Datenvisualisierung bezieht sich auf jede visuelle Darstellung von zusammengefassten Informationen. Mit einer effektiven Datenvisualisierung können Sie wichtige Themen und Ergebnisse für Ihre Zielgruppe kommunizieren und sie dabei unterstützen, Daten zu interpretieren und zu analysieren, die auf ihre Bedürfnisse zugeschnitten sind. Bevor Sie Visualisierungen und Diagramme erstellen können, müssen Sie die Art der Visualisierung auswählen. Wenn Sie den richtigen Visualisierungstyp auswählen, können Sie Ihre Daten klar und wirkungsvoll präsentieren. So können Ihre Zuschauer fundierte Entscheidungen treffen und die nächsten Schritte bestimmen. In den folgenden Abschnitten wird beschrieben, wie Daten effektiv visualisiert werden können, sodass sowohl Ihre Analyseziele als auch die Perspektiven Ihrer Zielgruppe berücksichtigt werden:
- Eigenschaften Ihrer Daten berücksichtigen
- Zielgruppe definieren
- Die beste Visualisierung für Ihre Daten auswählen
Eigenschaften Ihrer Daten berücksichtigen
Bevor Sie sich für einen Visualisierungstyp entscheiden, sollten Sie die Merkmale Ihrer Daten berücksichtigen:
Kategorisch: Wenn Ihre Daten Gruppen ähnlicher Muster und Sets enthalten, ist es effektiv, einen Visualisierungstyp zu verwenden, der kategorische Daten am besten unterstützt, z. B. ein Kreisdiagramm. Die Produktkategorie ist ein Beispiel für kategorische Daten, da Artikel nach ähnlichen Funktionen und Merkmalen gruppiert werden.
Ordnungsdaten: Wenn für Ihre Daten eine bestimmte geordnete Sequenz erforderlich ist, können Sie diese Reihenfolge für die Zielgruppe mithilfe einer Visualisierung wie einem Spaltendiagramm oder einem Balkendiagramm definieren. Ein Beispiel für Ordinaldaten sind die Anzahl der Rezensionen mit unterschiedlichen Bewertungen für ein bestimmtes Produkt.
Kontinuierlich:Wenn Sie Daten visualisieren möchten, die über einen längeren Zeitraum erfasst wurden, verwenden Sie Visualisierungen, die kontinuierliche Daten unterstützen, z. B. Fortschrittsdiagramme. Die Gesamtumsätze aus Produktverkäufen in einem bestimmten Quartal sind ein Beispiel für kontinuierliche Daten, da sich ändernde Daten im Zeitverlauf erfasst werden.
Zielgruppe definieren
Bei einer effektiven Visualisierung werden nicht nur die Daten, sondern auch die Perspektive und die Bedürfnisse der Zielgruppe berücksichtigt. Wenn Sie das Erscheinungsbild einer Visualisierung anpassen, können Sie Informationen effektiv an Ihre Zielgruppe weitergeben. Berücksichtigen Sie bei der Definition Ihrer Zielgruppe Faktoren wie ihr wahrscheinliches technisches Wissen und ihre beruflichen Funktionen. Wie wird Ihre Visualisierung von Ihren Zuschauern verwendet?
Bedienungshilfen
Achten Sie beim Erstellen einer Datenvisualisierung auf Barrierefreiheit. Wenn Sie bei jedem Datenvisualisierungsprojekt die Webzugänglichkeit berücksichtigen, können alle Nutzer, einschließlich Nutzer mit Seh- und kognitiven Beeinträchtigungen, Ihre Inhalte leichter teilen. Die Richtlinien für barrierefreie Webinhalte (Web Content Accessibility Guidelines, WCAG) enthalten Implementierungsschritte für eine verbesserte Barrierefreiheit, die auch für das Visualisierungsdesign gelten, darunter:
Alternativtext: Mit einem Alternativtext oder Alt-Text können mehr Nutzer auf Informationen aus Elementen ohne Text zugreifen, z. B. Nutzer, die Screenreader verwenden. In Looker können Sie Ihren Visualisierungen Anmerkungen hinzufügen, in denen Sie wichtige Aspekte der Visualisierung beschreiben. Weitere Informationen zum Hinzufügen von Textbeschreibungen zu Elementen von Looker-Visualisierungen finden Sie auf der Dokumentationsseite Benutzerdefinierte Dashboards bearbeiten unter Informationen zum Bearbeiten einer Kachelnote.
