Datenvisualisierung bezieht sich auf die visuelle Darstellung zusammengestellter Informationen. Mit einer effektiven Datenvisualisierung können Sie wichtige Themen und Ergebnisse an Ihre Zielgruppen kommunizieren und ihnen die Möglichkeit geben, Daten zu interpretieren und zu analysieren, die an ihre Anforderungen angepasst wurden. Bevor Sie mit dem Erstellen von Visualisierungen und Grafiken beginnen können, müssen Sie die Art der Visualisierung auswählen, die Sie verwenden möchten. Die Auswahl des geeigneten Visualisierungstyps hilft Ihnen, Ihre Daten klar und effektiv zu präsentieren, damit Ihre Zielgruppe fundierte Entscheidungen treffen und die nächsten Schritte festlegen kann. In den folgenden Abschnitten wird beschrieben, wie Daten effektiv so visualisiert werden können, dass sie sowohl Ihre Analyseziele als auch die Perspektiven Ihrer Zielgruppe berücksichtigen:
- Eigenschaften der Daten berücksichtigen
- Zielgruppe definieren
- Die beste Visualisierung für Ihre Daten auswählen
Merkmale der Daten berücksichtigen
Bevor Sie sich für einen Visualisierungstyp entscheiden, sollten Sie die Eigenschaften Ihrer Daten berücksichtigen:
Kategorial: Wenn Ihre Daten Gruppen ähnlicher Muster und Gruppen enthalten, ist die Verwendung eines Visualisierungstyps, der kategorische Daten am besten unterstützt, z. B. ein Kreisdiagramm, effektiv. Die Produktkategorie wäre ein Beispiel für kategoriale Daten, da sie Artikel nach ähnlichen Funktionen und Merkmalen gruppiert.
Ordinaldaten:Wenn für Ihre Daten eine bestimmte geordnete Sequenz erforderlich ist, können Sie diese Reihenfolgen für die Zielgruppe mithilfe einer Visualisierung wie z. B. eines Säulendiagramms oder eines Balkendiagramms definieren. Ein Beispiel für Ordinaldaten ist die Anzahl der unterschiedlichen markierten Rezensionen für ein bestimmtes Produkt.
Fortlaufende Daten:Wenn Sie Daten darstellen möchten, die über einen langen Zeitraum hinweg erfasst wurden, sollten Sie Visualisierungen verwenden, die kontinuierliche Daten unterstützen, z. B. Fortschrittsdiagramme. Der Gesamtproduktumsatz in einem bestimmten Quartal wäre ein Beispiel für kontinuierliche Daten, da sich verändernde Daten im Zeitverlauf verfolgt werden.
Zielgruppe definieren
Eine effektive Visualisierung berücksichtigt nicht nur die Daten, sondern auch die Perspektive und die Bedürfnisse der Zielgruppe. Wenn Sie das Erscheinungsbild einer Visualisierung anpassen, können Sie Informationen effektiv an Ihre spezifische Zielgruppe übertragen. Berücksichtigen Sie bei der Definition Ihrer Zielgruppe Faktoren wie den wahrscheinlichen Kenntnisstand der Zielgruppe und deren Aufgabenbereiche. Wie wird Ihre Zielgruppe Ihre Visualisierung verwenden?
Bedienungshilfen
Wenn Sie eine Datenvisualisierung erstellen, machen Sie sie barrierefrei. In jedem Datenvisualisierungsprojekt bietet die Berücksichtigung der Web-Barrierefreiheit mehr Möglichkeiten zum Teilen von Inhalten für alle Nutzenden, einschließlich derer mit Seh- und kognitiven Beeinträchtigungen, die mit Ihren erstellten Inhalten interagieren werden. Die Richtlinien für barrierefreie Webinhalte (Web Content Accessibility Guidelines, WCAG) enthalten Implementierungsschritte für eine verbesserte Barrierefreiheit im Bereich der Visualisierung. Dazu gehören:
Alternativer Text:Alternativer Text oder Alt-Text ermöglicht es einer größeren Zielgruppe, auf Informationen aus Nicht-Text-Elementen zuzugreifen, z. B. von Personen, die Screenreader verwenden. Mit Looker können Sie Ihren Visualisierungen Notizen hinzufügen, die die wichtigsten Aspekte Ihrer Visualisierung beschreiben. Weitere Informationen zum Hinzufügen von Textbeschreibungen zu Elementen von Looker-Visualisierungen finden Sie unter Informationen zum Bearbeiten einer Kachelnotiz auf der Dokumentationsseite Benutzerdefinierte Dashboards bearbeiten.
