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.