In den letzten Jahren ist die visuelle Analytik ein entscheidender Faktor für die datengetriebene Entscheidungsfindung in vielen Branchen geworden. Je mehr Daten zur strategischen Steuerung genutzt werden, desto wichtiger wird es, komplexe Informationen klar zu visualisieren. Eine Vielzahl von Werkzeugen und Bibliotheken, die unterschiedliche Nutzergruppen und Kompetenzniveaus bedienen, ist als Ergebnis dieses Trends entstanden. Anwendungen mit benutzerfreundlichen Drag-and-Drop-Funktionalitäten wie Microsoft Power BI, Tableau und Excel werden immer beliebter. Ohne dass man programmieren können muss, erlauben sie es, aussagekräftige Visualisierungen zu erstellen; deshalb sind sie im Bereich der Business Intelligence für Anwender ohne technische Ausbildung besonders interessant. Im Gegensatz dazu sind Bibliotheken wie Plotly, GGPlot und D3 für Entwickler gedacht und bieten fortgeschrittene Funktionen für statistische Analysen, komplexe Datenmanipulationen und hochgradige Anpassungen von Visualisierungen. Frühere Untersuchungen haben Unterschiede zwischen diesen Werkzeugen aufgezeigt, vor allem in Bezug auf die Unterstützung explorativer Analysen im Vergleich zur Ergebnispräsentation. Aber es gibt inzwischen Lösungen, die leistungsfähiger sind und mehr Funktionen bieten, um den neuen Anforderungen der Nutzer gerecht zu werden. Die vorliegende Untersuchung hat das Ziel, eine vergleichende Analyse von ausgewählten, gängigen visuellen Analytikwerkzeugen zu bieten. Entscheidende Kriterien wie Benutzerfreundlichkeit, Anforderungen an die Datenaufbereitung und weitere relevante Eigenschaften werden bewertet. Ein Clustering-Ansatz, der funktionale Ähnlichkeiten berücksichtigt, wird zur Klassifikation der Werkzeuge angewandt. Um eine ausgewogene und umfassende Betrachtung zu garantieren, schließt die Analyse sowohl innovative, neuere Ansätze als auch etablierte Plattformen ein. Basierend auf den Ergebnissen sollen Empfehlungen für Praktiker und Wissenschaftler formuliert und Forschungsfragen identifiziert werden, die zur Weiterentwicklung von visuellen Analytiktechnologien beitragen – vor allem im Hinblick auf die Herausforderungen durch großskalige Datenmengen.
Damir Dizdarevic (Sun,) studied this question.