Barrierefreiheit bei Kontrast und Farbe: Durch die Verwendung von Kontraststufen, die dem internationalen WCAG-Standard entsprechen, wird sichergestellt, dass wahrgenommene Unterschiede in der Farbauswahl für Betrachter der Visualisierungen barrierefrei sind. Das Kontrastverhältnis von zwei ausgewählten Hexadezimalfarbcodes finden Sie im Contrast Checker von WebAIM. In Looker ist die Dalton-Farbsammlung speziell für verschiedene Formen von Farbfehlsichtigkeit geeignet. Weitere Informationen zu dieser Sammlung und anderen Optionen für die Farbauswahl in Looker finden Sie auf der Dokumentationsseite Farbsammlungen.
Weitere Informationen zur Barrierefreiheit beim Erstellen von Visualisierungen und anderen Inhalten finden Sie in der aktuellen Version der Richtlinien zur Barrierefreiheit von Webinhalten.
Die beste Visualisierung für Ihre Daten auswählen
In den folgenden Abschnitten finden Sie einen Überblick über die verfügbaren Visualisierungstypen in Looker und Informationen dazu, wie Sie den für Ihre Daten am besten geeigneten Typ auswählen:
- Kartesische Diagramme
- Kreis- und Ringdiagramme
- Fortschrittsdiagramme
- Texte und Tabellen
- Maps
- Andere Diagramme
Kartesische Diagramme
Ein kartesisches Diagramm bezieht sich auf jedes Diagramm, das auf der kartesischen Ebene basiert. Die kartesische Ebene wird durch eine x-Achse und eine y-Achse mit entsprechenden numerischen Punkten für alle Positionen im Diagramm definiert. In allen kartesischen Diagrammen werden Daten auf diesen Achsen dargestellt.
Die X-Achse und die Y-Achse spiegeln Dimensionen und Messwerte wider. Dimensionen spiegeln qualitative Werte wider, während Messwerte quantitativer Natur sind. Wie diese Werte auf der X- und Y-Achse dargestellt werden und wie diese Daten visualisiert werden, hängt vom kartesischen Diagrammtyp ab. Dieser Abschnitt enthält die folgenden Beispiele für kartesische Diagramme:
Spalte
Am besten geeignet, um Daten mit wenigen zu vergleichenden Kategorien zu visualisieren.
Spaltendiagramme sind vertikale kartesische Diagramme, in denen Informationen in rechteckigen, vertikalen Formen dargestellt werden. Die Länge der Spalte entspricht dem Datenwert. Typische Säulendiagramme enthalten Datenkategorien auf der X-Achse und Datenwerte auf der Y-Achse.
Wenn Ihre Daten nur wenige Kategorien enthalten, ist ein Säulendiagramm ideal. Wenn Ihre Daten eine größere Anzahl von Kategorien enthalten, eignen sich Balkendiagramme oft besser, da sie mehr Platz für Achsenbeschriftungen bieten. Da negative Werte nach unten angezeigt werden, eignen sich Säulendiagramme auch gut für Datensätze mit negativen Werten.
Das folgende Beispiel für ein Säulendiagramm enthält sowohl positive als auch negative Werte, um den durchschnittlichen Bestellgewinn für Accessoires und Jeans zu sehen, die pro Monat verkauft werden.
Weitere Informationen zum Erstellen dieser Diagramme in Looker finden Sie auf der Dokumentationsseite Optionen für Säulendiagramme.
Balkendiagramm
Am besten geeignet für die Visualisierung von Daten mit langen Kategorietiteln.
In Balkendiagrammen werden Daten ähnlich wie in Säulendiagrammen dargestellt, jedoch horizontal ausgerichtet. In Balkendiagrammen steht die Y-Achse in der Regel für eine Datenkategorie, während die X-Achse einen numerischen Wert darstellt.
Wenn Ihre Daten besonders lange Kategorietitel enthalten, sind Balkendiagramme Säulendiagrammen vorzuziehen. Durch die Ausrichtung an der Y-Achse werden die Beschriftungen in Balkendiagrammen platzsparend angeordnet und die Lesbarkeit verbessert. Außerdem eignen sich Balkendiagramme aufgrund der Ausrichtung des Abstands im Vergleich zu Säulendiagrammen in der Regel besser für die Darstellung größerer Kategorien.
Im folgenden Beispiel für ein Balkendiagramm wird gezeigt, wie längere Titel von Bekleidungskategorien wie „Modische Hoodies und Sweatshirts“ in die Balkendiagrammausrichtung passen. In diesem Diagramm sehen Sie die Anzahl der monatlichen Bestellungen für zehn verschiedene Bekleidungskategorien.