Bedienungshilfen zu Kontrast und Farbe:Durch die Verwendung von Kontraststufen, die dem internationalen Standard der WCAG entsprechen, werden wahrgenommene Unterschiede in der Farbauswahl für die Betrachter der Visualisierungen barrierefrei zugänglich. Das Kontrastverhältnis zweier ausgewählter Hex-Farbcodes können Sie im Contrast Checker (Kontrastprüfer) von WebAIM ermitteln. In Looker werden mit der Dalton-Farbsammlung verschiedene Formen von Farbmängeln berücksichtigt. Weitere Informationen zu dieser Sammlung und anderen Farbauswahloptionen in Looker finden Sie auf der Dokumentationsseite Farbsammlungen.
Weitere Informationen zur Barrierefreiheit beim Erstellen von Visualisierungen und anderen Inhalten finden Sie in der zuletzt veröffentlichten Version der Richtlinien für barrierefreie Webinhalte.
Die beste Visualisierung für Ihre Daten auswählen
Die folgenden Abschnitte bieten einen Überblick über die in Looker verfügbaren Visualisierungsarten und erläutern, wie Sie den besten Typ für Ihre Daten auswählen:
- Kartesische Diagramme
- Kreisdiagramme und Ringdiagramme
- Fortschrittsdiagramme
- Texte und Tabellen
- Maps
- Weitere Diagramme
kartesische Diagramme
Ein kartesisches Diagramm ist jedes Diagramm, das auf der kartesischen Ebene verankert ist. Die kartesische Ebene wird durch eine x-Achse und eine y-Achse mit entsprechenden numerischen Punkten für alle Orte in der Grafik definiert. Diese Achsen werden in allen kartesischen Diagrammen für die Darstellung von Daten verwendet.
Die X-Achse und die Y-Achse stehen für Dimensionen und Messwerte. Dimensionen spiegeln qualitative Werte wider, während Maße quantitativer Natur sind. Wie diese Werte auf der X-Achse und der Y-Achse dargestellt werden und die Darstellung dieser Daten je nach kartesischem Diagrammtyp variiert. Dieser Abschnitt enthält die folgenden Beispiele für kartesische Diagramme:
Spalte
Am besten geeignet, um Daten mit wenigen zu vergleichenden Kategorien zu visualisieren.
Säulendiagramme sind vertikale kartesische Diagramme, in denen Informationen in rechteckigen, vertikalen Formen dargestellt werden. Dabei entspricht die Länge der Spalte dem Datenwert. Typische Säulendiagramme umfassen 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, funktionieren Balkendiagramme häufig besser, da sie mehr Platz für Achsenbeschriftungen bieten. Da negative Werte abwärts angezeigt werden, können Säulendiagramme auch eine nützliche Möglichkeit sein, um Datasets mit negativen Werten darzustellen.
Das folgende Beispiel für ein Säulendiagramm enthält sowohl positive als auch negative Werte, um den durchschnittlichen Bestellwert bei Accessoires und Jeans anzuzeigen, die pro Monat verkauft werden.
Weitere Informationen zum Erstellen dieser Diagramme in Looker finden Sie auf der Dokumentationsseite Optionen für Säulendiagramme.
Balken
Am besten geeignet für die Visualisierung von Daten mit langen Kategorietiteln.
Balkendiagramme zeigen Daten ähnlich wie Säulendiagramme an, jedoch horizontal ausgerichtet. In Balkendiagrammen stellt die Y-Achse häufig eine Datenkategorie dar, während die X-Achse einen numerischen Wert darstellt.
Wenn Ihre Daten besonders lange Kategorietitel enthalten, sind Balkendiagramme gegenüber Säulendiagrammen vorteilhaft. Durch die Ausrichtung auf der Y-Achse optimieren die Beschriftungen der Balkendiagramme den Raum und verbessern die Lesbarkeit. Darüber hinaus sind Balkendiagramme aufgrund der Abstandsausrichtung in der Regel besser geeignet, um größere Mengen von Kategorien darzustellen, als Säulendiagramme.
Im folgenden Beispiel für ein Balkendiagramm sehen Sie, wie längere Titel der Kategorie „Bekleidung“, z. B. „Mode Hoodies & Sweatshirts“, in die Ausrichtung des Balkendiagramms passen. Dieses Diagramm zeigt die Anzahl der monatlichen Bestellungen für zehn verschiedene Bekleidungskategorien.
