Question 1

Welcher Diagrammtyp eignet sich am besten zum Vergleich von Werten zwischen verschiedenen Kategorien?

Accepted Answer

Das Bar Chart ist das effektivste Diagramm zum Vergleich von Werten zwischen unterschiedlichen Kategorien. Das menschliche Auge kann Längen, die auf einer gemeinsamen Achse ausgerichtet sind, sehr effizient vergleichen, was das Ablesen intuitiv macht. Die Balken können je nach Anzahl der Kategorien und Länge der Beschriftungen vertikal oder horizontal sein.

Question 2

Welcher Diagrammtyp eignet sich am besten, um zu zeigen, wie sich ein Wert im Laufe der Zeit ändert?

Accepted Answer

Das Line Chart ist die Standardwahl zur Visualisierung zeitlicher Trends. Die Linie verbindet die Datenpunkte chronologisch, sodass Trends, Zyklen und Anomalien sofort sichtbar sind. Im Gegensatz zu Bar Charts betonen Line Charts die Kontinuität und Richtung der Veränderung statt einzelner Werte.

Question 3

Was ist der Hauptnachteil eines Pie Charts?

Accepted Answer

Der Hauptmangel von Pie Charts ist, dass das menschliche Auge Winkel und Flächen schlecht vergleichen kann. Bei mehr als 3-4 Kategorien wird es fast unmöglich, Anteilsunterschiede zu unterscheiden. Edward Tufte empfiehlt, immer ein Bar Chart oder eine Datentabelle einem Pie Chart vorzuziehen, außer in seltenen Fällen, in denen nur das Teil-Ganzes-Verhältnis zählt.

Grundlagen der Datenvisualisierung

Welcher Diagrammtyp eignet sich am besten zum Vergleich von Werten zwischen verschiedenen Kategorien?

Antwort

Welcher Diagrammtyp eignet sich am besten, um zu zeigen, wie sich ein Wert im Laufe der Zeit ändert?

Antwort

Was ist der Hauptnachteil eines Pie Charts?

Antwort

Was ist die Data-Ink-Ratio, wie sie von Edward Tufte definiert wurde?

Welcher Diagrammtyp sollte verwendet werden, um die Beziehung zwischen zwei numerischen Variablen zu visualisieren?

Weitere Data Analytics-Interviewthemen

Google Sheets - Grundlagen

Google Sheets - Erweiterte Formeln

SQL - Grundlagen

SQL - Aggregationen und Gruppierungen

SQL - Joins

BigQuery - Grundlagen

Data Cleaning - Datenbereinigung

KPIs und Business-Metriken

Deskriptive Statistik

Zapier und No-Code-Automatisierung

Python & Pandas - Grundlagen

Google Sheets - Automatisierte Dashboards

SQL - Unterabfragen und CTEs

SQL - Window Functions

BigQuery - Erweiterte Funktionen

Data Modeling

Funnel- und Conversion-Analyse

Kohorten- und Retention-Analyse

Google Tag Manager und Tracking

APIs und Webhooks

dbt - Grundlagen

AB-Testing und angewandte Statistik

Looker Studio (Google Data Studio)

Power BI - Grundlagen

SQL - Erweiterte analytische Abfragen

dbt - Erweiterte Funktionen

Power BI - DAX und fortgeschrittene Dashboards

Python Analytics - Erweiterte Analyse und ML

Meistere Data Analytics für dein nächstes Interview