Mit USIVIS zu wahrnehmungs-optimierter Visualisierung
Dank einem Forschungsprojekt mit den Fachhochschulen (FH) Steyr und (FH) Hagenberg kommt es zu neuem Wissen im Bereich „Benutzerzentrierte und wahrnehmungsoptimierte interaktive Visualisierung“, einem Gebiet, das in den Data Science-Projekten bei solvistas immer mehr an Bedeutung gewinnt.
Im Zeitalter von IoT und zunehmender Digitalisierung steigt auch die Nachfrage nach sinnvollen, schnell erkennbaren und interaktiven Darstellungen von Informationen. Mit dem Projekt „USIVIS“ – „User-Centered Interactive Visualization“ – werden hierfür Grundlagen erarbeitet, indem die Benutzersicht genau analysiert und die Auswirkung von Verbesserungen in der Darstellung festgehalten werden.
In den ersten Studien bei einigen renommierten österreichischen Unternehmen führte dies zur Erstellung neuer Leitlinien für die Gestaltung von Dashboards und Big Data Visualisierungen.
Weiterführende Betrachtungen ergaben: die Interaktion ist eine Schlüsselfunktion und benötigt neue Visualisierungskonzepte. Sie ist ein integraler Bestandteil, der die Daten verständlich und handhabbar macht. Man unterscheidet drei große Teilbereiche:
- Encode: Auswahl der optimalen Visualisierungsform für die Daten
- Manipulate: Möglichkeiten zur Interaktion (Filtern, Anordnen, Aggregieren, …)
- Introduce: die Datenbasis verändern
Neben der Betrachtung der Auswirkungen beim Einsatz verschiedener Ausprägungen interaktiver Darstellungen, wie etwa der „kollaborativen Visualisierung“ mittels Einsatz mehrerer Endgeräte, ist auch die benutzerzentrierte Sichtweise im Projekt für solvistas von besonderer Bedeutung.
Die Antworten zu folgenden Fragen können die Gestaltung zukünftiger Big Data- und Data Science-Lösungen deutlich verbessern:
- Was hilft dem Benutzer, die Informationen aus der Darstellung schneller zu erkennen?
- Welche Art der Interaktion benötigt der Benutzer, um schneller zur gesuchten Information zu gelangen?
- Wie kann man den Benutzer unterstützen, damit er vom System zu den optimalen Darstellungen geführt wird bzw. wie das System sich merkt, welche Einstellungen für gewisse Auswertungen am sinnvollsten sind.
Fazit
Es ist nicht nur wichtig, Big Data zu sammeln, sondern auch neue Wege in der interaktiven und kollaborativen Visualisierung dieser Daten zu gehen. Mit dieser Forschungs-Zusammenarbeit wird praktische Erfahrung mit guter wissenschaftlicher Arbeit kombiniert und bringt so neue Erkenntnisse, die wir Ihnen mit neuen Data Science Lösungen weitergeben können.
Fragen Sie uns – wir informieren Sie gerne!
Autor: Gerald Holzbauer
