und Produktivität: