Datavisualisatie

Wat is het en waarom is het belangrijk

Datavisualisatie is de weergave van gegevens in visuele of grafisch vorm. Het stelt besluitvormers in staat analytics op een visuele manier gepresenteerd te krijgen, zodat ze ingewikkelde concepten kunnen begrijpen of nieuwe patronen kunnen identificeren. Met interactieve visualisatie kunt u het concept een stap verder brengen door met behulp van technologie verder in te zoomen op grafieken en diagrammen, waarbij u interactief kunt veranderen welke gegevens u ziet en hoe deze worden verwerkt.

Geschiedenis van datavisualisatie

Het concept waarbij afbeeldingen worden gebruikt om gegevens te begrijpen bestaat al eeuwen, van kaarten en grafieken in de 17e eeuw tot de uitvinding van het cirkeldiagram in het begin van de 19e eeuw. Enkele decennia later vond een van de meest bekende voorbeelden van grafische statistieken plaats toen Charles Minard de invasie van Napoleon in Rusland in kaart bracht. De kaart gaf de omvang weer van het leger en de weg van Napoleons terugtocht uit Moskou, en koppelde die informatie aan temperatuur- en tijdschalen voor een grondiger inzicht in de gebeurtenis.

Maar het is de technologie die datavisualisatie echt tot leven heeft gebracht. Door computers konden hele grote hoeveelheden gegevens ineens razendsnel worden verwerkt. Vandaag de dag is datavisualisatie een snel evoluerende mix van wetenschap en kunst geworden die het bedrijfsleven de komende jaren zeker zal veranderen.

Datavisualisatie: een slimme investering in de toekomst van uw big data

Big data biedt volop mogelijkheden, maar veel retailbanken staan voor de uitdaging om hun big data investeringen in waarde om te zetten. Hoe kunnen zij big data bijvoorbeeld gebruiken om de relatie met hun klanten te verbeteren? Hoe - en in welke mate - moeten zij investeren in big data?

In deze Q&A met Simon Samuel, hoofd Customer Value Modeling bij een grote bank in het Verenigd Koninkrijk, onderzoeken we deze en andere big data-kwesties waarmee retailbanken te maken krijgen.

 


Waarom is datavisualisatie belangrijk?

Door de manier waarop het menselijk brein informatie verwerkt, zijn grafieken of diagrammen om grote hoeveelheden complexe data te visualiseren, gemakkelijker te verwerken dan spreadsheets of rapporten. Datavisualisatie is een snelle, eenvoudige manier om concepten op een universele manier over te brengen - en om te experimenteren met verschillende scenario's door kleine aanpassingen aan te brengen.

Datavisualisatie kan ook:

  • Identificeren welke gebieden aandacht of verbetering behoeven.
  • Verduidelijken welke factoren het gedrag van de klant beïnvloeden.
  • Helpen te begrijpen welke producten u waar moet positioneren.
  • Verkoopvolume voorspellen.

Datavisualisatie in de huidige tijd

Wat is de impact van datavisualisatie in de bedrijfswereld en wat staat ons te wachten voor de toekomst? Dit zeggen de experts.

Middelgrote bedrijven aan de slag met datavisualisatie

Krappere budgetten en beperkte IT-middelen. Veel middelgrote bedrijven weten niet goed waar ze moeten beginnen om hun big data optimaal te benutten.

Deze whitepaper geeft tips over hoe u resultaten kunt halen uit data-analyse en -visualisatie.    

Lees whitepaper

Datavisualisatie zal de manier veranderen waarop onze analisten met gegevens werken. Er wordt van hen verwacht dat zij sneller reageren op problemen. Ze moeten in staat zijn meer inzichten te verkrijgen en anders (vindingrijker) naar gegevens te kijken. Datavisualisatie zal die creatieve data-exploratie bevorderen. Simon Samuel Head of Customer Value Modeling for a large bank in the UK

SAS® Visual Analytics


Datavisualisatie-technologie van SAS geeft snel antwoord op complexe vragen, ongeacht de omvang van uw data.

Meer informatie

Hoe wordt het gebruikt?

Ongeacht de branche of omvang, allerlei soorten bedrijven gebruiken datavisualisatie om inzicht te krijgen in hun data. Dit is hoe.

Informatie snel begrijpen.

Door bedrijfsinformatie visueel weer te geven, kunnen bedrijven grote hoeveelheden gegevens op een duidelijke, samenhangende manier bekijken en daaruit conclusies trekken. En aangezien het aanzienlijk sneller is om informatie in visuele vorm te analyseren dan in spreadsheets, kunnen bedrijven sneller problemen aanpakken of vragen beantwoorden.