Weitere Informationen zum Erstellen von Balkendiagrammen in Looker finden Sie auf der Dokumentationsseite Balkendiagramm-Optionen.
Streudiagramm
Am besten geeignet, um Korrelationen zwischen zwei Variablen hervorzuheben.
Ein Streudiagramm ist eine Form des kartesischen Diagramms, in dem die Beziehung zwischen zwei Variablen hervorgehoben wird. Jeder dargestellte Punkt repräsentiert einen Wert auf der x-Achse und der y-Achse, der einen Einblick in die Daten bietet. Diese Art von Diagrammen hebt 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, d. h., während die Variable x zunimmt, die Variable y zunimmt. Dies kann auch negative Korrelationen beinhalten, was bedeutet, dass eine Variable zunimmt, die andere abnimmt. Die Korrelation kann auch null sein, d. h., es besteht 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 treffen.
Das Layout und die Struktur eines Streudiagramms sind entscheidend für seine Effektivität. Die dargestellten Punkte in Streudiagrammen können auch durch Größe und Farbe angepasst werden, um zusätzliche Variablen oder Kategorien für den Betrachter zu identifizieren. Trendlinien können auch mit Streudiagrammen verwendet werden. Diese Linien heben Zusammenhänge zwischen den Daten hervor, die für den Betrachter entstehen. Stellen Sie durch Anpassung sicher, dass diese Designentscheidungen das übergeordnete Ziel der Darstellung einer Beziehung hervorheben und die Möglichkeit bieten, potenzielle Muster, Korrelationen und Trends zu untersuchen.
Das folgende Streudiagramm zeigt die Anzahl der Kunden, die von 2015 bis 2018 vierteljährlich Orte 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 für die Visualisierung kontinuierlicher Daten über einen längeren Zeitraum.
In einem Liniendiagramm werden Daten über eine Reihe von Punkten dargestellt, die durch eine gerade Linie verbunden sind. Diese Visualisierungsart hebt insbesondere kontinuierliche Daten im Zeitverlauf hervor.
Zur Verdeutlichung Ihres Liniendiagramms ist die Anzahl der vorhandenen Linien wichtig. Wenn Sie mehrere Linien in Ihr Diagramm einfügen, verwenden Sie Farben, um die Linien klar voneinander zu unterscheiden. So können die Werte separat interpretiert werden, anstatt die Linien zu verbinden.
Das folgende Liniendiagramm stellt die monatlich aktiven Websitenutzer von 2016 bis 2019 dar. Die drei separaten Linien stellen Regionen in den USA dar: Ostküste, Mittlerer Westen und Westküste.
Weitere Informationen zum Erstellen eines Liniendiagramms in Looker finden Sie auf der Dokumentationsseite Optionen für Liniendiagramme.
Flächendiagramm
Am besten geeignet, um Mengenänderungen im Zeitverlauf zu visualisieren.
Ein Flächendiagramm basiert auf Eigenschaften anderer kartesischer Diagramme, des Balkendiagramms und des Liniendiagramms. Wie Liniendiagramme heben Flächendiagramme kontinuierliche Daten über einen bestimmten Zeitraum in einer linearen Formation hervor. Diese Diagramme verwenden jedoch eine Füllfarbe, die einem Balkendiagramm ähnelt, um die Menge über die Daten darzustellen. Auf diese Weise kann der Betrachter deutlich erkennen, wie sich Mengen im Laufe der Zeit ändern.
Flächendiagramme vermitteln allgemeine Trends anstelle einzelner Datenpunkte. Flächendiagramme sind aufgrund der farbgefüllten Flächenkomponenten besser, wenn Sie eine kleinere Anzahl von Trends vergleichen möchten. Wenn Sie Daten mit einer großen Anzahl von Trends hervorheben möchten, können Sie stattdessen ein Liniendiagramm verwenden.
Das folgende Flächendiagramm spiegelt das Visualisierungsbeispiel für ein Liniendiagramm wider. Es zeigt außerdem monatliche Websitenutzer in verschiedenen Regionen in den USA. Die Füllfarbe in diesem Diagramm hebt jedoch insbesondere die Verschiebung der Nutzermenge zwischen 2018 und 2019 hervor.
Weitere Informationen zu Flächendiagrammen in Looker finden Sie auf der Dokumentationsseite Optionen für Flächendiagramme.
