Diagramme erstellen und visualisierenPräattentive Merkmale und Datentypen als Grundlage für Diagramme

Wie das Gehirn Zahlen verarbeitet

Diagramme helfen dabei, Muster, Trends und Zusammenhänge zu erkennen, die in Tabellen oft verborgen bleiben. Doch warum funktioniert das so gut?

Die Antwort liegt in der Art und Weise, wie unser Gehirn visuelle Informationen verarbeitet. Wer professionelle Diagramme erstellen möchte, sollte deshalb zwei grundlegende Konzepte kennen:

• Präattentive Merkmale
• Datentypen

Beide bilden das Fundament erfolgreicher Datenvisualisierung.

Stellen Sie sich vor, Sie betrachten die folgende Zahlenmatrix:

Sie wollen wissen: Wie häufig taucht die Zahl 6 auf? Natürlich können Sie die Aufgabe lösen. Allerdings müssen Sie jede Zahl einzeln betrachten und mit den anderen vergleichen. Das kostet Zeit und Konzentration.

Nun stellen Sie sich dieselbe Tabelle vor, wobei alle Sechser rot eingefärbt sind und alle anderen Zahlen grau dargestellt werden. Plötzlich springt die Lösung sofort ins Auge.

Sie müssen die Tabelle nicht mehr aktiv durchsuchen. Ihr Gehirn erkennt die roten Zahlen automatisch. Das bewirkt die farbliche Hervorhebung. Genau hier kommen sogenannte präattentive Merkmale ins Spiel.

Was sind präattentive Merkmale?

Präattentive Merkmale sind visuelle Eigenschaften, die unser Gehirn innerhalb von Millisekunden verarbeitet – noch bevor wir bewusst über die Informationen nachdenken. Die Verarbeitung erfolgt meist in weniger als 250 Millisekunden.

Bevor Sie eine Grafik bewusst analysieren, hat Ihr Gehirn bereits zahlreiche Informationen erfasst. Deshalb erkennen Sie beispielsweise sofort:

• einen roten Balken zwischen grauen Balken,
• einen besonders großen Datenpunkt,
• einen auffälligen Ausreißer,
• einen hervorgehobenen Wert.

Gute Diagramme nutzen genau diesen Effekt.

Die wichtigsten präattentiven Merkmale

Es gibt zahlreiche präattentive Merkmale. Einige davon sind für Excel-Diagramme besonders wichtig.

Farbe

Farbe gehört zu den stärksten visuellen Merkmalen. Ein einzelner farbiger Wert zwischen vielen grauen Werten fällt sofort auf. Deshalb werden in professionellen Dashboards häufig nur die wichtigsten Kennzahlen farblich hervorgehoben. Beispiele:

• alle Umsätze grau
• aktueller Monat blau
• kritische Werte rot

Der Blick des Betrachters wird automatisch auf die relevanten Informationen gelenkt.

Größe

Auch Größenunterschiede erkennt unser Gehirn unmittelbar. Ein großer Kreis zwischen vielen kleinen Kreisen zieht sofort Aufmerksamkeit auf sich. Deshalb werden wichtige Kennzahlen häufig größer dargestellt als weniger wichtige Informationen.

Position

Die Position eines Elements ist eines der stärksten visuellen Merkmale überhaupt. Menschen können Positionen besonders gut vergleichen.

Genau deshalb gehören Balken- und Säulendiagramme zu den effektivsten Diagrammtypen. Sie erkennen sofort:

• welcher Wert größer ist,
• welcher Wert kleiner ist,
• wie groß die Unterschiede sind.

Länge

Längen lassen sich besonders präzise vergleichen. Betrachten Sie beispielsweise die Häufigkeit verschiedener Zahlen. In einer Tabelle müssten Sie jeden Wert einzeln analysieren. Ein Balkendiagramm zeigt das Ergebnis dagegen sofort.

Warum zu viele Farben problematisch sind

Viele Excel-Anwender machen aber einen typischen Fehler: Sie verwenden möglichst viele Farben.

