Scalable Visual Analytics : Solutions and Techniques for Business Applications

Abstract

Das Informationszeitalter ist dadurch gekennzeichnet, dass die Menge verfügbarerInformationen explosionsartig ansteigt. In Anbetracht dieser Informationsflut wird es zunehmend wichtiger relevante von nicht-relevanten Informationen zu filtern, denn die richtige Information zur richtigen Zeit am richtigen Ort zu bekommen, ist für Analysten, Führungskräfte oder Sicherheitsbehörden essenziell. Das Bereitstellen dieser Informationen aus der Flut von Daten, d.h. das enthaltene Wissen transparent und nutzbar zu machen, stellt jedoch eine große Herausforderung an viele klassische Data Mining Bereiche dar und macht neuartige Techniken zur Datenanalyse und zur Datenvisualisierung notwendig.Die vorliegende Dissertation stellt daher zahlreiche innovative Methoden und Verfahren vor, die im Kontext von Visual Analytics entwickelt wurden, um relevante Informationen aus großen Datenmengen zu extrahieren und dem Benutzer visuell zu präsentieren. Dabei stehen sowohl die Berücksichtigung unterschiedlicher Datentypen, wie etwa Daten mit explizitem Raum- oder Zeitbezug, als auch die Benutzerinteraktion im Vordergrund. Die einzelnen Verfahren werden anhand von echten Daten, die zumeist aus Geschäftsdaten bestehen, evaluiert um die Vorteile gegenüber existierender Verfahren aufzuzeigen. Als einer der Hauptbeiträge der Arbeit wird in diesem Rahmen ein Verfahren vorgestellt, welches durch eine kombinierte visuelle- und datenbasierte Analyse eine effektivere und damit zielgerichtete Exploration relevanter Informationen ermöglicht. Dieses Verfahren wird detailliert vorgestellt und anhand realer Anwendungen evaluiert.