Kreisdiagramme und Ringdiagramme
Kreisdiagramme und Ringdiagramme heben die Beziehung zwischen Teilen zu einem ganzen Anteil in Daten hervor. Aus diesem Grund eignen sie sich gut, um kategoriebezogene Informationen hervorzuheben, d. h. Informationen, die basierend auf gemeinsamen Merkmalen eindeutig in Gruppen unterteilt werden können.
Wählen Sie höchstens fünf Kategorien aus, um die Informationen in den Kreis- und Ringdiagrammen am besten hervorzuheben. Wenn Ihre Kategorien mehr als fünf Kategorien umfassen, sollten Sie erwägen, einen anderen Visualisierungstyp auszuwählen, um die Informationen hervorzuheben, z. B. ein Balken- oder Säulendiagramm.
Da ein Kreis- oder Ringdiagramm einen ganzen Prozentsatz darstellt, müssen die Werte der Kategorien 100 Prozent ergeben.
Looker bietet zwei Varianten eines Kreisdiagramms. In diesem Abschnitt werden die folgenden Diagramme beschrieben und ihre Stärken bei der Darstellung von kategorialen Daten hervorgehoben:
Kreisdiagramm
Eignet sich am besten zur Visualisierung proportionaler Werte.
Ein Kreisdiagramm ist ein vollständiges Kreisdiagramm, das basierend auf Informationskategorien in Segmente unterteilt ist. Durch diese Segmentierungen liegt der Fokus nicht speziell auf dem genauen Prozentsatz, sondern darauf, wie die angegebenen Anteile zueinander in Beziehung stehen und sich auf das Gesamtziel des Diagramms auswirken.
Wenn Sie die Bedeutung der Verbindungen zwischen proportionalen Werten hervorheben möchten, können Sie diese Beziehungen mithilfe von Kreisdiagrammen effektiv kommunizieren. Wenn Sie mit mehr als fünf Datenkategorien arbeiten, sollten Sie erwägen, ein anderes Visualisierungsdiagramm auszuwählen, um die Informationen hervorzuheben, beispielsweise ein Balken- oder Säulendiagramm. Mit Balken- und Säulendiagrammen ist es für die Betrachter oft leichter, individuelle Unterschiede wahrzunehmen.
Das folgende Kreisdiagramm stellt die Prozentsätze der Gesamtkunden aus drei Regionen in den USA dar: Ostküste, Westküste und Mittlerer Westen. Dieser Visualisierungstyp stellt die proportionale Anzahl von Kunden aus jeder Region dar.
Weitere Informationen zum Erstellen dieser Vergleichsdiagramme in Looker finden Sie auf der Dokumentationsseite Optionen für Kreisdiagramme.
Mehrere Ringdiagramme
Am besten geeignet für die Visualisierung proportionaler Werte mit mehreren Komponenten.
Mit mehreren Ringdiagrammen können Sie eine Reihe von Ringdiagrammen erstellen, um Ihre Daten in zusammenhängender Form zu visualisieren. Bei diesen Diagrammen wird der Mittelpunkt des Kreises ausgelassen. Der zusätzliche Leerraum in der Mitte des Diagramms ermöglicht weitere Beschriftungen und Beschreibungen Ihrer Daten.
Achten Sie beim Erstellen von Mehrfach-Ringdiagrammen darauf, dass die Kategorien einheitlich und zusammenhängende Muster enthalten, um ihre Beziehung hervorzuheben. Um Klarheit und Verständnis für die Zuschauer zu gewährleisten, sollten Sie außerdem in der Mitte des Diagramms klare, kumulative Materialien platzieren, um die Nuancen der einzelnen Ringdiagramme hervorzuheben.
Das folgende Ringdiagramm mit mehreren Ringdiagrammen zeigt den vierteljährlichen Produktumsatz für mehrere Bekleidungskategorien: Jeans, Leggings, Oberbekleidung und Mäntel sowie Shorts. Für jeden vierteljährlichen Schlussverkauf gibt es ein separates Ringdiagramm. Diese Visualisierung zeigt, wie jede einzelne Bekleidungskategorie, dargestellt durch eine einheitliche Farbe, zum Gesamtumsatz pro Quartal beiträgt.
Informationen dazu, wie Sie Ringdiagramme in Looker einbinden, finden Sie auf der Dokumentationsseite Optionen für Ringdiagramme.