Weitere Informationen zum Erstellen von Balkendiagrammen in Looker finden Sie auf der Dokumentationsseite Optionen für Balkendiagramme.
Streudiagramm
Am besten geeignet, um die Korrelation zwischen zwei Variablen hervorzuheben.
Ein Streudiagramm ist eine Form des kartesischen Diagramms, mit dem die Beziehung zwischen zwei Variablen hervorgehoben wird. Jeder dargestellte Punkt steht für einen Wert auf der X- und Y-Achse, der Aufschluss über die Daten gibt. Diese Diagrammtypen heben insbesondere Trends und Muster hervor, die in den Daten auftreten.
Wenn Ihre Daten zwei Variablen enthalten, die korrelieren, kann ein Streudiagramm eine ideale Visualisierungsmethode sein, um Korrelationen zu finden und zu untersuchen. Dies könnte eine positive Korrelation sein: Wenn die Variable x steigt, steigt auch die Variable y. Es kann auch eine negative Korrelation geben: Wenn eine Variable steigt, sinkt die andere. Die Korrelation kann auch null sein. In diesem Fall gibt es keine Korrelation zwischen den beiden ausgewählten Variablen. Das Bewusstsein für eine potenzielle Datenkorrelation kann zu besseren Erkenntnissen über Ihre Daten führen und sogar Vorhersagen über zukünftiges Datenverhalten ermöglichen.
Layout und Struktur eines Streudiagramms sind entscheidend für seine Effektivität. Die dargestellten Punkte in Streudiagrammen können auch durch Größe und Farbe angepasst werden, um dem Betrachter zusätzliche Variablen oder Kategorien zu verdeutlichen. Trendlinien können auch in Streudiagrammen verwendet werden. Diese Linien heben Verbindungen zwischen den Daten hervor, die für den Betrachter sichtbar werden. Achten Sie bei der Anpassung darauf, dass diese Designentscheidungen das übergeordnete Ziel unterstreichen, eine Beziehung zu veranschaulichen und eine Chance zu bieten, potenzielle Muster, Korrelationen und Trends zu untersuchen.
Das folgende Streudiagramm stellt die Anzahl der Kunden dar, die von 2015 bis 2018 vierteljährlich Standorte besucht haben. Die Größe der Punkte im Diagramm richtet sich nach der Anzahl der Kunden.
Weitere Informationen zu dieser Art der kartesischen Visualisierung finden Sie auf der Dokumentationsseite Optionen für Streudiagramme.
Linie
Am besten geeignet, um kontinuierliche Daten im Zeitverlauf zu visualisieren.
In einem Liniendiagramm werden Daten durch eine Reihe von Punkten dargestellt, die durch eine gerade Linie verbunden sind. Bei diesem Visualisierungstyp werden kontinuierliche Daten im Zeitverlauf hervorgehoben.
Die Anzahl der Linien ist entscheidend für die Übersichtlichkeit Ihres Liniendiagramms. Wenn Sie mehrere Linien in Ihr Diagramm aufnehmen, verwenden Sie Farben, um sie deutlich voneinander zu unterscheiden. So können die Betrachter die Werte separat interpretieren, anstatt die Linien zusammenzuführen.
Das folgende Liniendiagramm zeigt die monatlich aktiven Websitenutzer von 2016 bis 2019. Die drei separaten Linien stehen für Regionen in den USA: die Ostküste, den Mittleren Westen und die Westküste.
Weitere Informationen zum Erstellen eines Liniendiagramms in Looker finden Sie auf der Seite Optionen für Liniendiagramme.
Gebiet
Am besten geeignet, um Veränderungen bei den Mengen im Zeitverlauf zu visualisieren.
Ein Flächendiagramm basiert auf den Merkmalen anderer kartesischer Diagramme, des Balkendiagramms und des Liniendiagramms. Ähnlich wie bei Liniendiagrammen werden in Flächendiagrammen kontinuierliche Daten in linearer Form im Zeitverlauf hervorgehoben. Diese Diagramme verwenden jedoch eine Füllungsfunktion, die einem Balkendiagramm ähnelt, um die Menge anhand der Daten darzustellen. So können die Zuschauer deutlich sehen, wie sich die Mengen im Zeitverlauf ändern.
Flächendiagramme vermitteln Gesamttrends und nicht einzelne Datenpunkte. Flächendiagramme eignen sich aufgrund der farblich ausgefüllten Flächenkomponenten besser, wenn Sie eine kleinere Anzahl von Trends vergleichen. Wenn Sie Daten mit einer größeren Anzahl von Trends hervorheben möchten, sollten Sie stattdessen ein Liniendiagramm verwenden.
