3.1 Fläche

3.2 Daten

3.3 Elemente

3.4 Zusammenhänge

3.4 Gründe und Abhängigkeiten

Show interrelations: Causes and dependencies

Eine andere Form der Datenverdichtung betrifft inhaltliche Aspekte. a Es sollte möglichst "alles" gezeigt werden, vor allem auch Extremwerte und Ausreißer: Details erhöhen nicht nur die Glaubwürdigkeit, sondern auch das Verständnis. b Es sollten möglichst Vergleiche gezeigt werden: Der Hauptzweck von Diagrammen ist es, Vergleiche zu zeigen. c Es sollten möglichst Ursachen gezeigt werden:  Wenn möglich, sollte mit Diagrammen eine gewisse Kausalität aufgezeigt werden. Mit Diagrammen soll bewiesen, erklärt und plausibel gemacht und nicht dekoriert werden.

3.4.1

Mehr als zwei Dimensionen zeigen

Show more than two dimensions

Die einfachste und beste Möglichkeit, um interessante Analysen zu erhalten ist es, mehr als zwei Dimensionen eines betriebswirtschaftlichen Tatbestandes zu zeigen. Dies betrifft vor allem visuelle Datenaufbereitungen in Form von Diagrammen. Bei einem Diagramm mit nur einer Dimension (wie in einem Kreisdiagramm) sind nur banale Dinge visualisierbar, die zu vermittelnden Botschaften sind auch mit einem einfachen Satz zu vermitteln. Bei Diagrammen mit zwei Dimensionen können bereits ganz interessante Zusammenhänge gezeigt werden - aber erst mit drei, vier und fünf Dimensionen entstehen Gebilde, die komplexe Tatbestände analysieren können und zu interessanten, meist völlig neuen Erkenntnissen führen.

3.4.2

Hintergründe zeigen

Show causes

Wenn zu einer Geschäftsanalyse zugrunde liegenden Annahmen oder Basisdaten ebenfalls gezeigt werden, so sind die Ergebnisse nicht nur besser zu verstehen, sondern sie sind in ihrer Aussagekraft überzeugender. Ein typisches Beispiel hierfür sind Kennzahlenbäume wie der ROI-Tree.

3.4.3

Cluster zeigen

Show clusters

Bei großen Datenmengen können mit Hilfe von Cluster-Darstellungen in zwei- und dreidimensionaler Art sehr häufig interessante Einblicke und neue Einsichten vermittelt werden.

3.4.4

Korrelationen zeigen

Show correlations

Bei mehreren zu vergleichenden Datenreihen wird vielfach nach Korrelationen gesucht, um inhaltliche Zusammenhänge besser verstehen zu können. Geeignete Sortierungen und Gegenüberstellungen können die Suche nach Korrelationen unterstützen.