Datenvisualisierung stellt Daten grafisch dar, um Muster sichtbar zu machen. Eine Tabelle mit tausend Zahlen ist schwer lesbar. Ein Liniendiagramm derselben Daten zeigt den Trend sofort. Visualisierung nutzt das menschliche Sehvermögen. Wir sind gut darin, Muster, Ausreißer und Veränderungen zu erkennen. Tabellen mit Zahlen hingegen können wir schlecht mental verarbeiten. Diagramme schließen diese Lücke.

Eine gute Visualisierung beginnt mit der Frage: Was möchten Sie darstellen? Vergleich, Verteilung, Zusammensetzung, Beziehung oder Trend? Jede Frage legt einen Diagrammtyp nahe. Für Vergleiche eignen sich Balkendiagramme. Für Verteilungen Histogramme oder Boxplots. Für Zusammensetzungen gestapelte Balkendiagramme oder Treemaps. Für Beziehungen Streudiagramme. Für Trends Liniendiagramme. Die Wahl des falschen Diagrammtyps verschleiert die Aussage. Ein Kreisdiagramm mit zwölf Segmenten ist unleserlich. Ein Liniendiagramm mit kategorialen Daten auf der x-Achse ist irreführend. Farbe, Skalierung und Beschriftung sind entscheidend. Eine abgeschnittene y-Achse übertreibt kleine Veränderungen. Regenbogenfarben sind schwer lesbar und für Farbenblinde nicht zugänglich. Die besten Visualisierungen sind einfach. Sie verzichten auf Schnickschnack und lassen die Daten sprechen. Edward Tufte nannte dies die Maximierung des Daten-Tinten-Verhältnisses. Jedes Pixel sollte Informationen enthalten oder nicht im Weg stehen.

Visualisierungstypen nach Zweck

• Vergleich – Balkendiagramme, Punktediagramme
• Verteilung – Histogramme, Boxplots
• Darstellungsform – gestapelte Balkendiagramme, Baumdiagramme, Kreisdiagramme
• Beziehung – Streudiagramme, Heatmaps
• Trend – Liniendiagramme, Flächendiagramme

Ein Diagramm ist ein Argument. Es sollte den Sachverhalt klar darlegen, ohne den Betrachter irrezuführen.