Projektgruppe Visual Analytics - Medieninformatik und Multimedia ...

30 Kapitel 2 Visual Analytics
sodass nicht alle Daten immer live, sondern nach bestimmten Zeitintervallen in
das System eingespielt werden.
DOLAP (Desktop-OLAP) Diese Art der OLAP-Architektur besteht aus einem Server,
welcher die Daten hält, und Clients, welche relativ kleine Datenmengen aus dem
Datensatz extrahieren. Die Weiterverarbeitung der Daten erfolgt auf dem Client.
HOLAP (Hybrid-HOLAP) Hierbei handelt es sich um eine Mischvariante aus MOLAP
und ROLAP. Ein kleiner Datensatz wird hier multidimensional gehalten und bei
Bedarf werden neue Daten aus der relationalen Datenbank in eine multidimensionale
Datenstruktur nachgeladen.
2.4 Zusammenfassung
Im vorangegangenem Abschnitt wurden die Grundlagen des Visual Analytics-Prozesses
vorgestellt. Unter Visual Analytics wird eine Methode zur visuellen Datenanalyse
verstanden, welche den Bereich der automatisierten Algorithmen verlässt und den
Menschen stärker in den Explorationsprozess mit einbezieht. Dieses Verfahren
ermöglicht den Analysten, die Struktur von Daten schnell zu erfassen, explorativ
in Daten zu navigieren und Schlussfolgerungen zu ziehen. Zentralle Komponente
des Explorationsprozesses sind Visualisierugen, wodurch dem Menschen Daten in
verständlicher Form automatisiert dargestellt werden.
Nachdem das Analyseverfahren vorgestellt wurde, sind verschiedene Visualisierungsarten
aufgezeigt worden, wie z. B. Liniendiagramme, Säulendiagramme und
Streudiagramme. Des Weiteren ist ein Einblick in komplexere Darstellungsformen,
wie z. B. Kurvenprofile und thematischen Karten, gegeben worden.
Im nächsten Abschnitt ist das OLAP-System eingeführt worden. OLAP ist eine
spezielle Datenbankform, bei der die Daten multidimensional verwaltet werden. Die
OLAP zugrunde liegende Struktur ist ein OLAP-Datenwürfel, der eine Reihe von
Dimensionen und Kennzahlen besitzt. OLAP-Operationen, wie z. B. RollUp, DrillDown,
Slicing und Dicing dienen der Navigation in einem Datenwürfel und ermöglichen das
Betrachten zahlreicher Kennzahlen aus unterschiedlichen Perspektiven. Dies eignet sich
besonders zur visuelle Analyse, da die Datenmenge in verschiedenen Aggregationsstufen
zueinander korreliert vorliegen und somit ein schnelles Navigieren erleichtert wird.