Fortschrittsdiagramme
In Fortschrittsdiagrammen werden Informationen im Zeitverlauf hervorgehoben. Mithilfe dieser Diagramme können Sie diesen Kontext und seine Auswirkungen auf die Daten hervorheben. In Fortschrittsdiagrammen werden der Gesamtfortschritt und das Wachstum erfasst. Dieser Abschnitt enthält Beispiele für die folgenden Diagramme zum Verlauf:
Trichter
Am besten geeignet für die Visualisierung aufeinanderfolgender Phasen.
Trichterdiagramme sind Verlaufsdiagramme, in denen aufeinanderfolgende Phasen hervorgehoben werden. Diese Art von Diagramm weist Ähnlichkeiten mit Balkendiagrammen auf, in denen Daten auch durch horizontale, rechteckige Visualisierungen dargestellt werden. In diesem Diagramm wird durch die gestapelten Visualisierungen eine Trichterform erstellt.
Stellen Sie für ein effektives Trichterdiagramm sicher, dass die Daten mindestens vier Phasen umfassen. Dies sorgt für eine starke visuelle Wirkung und hebt den Prozess als Ganzes hervor. Wenn Sie weniger als vier Komponenten haben, sollten Sie eine andere Visualisierungsart in Betracht ziehen, z. B. ein Kreisdiagramm.
In der folgenden Trichtervisualisierung werden fünf verschiedene Phasen von Kundenaktionen und die jeweiligen Prozentwerte hervorgehoben. Die Phasen in absteigender Reihenfolge sind „product“, „cart“, „purchase“, „registrieren“ und „stornieren“ und stellen die Interaktion der Kundschaft mit dem Produkt dar.
Weitere Informationen zum Erstellen dieser Visualisierung in Looker finden Sie auf der Dokumentationsseite Optionen für Trichterdiagramme.
Zeitplan
Optimal für die Visualisierung des Zeitverlaufs
Zeitachsendiagramme veranschaulichen den Verlauf der Zeit, indem wichtige Ereignisse und Markierungen für einen festgelegten Zeitraum angezeigt werden. Während sich Zeitachsendiagramme häufig auf die Zeit beziehen, kann diese Diagrammstruktur auch auf Zahlen und Beträge angewendet werden.
Mit der Anpassung der Farbe können mehrere Zeitleisten in einem Diagramm verwendet werden, um zu zeigen, wie verschiedene Faktoren im Verlauf variieren. Bei Zeitachsenmustern, insbesondere in Looker, kann die Farbanpassung je nach Palette variieren. Ihre Zeitachse kann eine fortlaufende Palette haben, die eine Farbverlaufsoption mit zwei Variablen in jedem Teil des Farbverlaufs widerspiegelt. Sie können auch eine kategoriale Palette verwenden, d. h. jede Farbe steht für eine Kategorie in den Daten. Weitere Informationen zu dieser Farbanpassung und zu Zeitachsendiagrammen finden Sie auf der Dokumentationsseite Optionen für Zeitachsendiagramme.
Die folgende Zeitleistenvisualisierung zeigt spezifische Bestellnummern und die entsprechenden durchschnittlichen Tage, die im Laufe der Monate im Jahr 2022 verarbeitet werden müssen. Die Zeitachse verwendet eine fortlaufende Farbverlaufspalette, die die unterschiedlichen Tage darstellt.
Wasserfall
Am besten geeignet, um aufeinanderfolgende positive und negative Werte zu visualisieren.
Bei Wasserfalldiagrammen wird die Beziehung zwischen positiven und negativen Werten durch eine Sequenz hervorgehoben. Diese Diagramme zeigen, wie sich ein Ausgangswert aufgrund verschiedener Faktoren entwickelt. Wasserfall-Diagramme spiegeln die Designelemente eines Balkendiagramms wider. Wie viele andere Visualisierungsarten können zeitbasierte oder kategoriebasierte Markierungen je nach Dataset Wasserfalldiagramme strukturieren.
Da Wasserfalldiagramme speziell mit positiven und negativen Werten funktionieren, ist eine klare Definition zwischen diesen beiden Kategorien unerlässlich. Stellen Sie durch Farbgebung und Textbeschriftungen sicher, dass die Visualisierung die Werte in Ihren Daten klar unterscheidet.
Das folgende Beispiel für ein Wasserfalldiagramm zeigt den Gesamtumsatz in den verschiedenen Phasen des Bestellprozesses, einschließlich Stornierung, Rücksendung, Versand und Bearbeitung. Außerdem wird ein Gesamtbetrag berechnet.
