![](https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-200x.png 200w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-400x.png 400w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-600x.png 600w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-800x.png 800w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-1000x.png 1000w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-1200x.png 1200w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-1400x.png 1400w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-1600x.png 1600w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-1800x.png 1800w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-2000x.png 2000w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-2200x.png 2200w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-2400x.png 2400w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-2600x.png 2600w, https://ubilabs.com/media/pages/insights/data-driven-styling/bc54e89d80-1695915125/data-driven-styling-feature-highlighting-areas-hero-2612x.png 2612w)
Mit Data-driven Styling individualisierte Karten erstellen
In unseren Demos für Google Maps Platform zeigen wir die neuen Möglichkeiten für Data-driven Styling der Maps JavaScript API
Karten sind eines der besten Mittel, um komplexe Informationen schnell zugänglich zu machen. Eine der Voraussetzungen für ausdrucksstarke Datenvisualisierungen ist die individuelle Gestaltung der Karte, so dass diese genau die Informationen auf einen Blick vermittelt, die Nutzer:innen suchen. Mit den neuen Data-driven Styling Features von Google Maps Platform werden lang ersehnte Features für Entwickler:innen zugänglich.
Im Sommer 2022 konnten erstmals Polygone, Linien und Punkte individualisiert werden, seit Sommer 2023 ist es auch möglich, eigene Datasets über die Maps Datasets API zu importieren, speichern und managen. Wir entwickelten eine Demo für Google, die zeigt, was mit den neuen Funktionen möglich ist.
Data-driven Styling for Boundaries
Für die Entwicklung unserer ersten Data-driven-Styling-Demo für Google haben wir uns einen guten Überblick über die neuen Funktionen verschaffen können. Hier sind die wichtigsten Neuerungen zusammengefasst:
- Datenbasierte und individuelle Gestaltung von administrativen Grenzverläufen auf der Karte, sodass dieselben Grenzpolygone, die in Google Maps angezeigt werden, individuell gestaltet werden können.
- Detaillierte Grenzen von Verwaltungsbereichen: Ländergrenzen der ganzen Welt stehen zur Verfügung, in ausgewählten Ländern stehen zusätzliche administrative Grenztypen wie Stadtteile und PLZ-Gebiete zur Verfügung.
- Individuelle Gestaltung des Kartendesigns: Die geografischen Gebiete und Grenzverläufe lassen sich individuell anpassen - von der Strichstärke bis zur Transparenz. Die Labels auf der Karte werden dabei nie verdeckt, obwohl die administrativen Gebiete als zweite Datenebene über der Basemap liegen.
- Ein besseres Nutzererlebnis: Durch die Zuordnung von Polygonen zur Places ID können Gebiete mit weiteren Daten kombiniert werden.
- Interaktive Elemente: Nutzer:innen können auf interaktive Bereiche auf der Karte klicken und die API bietet zusätzliche Informationen wie Name und PlaceID, die für die Anzeige verwendet werden können.
- Choroplethen-Darstellung: Verschiedene administrative Gebiete lassen sich basierend auf den eigenen Datensätzen einfärben.
Data-driven Styling for Datasets
Im Sommer 2023 durften wir für die neuen Features des Data-driven Styling ebenfalls eine Demo bauen, für die wir Daten aus Seattle Open Data genutzt haben. Dabei haben wir die neuen Möglichkeiten auf Herz und Nieren getestet und die wichtigsten Features zusammengetragen:
- Mit der Maps Datasets API können eigene Geodaten server-seitig importiert, gespeichert und verwaltet werden. Bei Nutzung der Google Cloud Console können Kosten für Infrastruktur gesenkt, Datenzugänge verwaltet und Geodaten immer und überall aktualisiert werden.
- Geodaten können in den Formaten GeoJSON, CSV, und KML visualisiert werden.
- Data-driven Styling for Datasets kann nahtlos mit Googles Boundaries verbunden werden. User:innen sehen den Kontext um einen bestimmten Punkt herum, von Landesgrenzen bis hin zu Postleitzahl-Gebieten.
Anwendungsfälle für Data-driven Styling
Die Möglichkeit, geografische Grenzen auf einer Karte hervorzuheben, war eine lang erwartete Funktion unserer Kunden. Das Data-driven Maps Styling ermöglicht viele neue Anwendungsfälle, die bisher nur mit anspruchsvollen, technischen Aspekten und kostspieliger Datenerfassung möglich waren. Google Maps Platform ist eine großartige Quelle, da sie qualitativ hochwertige Polygone bereitstellt.
Das datenbasierte Kartendesign lässt sich in diversen Branchen sinnvoll einsetzen, dazu zählen Einzelhandel, Finanzdienstleistungen, Behörden, Non-Profit-Unternehmen, Bildung, Medien, Tourismus oder Immobilien. Jedes Unternehmen, das Daten auf Länder-, Stadt- oder sogar Stadtteilgrenze erfassen, analysieren, oder ausgeben will, hat dafür Verwendung. Egal ob es sich um Hotelgruppen oder Immobilienunternehmen handelt – die Datenvisualisierung anhand von verschiedenen geografischen Gebieten - vom Land bis zum Stadtteil – bietet viele Möglichkeiten für großartige Nutzererlebnisse.
- Immobilienportale können auf der Karte direkt die Wohnungen ausspielen, die in den gesuchten Stadtteilen liegen und den Stadtteil entsprechend hervorheben. Für die Ergebnisse aus internen Analysen eignet sich die Choroplethen-Darstellung, wie die Einfärbung von PLZ-Gebieten nach Umsatzzahlen.
- Im Retail können Choroplethen-Karten erstellt werden, die Datensets nutzen um verschiedene Länder- oder Stadtgrenzen anhand von Fußgängerverkehr, Landenverkäufe und vielem mehr zu stylen.
- Die Medienbranche kann mit Data-driven Styling Visualisierungen erstellen, die eigene Daten und Daten von Google in spannende visuelle Stories verwandeln und damit User:innen auf die eigene Plattform ziehen.
Haben Sie Fragen zum Data-driven Styling?
Wir helfen gerne weiter. Lassen Sie uns wissen, wie wir Sie unterstützen können.