Können Sie sich noch vorstellen ohne Hilfsmittel durch die Stadt zu navigieren? Was machen Menschen, denen das scheinbar mühelos gelingt anders? Der Schlüssel liegt in einem ungefähren inneren Stadtplan, den erfolgreiche Navigatoren nutzen. In diesem beachten sie vor allem auch Himmelsrichtungen und können so ihren Startpunkt und ihr Ziel auf ihrer inneren Karte in ein Verhältnis setzen.
Menschen, die sich dagegen beim Orientieren schwer tun, versuchen oft nur eine Folge von Abbiegevorgängen und bestimmten Straßennamen auswendig zu lernen. Vergessen sie einen Abbiegevorgang oder ist eine Straße gesperrt, fällt ihre Strategie zusammen wie ein Kartenhaus.
Ähnlich verhält es sich bei effizienter und erfolgreicher agiler Datenanalyse und im Datenmanagement: Echte Information lebt von ihrem Kontext und ihrer Transparenz. Sehr hilfreich ist die Möglichkeit, Informationen sichtbar zu machen und auch Veränderungen frühzeitig zu erkennen und auf diese zu reagieren. Fakten ohne Kontext haben für uns als Menschen weniger Mehrwert, es fällt uns schwerer sie uns zu merken und zu nutzen.
Das Visualisieren von Daten wird in vielen Unternehmen immer noch stiefmütterlich behandelt. Gerade herkömmliche Architekturen mit komplizierten Datenmodellen, die auf Speicherung und Verlinkung verschiedener Datentabellen setzten, verbinden dies nur selten mit konsequenter und kontinuierlicher Visualisierung der Daten.
Im digitalen Entwicklungsland Deutschland ist es in vielen Firmen immer noch gelebte Praxis, Daten aus Datenbanken zu extrahieren und diese dann in Excel zu visualisieren. Das führt dazu, dass die Gesamtdaten für Fachexperten ohne IT-Hintergrund nur wenig transparent und nachvollziehbar sind. Außerdem besteht eine große Hürde, sie wirklich sichtbar zu machen und regelmäßig zu nutzen. Für viele Fachentscheider bleiben die Daten, ihre Verknüpfungen und ihr tatsächliches Potenzial verborgen.
Entgegen der weitverbreiteten Arbeitsweise, die Datenvisualisierung als den letzten Arbeitsschritt anzusehen, profitieren sowohl Data Scientists als auch Kunden davon, Daten schon am Anfang und im Verlauf eines Projekts zu visualisieren. Denn mit Hilfe von dynamischen Visualisierungen erhalten wir als Mensch einen deutlich besseren Einblick in die von uns genutzten Daten. Insbesondere über Dashboards mit Grafiken, die sich durch Klick interaktiv anpassen und verändern lassen. Dies bedeutet nicht nur einen besseren Überblick über wichtige Eigenschaften der Daten – auch können Arbeitshypothesen schnell überprüft, verworfen und durch eine bessere Hypothese ersetzt werden.
Unsere Kernstrategie bei moresophy ist es, Kundendaten aller Art und auch aus verschiedenen Quellen frühzeitig in dynamischen Diagrammen abzubilden und diese während jedem Arbeitsschritt zu visualisieren. Das heißt schon in der Datenbereinigung (Data Cleansing) und im Data Mapping nutzen wir diese, um den jeweiligen Schritt frühzeitig optimieren zu können. Wir wollen wissen, was wir tun und unsere eigenen Ideen und Ansätze kontinuierlich überprüfen.
Auf diese Weise entsteht sowohl für den Kunden und Fachanwender als auch für die Entwickler höchste Transparenz – schon bevor wir das Endprodukt ausliefern. Die flexible Architektur von Visual Analytics ermöglicht außerdem das Einbinden von Drittquellen, deren Möglichkeiten und Grenzen sich oft erst durch systematisches Visualisieren aufzeigen.
Fallbeispiel: Vorsortierung von Schadensmeldung einer Versicherung
Eine Versicherung, möchte eingehende Schadensmeldungen automatisch vorsortieren und auf diese Weise den Arbeitsaufwand bei Kumulschadensereignissen reduzieren. Kumulschäden sind Schäden, die zur einer ähnlichen Zeit durch dasselbe Schadenereignis wie etwa einem Unwetter oder Hochwasser verursacht worden sind. Die Herausforderung für Versicherungen ist es, dass so eine Vielzahl von Schadensmeldungen gleichzeitig eingehen und Sachbearbeiter mit ihrer Arbeit nicht hinterherkommen. Gleichzeitig ist der Personalmarkt leer gefegt, denn Kumulschadenereignisse betreffen meistens viele Versicherer gleichzeitig.
Das Ziel einer entsprechenden Software ist es also, die Sacharbeiter bei ihrer Arbeit zu unterstützen und so eine schnellere Bewilligung von tatsächlichen Kumulschäden zu ermöglichen.
Wie kann nun sichergestellt werden, dass ein Antragssteller auch wirklich von einem solchen Kumulereignis betroffen war? Als mögliche Drittquellen stehen zum Beispiel Wetterdatenbanken zur Verfügung. Durch die kontinuierliche visuelle Überprüfung, welche Drittquellen sich als nützlich erweisen, können schon während des Arbeitsprozesses bessere Entscheidungen getroffen werden. Ein Vorteil davon ist, dass unnötiger Arbeitsaufwand und folglich auch unnötige Kosten eingespart werden, weil sehr frühzeitig erkennbar ist, inwieweit weitere Daten zur Verbesserung der Datenqualität und auch der Konfidenz von KI-Modellen beitragen. In einem agilen, zyklischen Rapid Prototyping kann mit der Hinzunahme externer Daten gearbeitet werden und der darüber erreichbare Gewinn an Qualität und Aussagekraft der Analyse getestet werden. Die gewonnene Zeit und Energie kann dann für die vollständige Anbindung der als zuverlässig eingeschätzten Drittquellen genutzt werden.
Bei moresophy nutzen wir Visualisierungen kontinuierlich von Anfang an im Arbeitsprozess, um den eigenen Weg kontinuierlich zu überprüfen und frühzeitig kluge Richtungswechsel einzuleiten. Wie die innere Karte, die bei der Navigation hilft und oft fehlertoleranter ist, wenn mal eine Abzweigung nicht wie geplant zur Verfügung steht.