Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Visual analytics to support evidence-based decision making

 
: Ruppert, Tobias
: Fellner, Dieter W.; Kohlhammer, Jörn; Miksch, Silvia

:
Volltext ()

Darmstadt, 2018, XII, 203 S.
Darmstadt, TU, Diss., 2018
URN: urn:nbn:de:tuda-tuprints-70456
Englisch
Dissertation, Elektronische Publikation
Fraunhofer IGD ()
visual analytic; information visualization; decision support; policy modeling; Guiding Theme: Smart City; Research Area: Human computer interaction (HCI)

Abstract
The aim of this thesis is the design of visual analytics solutions to support evidence-based decision making. Due to the ever-growing complexity of the world, strategical decision making has become an increasingly challenging task. At the business level, decisions are not solely driven by economic factors anymore. Environmental and social aspects are also taken into account in modern business decisions. At the political level, sustainable decision making is additionally influenced by the public opinion, since politicians target the conservation of their power. Decision makers face the challenge of taking all these factors into consideration and, at the same time, of increasing their efficiency to immediately react on abrupt changes in their environment. Due to the digitization era, large amounts of data are digitally stored. The knowledge hidden in these datasets can be used to address the mentioned challenges in decision making. However, handling large datasets, extracting knowledge from them, and incorporating this knowledge into the decision making process poses significant challenges. Additional complexity is added by the varying expertises of stakeholders involved in the decision making process. Strategical decisions today are not solely made by individuals. In contrast, a consortium of advisers, domain experts, analysts, etc. support decision makers in their final choice. The amount of involved stakeholders bears the risk of hampering communication efficiency and effectiveness due to knowledge gaps coming from different expertise levels. Information systems research has reacted to these challenges by promoting research in computational decision support systems. However, recent research shows that most of the challenges remain unsolved. During the last decades, visual analytics has evolved as a research field for extracting knowledge from large datasets. Therefore, combining human perception capabilities and computers' processing power offers great analysis potential, also for decision making. However, despite obvious overlaps between decision making and visual analytics, theoretical foundations for applying visual analytics to decision making have been missing.
In this thesis, we promote the augmentation of decision support systems with visual analytics. Our concept comprises a methodology for the design of visual analytics systems that target decision making support. Therefore, we first introduce a general decision making domain characterization, comprising the analysis of potential users, relevant data categories, and decision making tasks to be supported with visual analytics technologies. Second, we introduce a specialized design process for the development of visual analytics decision support systems. Third, we present two models on how visual analytics facilitates the bridging of knowledge gaps between stakeholders involved in the decision making process: one for decision making at the business level and one for political decision making. To prove the applicability of our concepts, we apply our design methodology in several design studies targeting concrete decision making support scenarios. The presented design studies cover the full range of data, user, and task categories characterized as relevant for decision making. Within these design studies, we first tailor our general decision making domain characterization to the specific domain problem at hand. We show that our concept supports a consistent characterization of user types, data categories and decision making tasks for specific scenarios. Second, each design study follows the design process presented in our concept. And third, the design studies demonstrate how to bridge knowledge gaps between stakeholders. The resulting visual analytics systems allow the incorporation of knowledge extracted from data into the decision making process and support the collaboration of stakeholders with varying levels of expertises.

 

