Seite auswählen

Das Chord Diagram ist ein Exot. Nur selten findet es sich in Auswertungen und Reports. Wird es aber genutzt, zieht es sofort alle Blicke auf sich. Dieser Beitrag zeigt die Vor- und Nachteile und wo das Diagramm am besten eingesetzt wird. …Vielleicht ist er auch eine kleine Liebeserklärung.

1     Äußere Werte: Wie baue ich ein Chord Diagram?

Von außen betrachtet sieht das Chord Diagram aus wie ein Mix aus einem Donut und einem abgedrehten Strickmuster. Kein guter Startpunkt also. Vor allem weil Kuchen-, Donut- und überhaupt alle Kreisdiagramme einen eher schlechten Ruf genießen. Zwar zu unrecht, wie ich finde – aber ich will sie hier auch gar nicht verteidigen. Der Star ist jetzt das Chord Diagram und das kann man sogar gut finden, während man sonst jede Form von Kreisdiagramm abgrundtief hasst.

Der äußere Ring ist die Basis für das Chord Diagram. Dieser stellt zwei oder mehr Variablen dar und wird in entsprechend viele Bereiche unterteilt. Innerhalb dieser werden dann weitere Teilsegmente gebildet. Die Teilsegmente visualisieren die Ausprägungen der Variablen. Je häufiger eine bestimmte Merkmalsausprägung gezählt wurde, desto größer das Teilsegment. Dann kommt der Clou: Alle Teilsegmente der unterschiedlichen Variablen werden miteinander verbunden. Diese Verbindungen können den Merkmalsträger selbst darstellen oder eine weitere Ausprägung, die mit den Variablen auf dem Ring in einem Zusammenhang steht.

Ein Beispiel: Ich habe auf diesem Blog mehrere Zielvorhaben (Conversions) eingerichtet. Mit Hilfe von Matomo-Datenbankabfragen, ein bißchen Microsoft Power BI und ein wenig Gebastel, frage ich einen fixen Zeitraum ab und lasse mir für diesen die Conversions in Bezug auf zwei Variablen (hier: Tageszeit und Wochentag) in einer Matrix ausgeben. Dadurch sehe ich, an welchen Wochentagen und Tageszeiten die meisten Conversions realisiert werden. Die Matrix ist relativ unspektakulär:

Conversions
n = 266
Tageszeit
Morgens Mittags Abends
Wochentag
Montag 26 18 3
Dienstag 31 14 1
Mittwoch 36 17 6
Donnerstag 37 23 2
Freitag 14 7 1
Samstag 7 3 3
Sonntag 8 5 4

Viel spannender als diese Matrix ist allerdings das darauf basierende Chord Diagram. Das sieht so aus:

Conversions in einem Chord Diagram

Conversions nach Wochentag und Tageszeit in einem Chord Diagram (Durch fahren über die Flächen werden die Werte angezeigt).

Wie die Matrix, zeigt die hübsche Grafik, dass auf meinem Blog am Samstag und Sonntag ziemlich tote Hose ist und dass (aus Tageszeitperspektive) auch die Abendstunden nur spärlich mit Conversions gesegnet sind. Auf den ersten Blick sehe ich zudem, dass die Kombinationen Mittwoch-Morgen und Donnerstag-Morgen für den betrachteten Zeitraum die meisten Conversions geliefert haben. – Ich brauche also mehr Donnerstage!

2     Warum eine Chord-Visualisierung nutzen?

Ein Chord-Diagram ist super. Es verdeutlicht eindrucksvoll Zusammenhänge. Ja, auch die obige Matrix kann das. Und ja, hätte ich dort mit konditioneller Formatierung gearbeitet, wären die gleichen Infos ebenfalls schnell aufgefallen.

Richtig ist ebenso, dass derselbe Zusammenhang auch mit einem gestapelten Säulendiagramm darstellbar ist. Dort hätte ich sogar noch mit Schraffierungen und verschiedenen Achsenskalierungen arbeiten können. Sogar eine weitere Info auf einer zweiten Y-Achse (zum Beispiel: Besucherzahl absolut) findet Platz:

Gestapelte Balken mit Linie

Gestapelte Balken können ähnliche Zusammenhänge ausdrücken, wie das Chord Diagram. Sie können dabei sogar noch zusätzliche Variablen darstellen (hier: „Visits absolut“ in lila).

Wenn andere Visualisierungen und Darstellungsformen das Gleiche (und teilweise noch mehr) können, warum sollten wir dann auch nur einen Gedanken an ein Chord Diagram verschwenden? Ganz einfach: die beste Visualisierung ist nicht zwangsläufig die, die am meisten Infos auf einmal darstellen kann. Das ist wie bei Autos. Dort ist auch nicht das Modell am besten, das über die meisten Spoiler und Anbauten verfügt, sondern das, welches alle Teile zugunsten des geforderten Nutzens bestmöglich vereint und dabei auch noch gut aussieht.