Weitere Informationen zu diesem Visualisierungstyp finden Sie auf der Dokumentationsseite Optionen für Wasserfalldiagramme.
Text und Tabellen
Wenn Sie aussagekräftige Textdaten haben, können Sie durch die Auswahl von Text- und Tabellendarstellungen die Wirkung der Wörter hervorheben. Die Anzeige dieser Wörter kann variieren – von der Hervorhebung eines einzelnen Werts bis hin zur Darstellung einer komplexen Anordnung von Wörtern in einem Dataset. Dieser Abschnitt enthält einige der vielen Beispiele für Visualisierungsarten für Text und Tabellen:
Einzelwert
Am besten geeignet für die Visualisierung isolierter Daten.
In einem Einzelwertdiagramm wird ein einzelner Wert aus einem Dataset hervorgehoben. Die Visualisierung eines Werts auf diese Weise unterstreicht seine Bedeutung und Bedeutung für ein größeres Dataset.
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. Stellen Sie außerdem sicher, dass die Anpassung der Schriftfamilie und -größe den Wert betont, anstatt von den Daten abzulenken oder sie zu minimieren.
Im folgenden Beispiel für einen Einzelwert sehen Sie die Anzahl der jährlichen Kunden aus Kalifornien (118.126 Personen).
Weitere Informationen zum Anpassen dieses Diagramms in Looker finden Sie auf der Dokumentationsseite Optionen für Einzelwert-Diagramme.
Einzelner Datensatz
Am besten geeignet, um begrenzte Datenmengen zu visualisieren.
Ähnlich wie bei Diagrammen mit einem einzelnen Wert heben Diagramme mit einzelnen Datensätzen auch ausgewählte begrenzte Daten aus einem größeren Dataset hervor, um eine bestimmte Botschaft zu vermitteln. Diagramme mit Einzeldaten enthalten jedoch mehr Informationen als Einzelwertediagramme. Diese Visualisierung kann ein Beispiel aus einem größeren Dataset liefern.
Wenn Sie einen effektiven und relevanten einzelnen Datensatz für diese Art von Diagramm auswählen, wird ein Beispiel aus einem Dataset hervorgehoben. Dieses Diagramm kann im Hinblick auf Lesbarkeit und Klarheit anhand der verwendeten Schriftfamilie, -größe und -farbe angepasst werden.
Das folgende Diagramm mit einem einzelnen Datensatz zeigt wichtige Informationen zu einem bestimmten Produkt, dem Gewebe „100% Seide hellblau und gestreift in Marineblau“. Dazu gehören die Produkt-ID, die Kategorie und der Einzelhandelspreis.
Weitere Informationen zum Erstellen dieser Diagramme in Looker finden Sie auf der Dokumentationsseite Optionen für Diagramme zu einem einzelnen Datensatz.
Wortwolke
Am besten geeignet, um die Datenhäufigkeit zu visualisieren.
Wortwolken sind Datenvisualisierungen, die die Häufigkeit von Daten durch Anpassung von Schriftart, -größe und -farbe darstellen. Die Schlüsselstruktur einer Wortwolke besteht darin, dass die Schriftgröße umso größer ist, je häufiger ein bestimmtes Wort in einem analysierten Dataset vorkommt. Selbst mit einem einfachen Blick oder einem schnellen Scan vom Betrachter vermittelt eine Wortwolke relevante, wiederkehrende Informationen in einem Dataset durch eine starke visuelle Wirkung.
Die Anpassung der Abstände und der horizontalen und vertikalen Ausrichtungstypen kann diese visuelle Wirkung erzielen. In einigen Wortwolken gruppieren Creator ähnliche thematische Wörter nach einer bestimmten Farbe, um die Zusammenhänge zwischen bestimmten Elementen hervorzuheben. Diese Gruppierung von Wörtern nach Farbe kann auch dazu beitragen, den Inhalt für die Lesenden in einen Kontext zu stellen und die bereitgestellten Informationen zu verstehen.
Das folgende Beispiel einer Wortwolke zeigt die Standorte von Kunden in Bundesstaaten an. Die Größe der Namen der Bundesstaaten richtet sich nach der Anzahl der Kunden im jeweiligen Bundesstaat, wobei Kalifornien der Bundesstaat mit den meisten Kunden ist.