Das folgende Flächendiagramm spiegelt das Beispiel für die Visualisierung mit einem Liniendiagramm wider und zeigt ebenfalls die monatlichen Websitenutzer nach Regionen in den USA. Die Füllung in diesem Diagramm hebt jedoch insbesondere die Veränderung der Nutzerzahlen von 2018 auf 2019 hervor.
Weitere Informationen zu Flächendiagrammen in Looker finden Sie auf der Seite Optionen für Flächendiagramme.
Kreis- und Ringdiagramme
Torten- und Ringdiagramme betonen die Beziehung zwischen Teilen und dem Gesamtanteil in den Daten. Aus diesem Grund eignen sie sich gut, um kategorische Informationen hervorzuheben, d. h. Informationen, die aufgrund gemeinsamer Merkmale klar in Gruppen unterteilt werden können.
Wählen Sie für die beste Darstellung der Informationen in Kreis- und Ringdiagrammen maximal fünf Kategorien aus. Wenn Sie mehr als fünf Kategorien haben, sollten Sie einen anderen Visualisierungstyp auswählen, um die Informationen hervorzuheben, z. B. ein Balken- oder Säulendiagramm.
Da ein Kreis- oder Ringdiagramm einen ganzen Prozentsatz darstellt, müssen die Werte der Kategorien zusammen 100 % ergeben.
In Looker gibt es zwei Varianten von Kreisdiagrammen. In diesem Abschnitt werden die folgenden Diagramme beschrieben und ihre Stärken bei der Darstellung kategorischer Daten hervorgehoben:
Kreisdiagramm
Am besten geeignet zur Visualisierung proportionaler Werte.
Ein Tortendiagramm ist ein vollständiges Kreisdiagramm, das auf der Grundlage von Informationskategorien in Segmente unterteilt ist. Durch diese Segmentaufteilung liegt der Fokus nicht speziell auf dem genauen Prozentsatz, sondern darauf, wie sich die dargestellten Anteile zueinander verhalten und auf das Gesamtziel des Diagramms auswirken.
Wenn Sie die Bedeutung der Verbindungen zwischen proportionalen Werten hervorheben möchten, vermitteln Kreisdiagramme diese Beziehungen effektiv. Wenn Sie mit mehr als fünf Datenkategorien arbeiten, sollten Sie ein anderes Visualisierungsdiagramm auswählen, um die Informationen hervorzuheben, z. B. ein Balkendiagramm oder ein Säulendiagramm. Mit Balken- und Säulendiagrammen können Betrachter einzelne Unterschiede oft leichter erkennen.
Das folgende Kreisdiagramm stellt den Prozentsatz der Kunden aus drei Regionen in den USA dar: der Ostküste, der Westküste und dem Mittleren Westen. Mit diesem Visualisierungstyp wird der proportionale Anteil der Kunden aus den einzelnen Regionen dargestellt.
Weitere Informationen zum Erstellen dieser Vergleichsdiagramme in Looker finden Sie auf der Dokumentationsseite Optionen für Kreisdiagramme.
Mehrere Ringdiagramme
Am besten geeignet zur Visualisierung proportionaler Werte mit mehreren Komponenten.
Mit Donut-Multiplex-Diagrammen können Sie eine Reihe von Donut-Diagrammen erstellen, um Ihre Daten in einer vernetzten Formation zu visualisieren. Bei diesen Diagrammen wird der Mittelpunkt des Kreises weggelassen, sodass Bogen- statt Sektoraufteilungen entstehen. Der zusätzliche Leerraum in der Mitte des Diagramms bietet Platz für weitere Labels und Beschreibungen Ihrer Daten.
Achten Sie beim Erstellen von Donut-Multiplex-Diagrammen darauf, dass die Kategorien einheitlich und einheitlich gestaltet sind, um ihre Beziehung hervorzuheben. Fügen Sie außerdem zur besseren Verständlichkeit klare, kumulative Informationen in die Mitte des Diagramms ein, um die Feinheiten der einzelnen Donut-Diagramme hervorzuheben.
Das folgende Donut-Diagramm mit mehreren Ringen zeigt die vierteljährlichen Produktverkäufe für mehrere Bekleidungskategorien: Jeans, Leggings, Oberbekleidung und Mäntel sowie Shorts. Für jeden Quartalsverkauf gibt es ein separates Donut-Diagramm. Diese Visualisierung zeigt, wie jede einzelne Bekleidungskategorie, die durch eine einheitliche Farbe dargestellt wird, zum Gesamtumsatz der Produkte pro Quartal beiträgt.
