Valitsin lopulliseen syötedataan
Suhteelliset osuudet laskettiin uudestaan, ja komponentit
normalisoitiin varianssin normalisoinnilla. Opetuksen tuloksena
syntynyt kartta on esitetty kuvassa 4.8(a) siten, että
kunkin mallivektorin sisältö on esitetty piirakkadiagrammina, mikä on
havainnolisempaa tulkinnan kannalta kuin mallivektorien
komponenttitasoesitys. Kukin väri kuvaa yhtä
aihetta.
Kuvassa 4.8(b) on vastaavan kartan u-matriisi, johon on
nimetty yksiköitä muutaman konttorin mukaan.
Kuvassa 4.8(c) ovat konttoreiden todelliset suhteelliset kysymysmäärät. Kaikista konttoreista voisi tietysti tehdä piirakkadiagrammivisualisoinnin erikseen, ja sitten vertailla niitä. Kartan tuoma lisäarvo kuvaukseen on visualisointien organisointi siten, että piirakkadiagrammien erot ja yhtäläisyydet on helpompi hahmottaa kuin suuresta epäjärjestyneestä joukosta. Tässä esimerkissä on konttoreita 134, ja jo tämän määrän jaottelu käsin on varmasti hankalaa. Asiantuntija voi kuvan 4.8(a) tapaisella apuvälineellä saada datasta yleiskuvan ja suunnitella jatkoanalyysiä.
Konttoreiden dataa myöhemmiltä ajanjaksoilta voidaan tutkia samalla kartalla, jolloin niiden osaamistasossa tapahtuneet muutokset tulevat näkyviin konttorin vaeltamisena kartalla. Jos toimipisteet kuitenkin seikkailevat kartalla satunnaisesti tai kvantisointivirhe on suuri, on epäiltävä, ettei aiheprofiilien datamäärä lyhyellä ajalla riitä kertomaan konttorien osaamista.
![]() |
Kuvassa 4.8 esitettyä jakoa ei perustella eikä tarkisteta muulla tilastollisella menetelmällä. Tarkoituksena on vain auttaa data-analyysin alkutaipaleella ja löytää aiheita erilaisiin olettamuksiin, joita sitten voidaan tutkia muillakin menetelmillä. Toimipisteiden jaottelussa on ainakin seuraavat ongelmat, jotka tässä ohitettiin tai ratkaistiin ad hoc.