Weitere Informationen dazu, wie Looker die intuitive Erstellung von Wortwolken über die Optionen im Menü „Stil“ unterstützt, finden Sie auf der Dokumentationsseite Optionen für Word-Cloud-Diagramme.
Maps
Durch die Zuordnung von Visualisierungen werden Daten in Bezug auf den Standort in Kontext gesetzt. Dies macht sie zu einem nützlichen Visualisierungstyp, wenn sich Ihre Daten speziell auf geografische Regionen beziehen. Der geografische Geltungsbereich Ihrer Visualisierung kann so angepasst werden, dass Ihre gesammelten Daten bestmöglich widergespiegelt werden. Je nach Projekt können Sie dazu Ihren Standort über Längengrad, Breitengrad und sogar eine Postleitzahl angeben.
Interaktive Karten werden individuell angepasst und neu konfiguriert, während statische Karten nach der Konfiguration einheitlich bleiben. In diesem Abschnitt werden insbesondere die folgenden geografischen Visualisierungen behandelt:
Google Maps
Am besten geeignet, um geografische Daten mit Heatmaps zu visualisieren.
Google Maps, die Webkartierungsplattform von Google, stellt Nutzern geografische Informationen interaktiv zur Verfügung. Mit der Google Maps-Funktion in Looker können Sie die Darstellung Ihrer Karte mit verschiedenen Stilen anpassen, z. B. durch Helligkeit, Dunkel, Satellit, Straßen und Außen. Diese Stile können Ihre Informationen je nach Umfang und Schwerpunkt Ihrer Daten auf unterschiedliche Weise hervorheben. Außerdem ermöglicht die Google Maps-Visualisierung die Implementierung einer Heatmap. Bei Heatmaps werden Informationen mithilfe eines farbcodierten Systems dargestellt, das die Datenhäufigkeit angibt.
Die folgende Heatmap in Google Maps zeigt die Anzahl der Produkte, die in den USA pro Monat nach Postleitzahlen verkauft werden. Die Heatmap umfasst 9 bis 66 verkaufte Produkte, wobei dieser Zahlenbereich mit einem Farbverlauf von Grün nach Orange dargestellt wird. Zur Navigation durch diese Karte stehen Ihnen auch Tastenkombinationen zur Verfügung.
Weitere Informationen zu Google Maps-Funktionen finden Sie auf der Dokumentationsseite Diagrammoptionen in Google Maps.
Karte
Am besten geeignet für die Visualisierung interaktiver geografischer Daten.
Interaktive Kartenvisualisierungen zeigen mithilfe geografischer Bilder, wie Ihre Daten einem bestimmten Ort und einer bestimmten Region entsprechen. Interaktive Karten können viele andere Visualisierungsarten widerspiegeln, indem sie Designaspekte kombinieren. Dazu können Punkte, Linien oder Bereiche verwendet werden, um Markierungen in Ihrer Visualisierung zu kennzeichnen.
Auch das Design der Gesamtkarte kann angepasst werden. Insbesondere in Looker umfassen die Kartenstile die Optionen Hell, Dunkel und Satellit. Auch für diese Optionen gibt es keine Labels. Bei dieser Einstellung werden wichtige Details wie Stadt- und Straßennamen ausgelassen, damit der Fokus stärker auf die Daten als auf die Details der Karte gelegt wird. Berücksichtigen Sie bei der Auswahl eines Kartendesigns die für die Nutzenden wichtigen Details und wählen Sie ein Design aus, das diese Details am besten widerspiegelt.
Das folgende Diagramm zeigt die Anzahl der Nutzer über Postleitzahlen hinweg in den USA mithilfe eines Farbverlaufs-Systems zur Farbverlaufscodierung. Diese interaktive Karte ermöglicht Zoomfunktionen, um bestimmte Kartenbereiche hervorzuheben.
Weitere Informationen zu interaktiven Karten in Looker finden Sie auf der Dokumentationsseite Optionen für Kartendiagramme.
Statische Karte (Regionen)
Am besten geeignet für die Visualisierung regionaler Daten.
Diagramm „Statische Karten nach Region“, wie Daten eine bestimmte Region beeinflussen Da die Karte statisch ist, kann sie nicht aufgrund von Nutzerinteraktionen geändert oder angepasst werden. Diese Art der Visualisierung ist hilfreich, um einen bestimmten Umstand darzustellen und nicht einen sich ändernden, sich im Laufe der Zeit weiterentwickelnden Prozess.