Informationen zum Einfügen von Donut-Multiples-Diagrammen in Looker finden Sie auf der Dokumentationsseite Donut-Multiples-Diagrammoptionen.
Fortschrittsdiagramme
In Fortschrittsdiagrammen werden Informationen hervorgehoben, die im Zeitverlauf angezeigt werden. Mit diesen Diagrammen können Sie diesen Kontext hervorheben und zeigen, wie er sich auf die Daten auswirkt. Mit Fortschrittsdiagrammen können Sie den Gesamtfortschritt und das Wachstum verfolgen. Dieser Abschnitt enthält Beispiele für die folgenden Fortschrittsdiagramme:
Trichter
Am besten geeignet, um sequenzielle Phasen zu visualisieren.
Trichterdiagramme sind Fortschrittsdiagramme, die aufeinanderfolgende Phasen hervorheben. Dieser Diagrammtyp ähnelt Balkendiagrammen, in denen Daten ebenfalls durch horizontale, rechteckige Visualisierungen dargestellt werden. In diesem Diagramm entsteht durch die gestapelten Visualisierungen eine Trichterform.
Für ein effektives Trichterdiagramm müssen die Daten mindestens vier Stufen enthalten. So wird eine starke visuelle Wirkung erzielt und der dargestellte Prozess wird als Ganzes hervorgehoben. Wenn Sie weniger als vier Komponenten haben, sollten Sie eine andere Art der Visualisierung verwenden, z. B. ein Kreisdiagramm.
In der folgenden Trichtervisualisierung werden fünf separate Phasen von Kundenaktionen und die Prozentwerte in jeder Phase hervorgehoben. Die Phasen sind in absteigender Reihenfolge „Produkt“, „Einkaufswagen“, „Kauf“, „Registrieren“ und „Stornieren“. Sie repräsentieren die Interaktionen der Kunden mit dem Produkt.
Weitere Informationen zum Erstellen dieser Visualisierung in Looker finden Sie auf der Dokumentationsseite Optionen für Trichterdiagramme.
Zeitachse
Am besten geeignet, um den Zeitverlauf zu visualisieren.
Zeitachsendiagramme verdeutlichen den Zeitverlauf, indem wichtige Ereignisse und Markierungen über einen festgelegten Zeitraum enthalten sind. Zeitachsendiagramme beziehen sich zwar oft auf die Zeit, diese Diagrammstruktur kann aber auch auf Zahlen und Beträge angewendet werden.
Durch die Farbanpassung können mehrere Zeitleisten in einem Diagramm verwendet werden, um zu zeigen, wie sich mehrere Faktoren im Verlauf ändern. Bei Zeitleistenmustern, insbesondere in Looker, kann die Farbpersonalisierung je nach Palette variieren. Ihre Zeitachse kann eine kontinuierliche Palette haben, die eine Farbverlaufsoption mit zwei Variablen in jedem Teil des Farbverlaufs widerspiegelt. Sie können auch eine kategorische Palette verwenden, bei der jede Farbe eine Kategorie in den Daten darstellt. Weitere Informationen zu dieser Farbanpassung und zu Zeitleistendiagrammen finden Sie auf der Dokumentationsseite Optionen für Zeitleistendiagramme.
Die folgende Zeitachse stellt bestimmte Bestell-IDs und die jeweiligen durchschnittlichen Bearbeitungszeiten in Monaten im Jahr 2022 dar. Die Zeitleiste verwendet eine kontinuierliche Farbverlaufspalette, um die unterschiedlichen Anzahlen von Tagen darzustellen.
Wasserfall
Am besten geeignet, um aufeinanderfolgende positive und negative Werte zu visualisieren.
In Wasserfalldiagrammen wird die Beziehung zwischen positiven und negativen Werten durch eine Sequenz hervorgehoben. Diese Diagramme zeigen, wie sich ein Startwert aufgrund verschiedener Faktoren entwickelt. Wasserfalldiagramme spiegeln die Designelemente eines Balkendiagramms wider. Wie bei vielen anderen Visualisierungstypen können auch Zeit- oder kategoriebasierte Markierungen je nach Datensatz die Struktur von Abfolgediagrammen beeinflussen.
