Am letzten Tag der Dashboard Week gab uns unser weiser Leiter Pouya ein Rätsel, an dessen Lösung wir den ganzen Tag lang sitzen sollten. Wieder erhielten wir JSON-Daten zum Arbeiten, aber dieses Mal erhielten wir viele Dateien zum Analysieren und Zusammenfügen. Unsere Daten bestanden aus mehreren Tabellen (z. B. Wettbewerbe, Spieler, Spielerrang, Mannschaft, Spiele, Ereignisse), die detaillierte Fußballinformationen lieferten.
Nach einer Woche der ständigen Vorbereitung verschiedener Datenformate war das Parsen der meisten Tabellen in diesem Datensatz kein Problem. Als es jedoch zu einer komplizierten Tabelle mit Spielinformationen kam, waren wir alle überfordert. Ich erinnerte mich an diese psychologischen Tests, bei denen die Teilnehmer gebeten werden, ein unlösbares Rätsel zu lösen, und die Forscher einfach nur daran interessiert sind zu erfahren, wie lange jemand an einer Aufgabe festhält, bevor er aufgibt. Wenn Pouya der Forscher an diesem Tag gewesen wäre, sah er uns mehrere Rätsel lösen, dann kamen die Matchdaten und wir gelangten in eine Sackgasse. Die Mittagspause kam und ging, wobei keiner von uns eine volle Stunde Pause einlegte, und trotzdem noch keine Lösung für unser Datendilemma gefunden hatte. Wir kämpften uns in den Nachmittag hinein und obwohl ich eine Idee hatte, wie ich dieses Rätsel lösen könnte, reichten meine begrenzten Kenntnisse der regulären Ausdrücke nicht aus.
Am Ende, mit der Zeit im Nacken und einer noch kürzeren Deadline, lieferte uns Pouya eine Reihe von Backup-Fußballdaten, die ordentlich als CSV-Dateien formatiert waren. Ich betrachtete die mir zur Verfügung stehenden Daten, die Art der Fragen, die ich möglicherweise stellen / beantworten könnte, und vielleicht etwas Neues, das ich ausprobieren könnte. Mein Ziel war es, einen Bum Chart zu erstellen, und so habe ich Bundesliga-Daten für die letzten 4 Spielzeiten ausgewählt und die Teams mit den besten Ergebnissen visualisiert. Da die Daten bereits gut formatiert waren, war mein Alteryx-Workflow unkompliziert:
Ich dachte, es wäre nützlich, zusätzlichen Kontext bereitzustellen und so Balkendiagramme zu erstellen, um die Spieler und Teams mit der höchsten Punktzahl anzuzeigen (diese Elemente werden hervorgehoben, wenn man auf ein bestimmtes Team klickt). Obwohl ich im Allgemeinen mit den präsentierten Daten zufrieden bin, haben mich die zeitlichen Einschränkungen davon abgehalten, die Visualisierung ästhetisch zu vervollständigen. Wenn ich mehr Zeit hätte, würde ich in Erwägung ziehen, die Farben in der Visualisierung an die Farben der Teams anzupassen und möglicherweise auch das Teamlogo anstelle eines generischen Kreises zu integrieren. Die Visualisierung findest Du hier.