Die folgende statische Karte zeigt die Anzahl der Filialstandorte in den einzelnen US-Bundesstaaten. Durch einen blauen Farbverlauf stellt die dunkelste blaue Farbe die größte Anzahl von Filialen dar. Die Farbnutzung dieser Karte ist nicht quantisiert. Sie können den Schalter Farbe quantisieren im Menü Stil aktivieren, um den Kontrast zwischen den einzelnen Stadien zu erhöhen.
Weitere Informationen zu dieser Art von Karte in Looker finden Sie auf der Dokumentationsseite Statische Karte (Regionen).
Statische Karte (Punkte)
Am besten geeignet für die Visualisierung geografischer punktspezifischer Daten.
Statische Karten mit Punkten spiegeln statische Punkte mit Regionen wider. Diese Karten werden jedoch durch Punkte dargestellt, die sich in verschiedenen Regionen überschneiden. Je nach Schwerpunkt Ihrer Daten kann diese Visualisierungsart hilfreich sein, insbesondere wenn es keine klaren regionalen Trennungen zwischen Ihren Datasets gibt.
Die folgende statische Karte mit Punkten enthält Punkte, deren Größe nach der Anzahl der Kunden in Postleitzahlengebieten der USA angepasst ist.
Weitere Informationen zu dieser Art von Karte in Looker finden Sie auf der Dokumentationsseite für Diagrammoptionen unter Statische Karte (Punkte).
Weitere Diagramme
Andere beliebte Arten von Datenvisualisierungen, die in Looker verfügbar sind, gehen über diese Kategorien hinaus. Diese zusätzlichen spezifischen Formen der Visualisierung ermöglichen eine zusätzliche Anpassung an Ihre Zielgruppe für Ihre Dateninterpretation. Dieser Abschnitt enthält die folgenden Diagrammbeispiele:
Box-Plot
Am besten geeignet, um die Datenverteilung anhand einer statistischen Zusammenfassung zu visualisieren.
Wie Streudiagramme eignen sich auch Kastendiagramme, um die Datenverteilung hervorzuheben. Boxplot-Diagramme zeigen dies durch eine statistische Zusammenfassung oder eine Methode, Daten nach Beobachtungen und Mustern zu gruppieren. Es gibt eine statistische Zusammenfassung mit fünf Zahlen für ein Box-Plot-Diagramm, das die Daten basierend auf dem Minimum, dem Maximum, dem Stichprobenmedian sowie dem ersten und dritten Quartil teilt. Die größere Größe eines Boxplots weist auf eine erhöhte Verteilung der Daten hin.
Das folgende Beispiel für ein Kastendiagramm hebt die Datenverteilung der Produkte hervor, die zwischen Januar 2021 und Juli 2022 verkauft wurden. Wenn der Mauszeiger auf einen Eintrag bewegt wird, werden für jeden Monat die minimalen, mittleren und maximalen verkauften Produkte angezeigt.
Weitere Informationen zu Boxplots und deren Anpassung in Looker finden Sie auf der Dokumentationsseite Boxplot-Diagrammoptionen.
Benutzerdefinierte Visualisierung
Zusätzlich zu den in Looker verfügbaren Visualisierungen können Sie auch benutzerdefinierte Visualisierungen erstellen, um Ihre Daten darzustellen. Sie können benutzerdefinierte Visualisierungen auf folgende Arten implementieren:
- Benutzerdefinierte Visualisierung hinzufügen, um benutzerdefinierte Visualisierungen mit dem Parameter
visualizationin der Projektmanifestdatei zu erstellen - Visualisierung direkt über den Looker Marketplace installieren
- Visualisierung über die Seite Visualisierung im Bereich Admin von Looker installieren
Beispiele für benutzerdefinierte Visualisierungen, die als Plug-ins verfügbar sind, sind die Kalender-Heatmap-Visualisierung und die Aster-Diagramm-Visualisierung. Weitere Informationen zur Implementierung benutzerdefinierter Visualisierungen finden Sie auf der Seite Administratoreinstellungen – Dokumentation zu Visualisierungen.
Darüber hinaus können Sie Visualisierungen speziell für Ihr Projekt erstellen. Weitere Informationen zum Erstellen dieser Visualisierungen und dazu, wie Sie Ihre Ziele bei der Datenvisualisierung widerspiegeln, finden Sie auf der Dokumentationsseite Benutzerdefinierte Visualisierung für den Looker Marketplace entwickeln.