Da in Wasserfalldiagrammen ausschließlich positive und negative Werte verwendet werden, ist eine klare Definition dieser beiden Kategorien unerlässlich. Achten Sie darauf, dass die Werte in Ihren Daten in der Visualisierung durch Farben und Textlabels klar voneinander abgegrenzt sind.
Das folgende Beispiel für ein abfolgebasiertes Diagramm zeigt den Gesamtumsatz in den verschiedenen Phasen des Bestellvorgangs, einschließlich stornierter, zurückgegebener, versendeter und in Bearbeitung befindlicher Bestellungen. Außerdem wird ein Gesamtbetrag berechnet.
Weitere Informationen zu diesem Visualisierungstyp finden Sie auf der Dokumentationsseite Optionen für das Balkendiagramm.
Text und Tabellen
Wenn Sie aussagekräftige Textdaten anzeigen möchten, können Sie Text und Tabellen auswählen, um die Wirkung der Wörter hervorzuheben. Die Darstellung dieser Wörter kann variieren – von der Hervorhebung eines einzelnen Werts bis hin zur Darstellung einer komplexen Anordnung von Wörtern in einem Datensatz. Dieser Abschnitt enthält einige der vielen Beispiele für Visualisierungstypen für Text und Tabellen:
Einzelwert
Am besten geeignet, um ein einzelnes Datenelement zu visualisieren.
In einem Einzelwertdiagramm wird ein einzelner Wert aus einem Datensatz hervorgehoben. Wenn Sie einen Wert auf diese Weise visualisieren, wird seine Bedeutung und Wichtigkeit für einen größeren Datensatz hervorgehoben.
Wählen Sie beim Erstellen eines Diagramms mit einem einzelnen Wert einen Wert aus, der für die Zielgruppe von Bedeutung ist und Ihre Ziele für die Visualisierung widerspiegelt. Achten Sie außerdem darauf, dass die Schriftfamilie und die Schriftgröße den Wert hervorheben, anstatt von den Daten abzulenken oder sie zu minimieren.
Im folgenden Beispiel für einen einzelnen Wert wird die Anzahl der jährlichen Kunden aus Kalifornien hervorgehoben: 118.126 Personen.
Weitere Informationen zum Anpassen dieses Diagramms in Looker finden Sie auf der Seite Diagrammoptionen für Einzelwerte.
Einzelner Datensatz
Am besten geeignet, um begrenzte Datenmengen zu visualisieren.
Ähnlich wie bei Einzelwertdiagrammen werden in Diagrammen mit einzelnen Einträgen ausgewählte Daten aus einem größeren Datensatz hervorgehoben, um eine bestimmte Botschaft zu vermitteln. Diagramme mit einzelnen Einträgen enthalten jedoch mehr Informationen als ein Diagramm mit einem einzelnen Wert. Diese Visualisierung kann ein Beispiel aus einem größeren Datensatz sein.
Wenn Sie einen effektiven und relevanten einzelnen Datensatz für diese Art von Diagramm auswählen, wird ein Beispiel aus einem Datensatz hervorgehoben. Dieses Diagramm kann durch Schriftfamilie, Schriftgröße und Farbe für bessere Lesbarkeit und Klarheit angepasst werden.
Das folgende Diagramm mit einem einzelnen Datensatz enthält wichtige Informationen zu einem bestimmten Produkt, der „100% aus Seide gewebten hellblauen und dunkelblauen gestreiften Krawatte“. Dazu gehören die Produkt-ID, die Kategorie und der Einzelhandelspreis.
Weitere Informationen zum Erstellen dieser Diagramme in Looker finden Sie auf der Dokumentationsseite Diagrammoptionen für einzelne Datensätze.
Wortwolke
Am besten geeignet, um die Datenhäufigkeit zu visualisieren.
Wortwolken sind Datenvisualisierungen, bei denen die Häufigkeit von Daten durch die Anpassung von Schriftart, -größe und -farbe dargestellt wird. Das Hauptmerkmal einer Wortwolke ist, dass die Schriftgröße umso größer ist, je häufiger ein bestimmtes Wort in einem analysierten Datensatz vorkommt. Selbst bei einem kurzen Blick oder einer schnellen Durchsicht vermittelt eine Wortwolke relevante, wiederkehrende Informationen in einem Datensatz durch eine starke visuelle Wirkung.
Diese visuelle Wirkung lässt sich durch die Anpassung des Abstands und der horizontalen und vertikalen Ausrichtung erzielen. In einigen Wortwolken gruppieren Creator ähnliche thematische Wörter nach einer bestimmten Farbe, um die Verbindung bestimmter Elemente hervorzuheben. Diese Gruppierung von Wörtern nach Farbe kann auch dazu beitragen, den Inhalt für den Leser in einen Kontext zu setzen und die bereitgestellten Informationen zu verstehen.