Ziel dieser Arbeit ist das Design von Visual Analytics-Lösungen für die Unterstützung evidenzbasierter Entscheidungsfindung. Aufgrund der stetig wachsenden Komplexität der Welt, wird die strategische Entscheidungsfindung zu einer immer größeren Herausforderung. Auf Unternehmensebene werden Entscheidungen nicht mehr auf Basis rein ökonomischer Faktoren getroffen. Umweltbezogene und soziale Aspekte werden ebenfalls berücksichtigt in modernen Unternehmen. Auf politischer Ebene wird zudem die öffentliche Meinung in die politische Entscheidungsfindung mit einbezogen, da Politiker ihren Machterhalt durch Wiederwahl anstreben. Entscheidungsträger stehen vor der Herausforderung diese unterschiedlichen Faktoren in ihrer Entscheidungsfindung zu berücksichtigen und gleichzeitig die Dauer des Entscheidungsprozesses zu beschleunigen, um auf sich immer schneller ändernde Anforderungen reagieren zu können. Das Wissen, das benötigt wird, um diese Herausforderung zu bewältigen, steckt in großen Datenmengen, die dank der Digitalisierungs-Ära auch digital zur Verfügung stehen. Allerdings rufen das Bearbeiten großer Datenmengen, das Extrahieren von Informationen aus diesen, sowie das Verwenden des erhaltenen Wissens im Entscheidungsprozess weitere Herausforderungen hervor. Der Entscheidungsprozess wird zudem durch unterschiedliche Wissensstände der beteiligten Personen erschwert. Strategische Entscheidungen werden nur noch selten von einzelnen Personen getroffen. Im Gegenteil, ganze Konsortien bestehend aus Beratern, Analysten, Domänenexperten und anderen Interessenvertretern werden in heutige Entscheidungen mit einbezogen. Unterschiedliche Expertisen sorgen für Wissenslücken, die eine effiziente und effektive Kommunikation zwischen den involvierten Personen erschweren. Die Forschung im Bereich der Informationssysteme hat auf diese Herausforderungen reagiert und theoretische Grundlagen für die computergestützte Entscheidungsfindung geschaffen. Nichtsdestotrotz bleiben viele Herausforderungen ungelöst. Während des letzten Jahrzehnts wurde das neue Forschungsfeld Visual Analytics geschaffen. Visual Analytics zielt auf das Extrahieren von Wissen aus großen Datensätzen ab. Dabei werden die menschlichen Stärken in der visuellen Mustererkennung mit den Stärken von Computern bei der Bearbeitung großer Datenmengen verknüpft. Das eröffnet großes Potenzial für die Datenanalyse und damit auch für die Entscheidungsfindung. Trotz vieler Anknüpfungspunkte zwischen computergestützter Entscheidungsfindung und Visual Analytics fehlen in der wissenschaftlichen Literatur theoretische Grundlagen für das Anwenden von Visual Analytics im Entscheidungsprozess.
Der Beitrag dieser Dissertation beinhaltet die Definition einer theoretischen Grundlage für das Erweitern von Entscheidungsunterstützungssystemen durch Visual Analytics-Technologie. Im ersten Schritt charakterisieren wir computergestützte Entscheidungsfindung im Allgemeinen. Dafür beschreiben wir potenzielle Nutzergruppen, relevante Datenkategorien und Aufgaben im Entscheidungsprozess, die mit Visual Analytics-Technologien unterstützt werden können. Im zweiten Schritt präsentieren wir einen spezialisierten Designprozess für das Entwickeln von an den Entscheidungsprozess angepassten Visual Analytics-Systemen. Im dritten Schritt beschreiben wir, wie Visual Analytics dafür genutzt werden kann, Wissenslücken zwischen im Entscheidungsprozess involvierten Personen zu schließen. Um die Anwendbarkeit unseres Konzepts zu demonstrieren, präsentieren wir darauffolgend sechs Designstudien, die sich auf konkrete Entscheidungsunterstützungsszenarien beziehen. Die vorgestellten Designstudien decken das komplette Spektrum an für die Entscheidungsfindung als relevant charakterisierten Daten-, Nutzer und Aufgaben-Kategorien ab. In jeder Designstudie nutzen wir die im Konzept beschriebene allgemeine Domänencharakterisierung, um das vorliegende konkrete Entscheidungsproblem zu beschreiben. Dabei zeigen wir, dass unser Konzept eine konsistente Charakterisierung von Nutzer-, Daten- und Aufgabentypen unterstützt. Außerdem verwenden wir in jeder Designstudie, den im Konzept präsentierten Designprozess. Und schließlich zeigen wir mit den Designstudien, dass unser Konzept das Überbrücken von Wissenslücken unterschiedlicher Nutzergruppen unterstützt. Die resultierenden Visual Analytics-Systeme ermöglichen das Generieren und Einbeziehen von Wissen in den Entscheidungsprozess und unterstützen die Kollaboration zwischen Personen mit unterschiedlichen Erfahrungswerten.

: http://publica.fraunhofer.de/dokumente/N-484254.html