Heute war der erste Tag unserer VizWeek! Eine – für mich persönlich – besonders spannende Woche, da jeden Tag ein neuer Datensatz auf mich wartet, der bis zum Abend visualisiert sein soll. Jedoch ist die Visualisierung dabei nur ein Teil des Weges zu einem fertigen Dashboard:
Zuallererst bekamen wir die heutigen Daten zur UFC (Ultimate Fighting Championship). Es gab mehrere Excel-Tabellen mit mehr oder weniger verschiedenen Informationen. Der erste Schritt hier war also die Sichtung der Daten und ein Verständnis für diese aufzubauen. Das hört sich vielleicht nicht sehr aufwändig an, kann aber sehr zeitintensiv sein. Außerdem sollte dieser Schritt keineswegs unterschätzt oder vernachlässigt werden. Ohne ein ausreichendes Verständnis der Daten entstehen Fehler bei der Analyse.
In meinem Fall hieß dies, dass ich viel nachforschen musste, da mir viele Begriffe fremd waren. Meine Teamkollegen waren auch eine große Hilfe.
Darauf folgte die Datenaufbereitung in Alteryx. Bei der Sichtung der Daten fiel mir auf, dass die Gewichtsklassen der Kämpfer aufgeteilt waren in Männer und Frauen. Daraus entstand meine erste Fragestellung: Wer schlägt besser?
Wir hatten Daten zu den getroffenen Schlägen auf Kopf, Körper und Beine, sowie zu den getroffenen Schlägen im Nah-, Distanz- und Bodenkampf. Außerdem auch die Anzahl der versuchten Schläge. Daraus berechnete ich eine „Hit Rate“ für die einzelnen Kategorien.
Weiterhin lagen mir die Daten auf Kampf-Ebene vor. Um aber Männer und Frauen miteinander vergleichen zu können musste ich die Daten auf Gewichtsklassenebene bringen und die Klassen ausschließen, in der Frauen nicht vertreten sind. Hierzu nutze ich zuerst das Summarize-Tool, in dem ich nach Geschlecht, Gewichtsklasse und Jahr gruppierte und die einzelnen Hit Rates als Durchschnitt zusammenfasste. Dann schloss ich mit dem Filter-Tool alle Klassen aus, die nicht „Women“ enthielten und beschränkte den False-Output auf die Gewichtsklassen, die im True-Output waren, danach jointe ich die Daten wieder zusammen.
Um neun hatten wir gestartet, als ich mit der Datenaufbereitung fertig war, war es bereits nach 14 Uhr. Ihr seht also, dass in diesen Teil des Prozesses viel Zeit fließen kann.
Nun fing ich also an eine Antwort auf meine Fragestellung in Tableau zu visualisieren. Dabei fiel mir schnell auf, dass die Frauen meistens eine höhere „Hit Rate“ haben, also in den meisten Bereichen treffsicherer sind als die Männer. Daher konzipierte ich das erste Dashboard zu diesem Insight „Männer sind nicht so treffsicher wie Frauen“.
Daraufhin fragte ich mich, wie es mit den Strikes, significant Strikes, Takedowns und Knockdowns aussieht.
Mein Ergebnis hierzu findet ihr auf meinem interaktiven Dashboard.