In der folgenden Beispiel-Wortwolke werden die Bundesländer der Kunden hervorgehoben. Die Größe der Bundesstaaten richtet sich nach der Anzahl der Kunden in den einzelnen Bundesstaaten. Kalifornien ist der Bundesstaat mit der größten Anzahl an Kunden.
Informationen dazu, wie Looker die intuitive Erstellung von Wortwolken über die Optionen im Stilmenü unterstützt, finden Sie auf der Dokumentationsseite Optionen für Word Cloud-Diagramme.
Maps
Bei der Kartierungsvisualisierung werden Daten in Bezug auf den Standort kontextualisiert. Dieser Visualisierungstyp ist daher besonders nützlich, wenn Ihre Daten sich speziell auf geografische Regionen beziehen. Der geografische Umfang Ihrer Visualisierung kann so angepasst werden, dass er die erfassten Daten am besten widerspiegelt. Je nach Projekt können Sie Ihren Standort auch über Längen- und Breitengrad oder sogar über die Postleitzahl angeben.
Interaktive Karten werden basierend auf der Anpassung angepasst und neu konfiguriert, während statische Karten nach der Konfiguration unverändert bleiben. In diesem Abschnitt geht es speziell um die folgenden geografischen Visualisierungen:
Google Maps
Am besten geeignet, um geografische Daten mit Heatmaps zu visualisieren.
Google Maps ist die Webkartenplattform von Google, mit der geografische Informationen interaktiv mit einer Zielgruppe geteilt werden. Mit der Google Maps-Funktion in Looker können Sie das Aussehen Ihrer Karte mit mehreren Stilen anpassen, z. B. Hell, Dunkel, Satellit, Straßen und Outdoor. Je nach Umfang und Schwerpunkt Ihrer Daten können Sie Ihre Informationen mit diesen Stilen auf unterschiedliche Weise hervorheben. Außerdem ermöglicht die Google Maps-Visualisierung die Implementierung von Heatmaps. In Heatmaps werden Informationen mithilfe eines farbcodierten Systems dargestellt, das die Datenhäufigkeit angibt.
Die folgende Google Maps-Visualisierung in Form einer Heatmap zeigt die Anzahl der pro Monat verkauften Produkte in Postleitzahlen in den USA. Die Heatmap reicht von 9 bis 66 verkauften Produkten. Dieser Zahlenbereich wird durch einen Farbverlauf von Grün nach Orange dargestellt. Für die Navigation auf dieser Karte sind auch Tastenkombinationen verfügbar.
Weitere Informationen zu dieser Funktion finden Sie auf der Dokumentationsseite Google Maps-Diagrammoptionen.
Karte
Am besten geeignet für die Visualisierung interaktiver geografischer Daten.
Bei interaktiven Kartenvisualisierungen werden geografische Bilder verwendet, um zu veranschaulichen, wie Ihre Daten einem bestimmten Ort und einer bestimmten Region entsprechen. Interaktive Karten können viele andere Visualisierungsarten widerspiegeln, indem Designelemente kombiniert werden. Dazu können Sie Punkte, Linien oder Bereiche verwenden.
Auch das Design der gesamten Karte kann angepasst werden. In Looker gibt es die Kartenstile Hell, Dunkel und Satellit. Für jede dieser Optionen gibt es auch die Möglichkeit, keine Labels zu verwenden. Bei dieser Einstellung werden wichtige Details wie Orts- und Straßennamen weggelassen, um den Fokus stärker auf die Daten als auf die Details der Karte zu legen. Berücksichtigen Sie bei der Auswahl eines Kartendesigns die wichtigen Details, die für die Nutzer relevant sind, und wählen Sie ein Design aus, das diese Details am besten widerspiegelt.
Im folgenden Diagramm wird die Anzahl der Nutzer nach Postleitzahl in den USA mithilfe eines Farbverlaufs dargestellt. Auf dieser interaktiven Karte können Sie bestimmte Regionen heranzoomen.
Weitere Informationen zu interaktiven Karten in Looker finden Sie auf der Dokumentationsseite Kartendiagrammoptionen.
Statische Karte (Regionen)
Am besten geeignet zur Visualisierung regionaler Daten.