Relaties en patronen herkennen

Zelfs grote hoeveelheden complexe gegevens worden inzichtelijk wanneer ze grafisch worden weergegeven; bedrijven kunnen parameters herkennen die een sterke correlatie hebben. Sommige verbanden zullen duidelijk zijn, maar andere niet. Door die verbanden te identificeren, kunnen organisaties zich concentreren op zaken die het meeste invloed hebben op hun belangrijkste doelstellingen.

Opkomende trends signaleren

Het gebruik van datavisualisatie om trends te ontdekken - zowel in het bedrijf als in de markt - kan bedrijven een voorsprong geven op de concurrentie, en uiteindelijk het resultaat beïnvloeden. Het is gemakkelijk om uitschieters te ontdekken die de productkwaliteit of het klantenverloop beïnvloeden, en problemen aan te pakken voordat deze groter worden.

Het verhaal aan anderen overbrengen

Zodra een bedrijf nieuwe inzichten heeft verkregen uit visual analytics, is de volgende stap om die inzichten aan anderen te communiceren. Het gebruik van grafieken, diagrammen of andere visueel aantrekkelijke weergaven van gegevens is belangrijk in deze stap, omdat het aansprekend is en de boodschap snel overbrengt.

Hoe werkt het

Datavisualisatie in actie:

Het is misschien gemakkelijk om te begrijpen dat datavisualisatie u helpt om grote hoeveelheden gegevens in kaart te brengen, maar het is minder makkelijk te begrijpen wat er daarna gebeurt. Wat voor soort technologie heeft u nodig en hoe gebruikt u die?

Deze praktische video geeft u in enkele seconden een beeld van SAS Visual Analytics en SAS Visual Statistics en laat zien hoe u met verschillende configuraties miljarden rijen gegevens kunt onderzoeken. Met SAS-technologie kunt u data voorbereiden, rapporten en grafieken maken, nieuwe inzichten ontdekken en deze visualisaties delen met anderen via het web, pdf of mobiele apparaten.

De basis leggen voor datavisualisatie

Voordat u de nieuwe technologie implementeert, moet u een aantal dingen doen. U hebt niet alleen een goed inzicht nodig in uw data, maar ook in uw doelstellingen, behoeften en doelgroep. Uw organisatie voorbereiden op datavisualisatie technologie vereist dat u eerst:

  • Inzicht krijgt in de gegevens die u probeert te visualiseren, met inbegrip van de omvang en de kardinaliteit (de eenduidigheid van de gegevenswaarden in een kolom).
  • Bepaalt wat u probeert te visualiseren en welke informatie u wilt communiceren.
  • Uw doelgroep kent en begrijpt hoe zij visuele informatie verwerkem.
  • Een beeld gebruikt die de informatie zo goed en eenvoudig mogelijk overbrengt aan uw doelgroep.

Zodra u de eerste vragen heeft beantwoord over het soort gegevens dat u heeft en de doelgroep die de informatie gaat gebruiken, moet u zich voorbereiden op de hoeveelheid data waarmee u gaat werken. Big data brengt nieuwe uitdagingen voor visualisatie, omdat rekening moet worden gehouden met grote volumes, verschillende variëteiten en verschillende snelheden. Bovendien worden gegevens vaak sneller gegenereerd dan ze kunnen worden beheerd en geanalyseerd.

Er zijn factoren waarmee u rekening moet houden, zoals de hoeveelheid kolommen die u probeert te visualiseren. Een hoge kardinaliteit betekent dat er een groot percentage unieke waarden is (bijv. bankrekeningnummers, omdat elk item uniek moet zijn). Lage kardinaliteit betekent dat een gegevenskolom een groot percentage terugkerende waarden bevat (zoals in een kolom 'geslacht').

Beslissen welk beeld het beste is

Een van de grootste uitdagingen voor zakelijke gebruikers is te bepalen welke visualisatie het best kan worden gebruikt om de informatie weer te geven. SAS Visual Analytics maakt gebruik van intelligente autocharts om de best mogelijke visual te creëren op basis van de geselecteerde gegevens.

Wanneer u voor het eerst een nieuwe dataset verkent, zijn autocharts bijzonder nuttig omdat zij een snel overzicht bieden van grote hoeveelheden gegevens. Deze mogelijkheid tot data-exploratie is zelfs voor ervaren statistici nuttig om het analytics-proces te versnellen, omdat het niet langer nodig is herhaalde steekproeven te nemen om te bepalen welke data geschikt is voor elk model.