Gut aussehen tut das Chord Diagram. Und dieser Punkt ist nicht zu unterschätzen! Wenn wir etwas visualisieren, tun wir das meistens für Menschen. Die fordern wiederum Abwechselung und wollen begeistert werden. Wir können nicht immer wieder von „Storytelling mit Daten“ sprechen, gleichzeitig aber unser Publikum mit den immer gleichen Säulen- und Liniendiagrammen quälen. Wenn sich niemand für unsere Visualisierungen interessiert, sind nicht die anderen doof, sondern wir langweilig. – Das Chord Diagram ist eine tolle Abwechselung. In einer auf Balken und Matrizen konditionierten Welt, könnt ihr damit super Aufmerksamkeit generieren.

Es ist aber nicht nur die Optik. Das Chord Diagram ist ebenfalls gut darin, ein „Gefühl“ für Zusammenhänge und gleichzeitig die Einzelwerte zu vermitteln. Auch obiges Balkendiagramm verdeutlicht, zu welchen Tageszeiten und an welchen Wochentagen am meisten Halli-Galli auf meinem Blog ist. Allerdings ist es schon schwieriger, sich anhand nur dieser Grafik vorzustellen, welchen Einfluss die Tageszeiten unabhängig vom jeweiligen Wochentag haben. Dazu müsstet ihr gedanklich alle Farbanteile aus den Balken extrahieren und vor eurem geistigen Auge zu drei Einzelbalken zusammenfügen:

Drei Säulen mit Conversions nach Tageszeit

Säulendiagramm mit Conversions nach Tageszeit

Das geht schneller mit dem Chord Diagram! Ein Blick auf den äußeren Ring verschafft uns sofort einen Eindruck der Conversions nach Tageszeit (→ hier geht es zurück zur Grafik).

3     Wann ein Chord Diagram nutzen?

Das Chord Diagram spielt seine Stärken dann aus, wenn es darum geht, Zusammenhänge oder Arten von Abhängigkeiten auszudrücken. Das geht mit der Visualisierung gut, wenn die Kardinalität (Anzahl unterschiedlicher Werte, die eine Variable annehmen kann) der darzustellenden Variablen gering ist. Wenn eine Variable hingegen viele verschiedene Werte annehmen kann, müsstet ihr sie entweder sinnvoll gruppieren oder lieber gleich auf die Grafik verzichten. Bei zu hoher Wertevielfalt ist das Ergebnis nämlich nur ein Haufen gequetschter Linien ohne jede Aussagekraft:

Chaotisches Chord Diagramm

Variablen mit hohen Kardinalitäten lassen sie sich ohne Gruppierung kaum sinnvoll in einem Chord Diagram darstellen.

Gleiches gilt für die Anzahl der Variablen. Drei Variablen und ihre Zusammenhänge könnt ihr eventuell noch schön ausdrücken. Werden es aber mehr, wird es schnell unübersichtlich. Sicherlich lässt sich mit vielen Variablen, Werten und Abhängigkeiten das eine oder andere beeindruckende Chord-Kunstwerk voller hüpfender Linienverbindungen zaubern – wirklich informativ ist das aber nicht:

Ein künstlerisch anmutendes Chord Diagram

Manch ein Chord Diagram sieht spektakulär aus, kann aber kaum eine Aussage vermitteln.

Außerdem ist wichtig, dass eine Chord Visualisierung viel Platz bekommt. Verkleinert ihr sie zu stark, bekommen eure Betrachter direkt Augenkrebs während sie versuchen, Werte abzulesen. Das gilt selbst dann, wenn nur wenige Variablen visualisiert werden. Sie ist wie guter Wein. Lasst der Grafik also ein wenig Platz zum atmen.

Das Chord Diagram ist für mich eher deskriptiv und weniger explorativ. Ihr wollt nicht wirklich die vielen dünnen Linien mit euren Augen nachwandern, um neue Dinge zu entdecken. Außerdem müssen darzustellende Zusammenhänge immer auch vorhanden sein. Existieren sie nicht, habt ihr einfach einen leeren Ring mit Teilsegmenten ohne Verbindungen. Damit beeindruckt ihr kaum jemanden. Voraussetzung ist also, dass ihr als Ersteller vorab mindestens eine gewisse Vorausahnung habt. Die ist alleine notwendig, um sinnvolle Gruppierungen und Filter zu wählen.

4     Fazit

Das Chord Diagram ist eine exotische Visualisierung, die nicht in jedem Tool out-of-the-box zur Verfügung steht. Gerade das macht es aber besonders. Um Aufmerksamkeit zu generieren und gleichzeitig Abwechselung zu bieten, eignet es sich bestens. Allerdings müssen eure Daten und Fragestellungen auch dafür gemacht sein, auf diese Art dargestellt zu werden. Nicht alle Daten lassen sich in ein Chord pressen. Sind aber ausreichend Platz und passende Datensätze vorhanden, solltet ihr unbedingt über die Grafik nachdenken. Euer Data-Storytelling wird sie sicherlich bereichern.

→ Was denkt ihr über diese Visualisierung? Eher „Yeah“ oder „Ney“? Über Kommentare und eine Meinungen von euch freue ich mich sehr!