Auf statischen Karten nach Region sehen Sie, wie sich Daten auf eine bestimmte Region auswirken. Da die Karte statisch ist, kann sie sich nicht durch Nutzerinteraktionen ändern oder anpassen. Diese Art der Visualisierung eignet sich, um einen bestimmten Umstand darzustellen, nicht aber einen sich ändernden, sich im Laufe der Zeit entwickelnden Prozess.
Die folgende regionale statische Karte stellt die Anzahl der Geschäftsstandorte in den einzelnen Bundesstaaten der USA dar. Durch einen blauen Farbverlauf steht die dunkelste blaue Farbe für die größte Anzahl von Geschäften. Die Farbnutzung dieser Karte ist nicht quantisiert. Für einen größeren Kontrast zwischen den Status kann die Option Quantize Color (Farbe quantisieren) im Menü Style (Stil) aktiviert werden.
Weitere Informationen zu dieser Art von Karte in Looker finden Sie auf der Seite Statische Karte (Regionen).
Statische Karte (Punkte)
Am besten geeignet für die Visualisierung geografischer Punktdaten.
Statische Karten mit Punkten spiegeln statische Punkte mit Regionen wider. Auf diesen Karten werden jedoch Punkte dargestellt, die sich über Regionen hinweg überschneiden. Je nach Schwerpunkt Ihrer Daten kann dieser Visualisierungstyp hilfreich sein, insbesondere wenn es in Ihren Datensätzen keine klaren regionalen Unterteilungen gibt.
Die folgende statische Karte mit Punkten enthält Punkte, deren Größe sich nach der Anzahl der Kunden in Postleitzahlen in den USA richtet.
Weitere Informationen zu dieser Art von Karte in Looker finden Sie auf der Seite Static Map (Points) (Statische Karte (Punkte)).
Weitere Diagramme
In Looker sind noch weitere beliebte Datenvisualisierungstypen verfügbar. Diese zusätzlichen speziellen Visualisierungsformen ermöglichen eine zusätzliche Anpassung der Dateninterpretation je nach Zielgruppe. Dieser Abschnitt enthält die folgenden Diagrammbeispiele:
Box-Plot
Am besten geeignet, um die Datenverteilung durch eine statistische Zusammenfassung zu visualisieren.
Ähnlich wie Streudiagramme eignen sich auch Boxplot-Diagramme gut, um die Datenverteilung hervorzuheben. In Boxplots wird dies durch eine statistische Zusammenfassung oder eine Möglichkeit zur Gruppierung von Daten durch Beobachtungen und Muster dargestellt. Für ein Boxplot-Diagramm gibt es eine statistische Zusammenfassung mit fünf Zahlen, bei der die Daten nach dem Minimum, dem Maximum, dem Median der Stichprobe sowie dem ersten und dritten Quartil unterteilt werden. Eine größere Größe eines Boxplots bedeutet eine größere Streuung der Daten.
Im folgenden Boxplot-Diagramm wird die Datenverteilung der von Januar 2021 bis Juli 2022 verkauften Produkte dargestellt. Wenn Sie den Mauszeiger auf einen Monat bewegen, werden die Mindest-, Mittel- und Höchstzahl der verkauften Produkte angezeigt.
Weitere Informationen zu Boxplots und deren Anpassung in Looker finden Sie auf der Dokumentationsseite Boxplot-Diagrammoptionen.
Benutzerdefinierte Visualisierungen
Zusätzlich zu den in Looker verfügbaren Visualisierungen können Sie auch benutzerdefinierte Visualisierungen erstellen, um Ihre Daten anzuzeigen. So können Sie benutzerdefinierte Visualisierungen implementieren:
- Benutzerdefinierte Visualisierung mit dem Parameter
visualizationin der Manifestdatei des Projekts hinzufügen - Visualisierung direkt aus dem Looker Marketplace installieren
- Visualisierung über die Seite Visualisierung im Bereich Verwaltung in Looker installieren
Beispiele für benutzerdefinierte Visualisierungen, die als Plug-ins verfügbar sind, sind die Kalender-Heatmap-Visualisierung und die Aster-Plot-Visualisierung. Weitere Informationen zur Implementierung benutzerdefinierter Visualisierungen finden Sie auf der Seite Verwaltungseinstellungen – Visualisierungen.
Außerdem können Sie Visualisierungen erstellen, die speziell auf Ihr Projekt zugeschnitten sind. Weitere Informationen zum Erstellen dieser Visualisierungen und dazu, wie sie Ihre Ziele für die Datenvisualisierung unterstützen können, finden Sie auf der Dokumentationsseite Benutzerdefinierte Visualisierung für den Looker Marketplace entwickeln.