Dabei gilt häufig genau das Gegenteil: Eine einzelne farbliche Hervorhebung wirkt sehr stark. Werden jedoch zehn verschiedene Farben gleichzeitig verwendet, verliert die Hervorhebung ihre Wirkung.

Die Farben konkurrieren miteinander. Der Betrachter weiß nicht mehr, worauf er achten soll. Eine einfache Regel lautet daher: Verwenden Sie Farbe zur Hervorhebung – nicht zur Dekoration.

Daten müssen vor der Visualisierung verstanden werden

Bevor Sie entscheiden können, welches Diagramm geeignet ist, müssen Sie wissen, welche Art von Daten vorliegt. Grundsätzlich lassen sich drei Datentypen unterscheiden.

Nominale Daten

Kategoriale Daten beschreiben Gruppen oder Kategorien. Die Werte besitzen keine natürliche Reihenfolge. Es handelt sich lediglich um unterschiedliche Kategorien.

Zur Datenauswertung wird meist nur eine Anzahl der Elemente angegeben, die in eine bestimmte Kategorie fallen. Beispiele:

• Produktgruppen
• Länder
• Abteilungen
• Fahrzeugtypen

Typische Diagramme, um eine Anzahl darzustellen:

• Balkendiagramm
• Säulendiagramm
• Kreisdiagramm

Ordinale Daten

Ordinale Daten besitzen eine definierte Reihenfolge. Hier besagt ein Wert nicht nur, zu welcher Kategorie er gehört. Es kann zusätzlich eine Rangfolge und damit eine Bewertung der Kategorien erfolgen. Man spricht deshalb auch von einer Rangskala.

Die Abstände zwischen den Kategorien sind nicht zwingend gleich. Deshalb lässt sich auch für diesen Datentyp nur die Anzahl der Werte angeben, die in eine Rang-Kategorie fallen.

Beispiele für ordinale Daten:

• Schulnoten
• Kundenzufriedenheit
• Prioritäten
• Risikoklassen

Typische Diagramme:

• Balkendiagramme
• Säulendiagramme
• Heatmaps

Nominale und ordinale Daten werden oft auch als kategoriale Daten oder kategorische Variablen bezeichnet. Mit ihnen kann nicht gerechnet werden. Sie lassen sich nur den definierten Kategorien zuordnen und zählen.

Metrische Daten

Mit metrischen Daten lassen sich weitergehende Berechnungen durchführen. Damit können Sie Kennzahlen wie Mittelwerte oder auch Abstände berechnen. Sie können die Werte addieren oder subtrahieren. Zudem lassen sich mit metrischen Daten auch statistische Tests durchführen.

Die metrischen Daten lassen sich unterteilen in intervallskalierte Daten und in verhältnisskalierte Daten. Mit Werten einer Verhältnisskala können Sie dann Aussagen treffen wie „doppelt so hoch“. 

Beispiele:

• Umsatz
• Gewinn
• Kosten
• Temperatur
• Stückzahlen

Typische Diagramme:

• Liniendiagramme
• Punktdiagramme
• Säulendiagramme
• Balkendiagramme
• Flächendiagramme

Warum dieses Wissen so wichtig ist

Viele schlechte Diagramme entstehen nicht durch mangelnde Excel-Kenntnisse. Sie entstehen, weil der falsche Diagrammtyp für die jeweiligen Daten gewählt wird.

Wer versteht,

• wie das Gehirn Informationen verarbeitet,
• welche visuellen Merkmale besonders stark wirken,
• welche Datentypen vorliegen,

hat bereits die wichtigste Grundlage für professionelle Datenvisualisierung geschaffen.

Fazit

Gute Diagramme entstehen nicht zufällig. Sie nutzen gezielt die Art und Weise, wie unser Gehirn Informationen verarbeitet.

Präattentive Merkmale wie Farbe, Größe, Position und Länge helfen dabei, wichtige Informationen innerhalb von Sekundenbruchteilen sichtbar zu machen.

Genauso wichtig ist es, den zugrunde liegenden Datentyp zu verstehen. Erst wenn Sie wissen, ob Ihre Daten kategorial, ordinal oder quantitativ sind, können Sie den passenden Diagrammtyp auswählen.