Datenanalyse

Datenerhebung und Datenanalyse haben zuweilen gemeinsam, dass sie eher eratisch und wenig koordiniert, zuweilen ohne Plan durchgeführt werden. Wir wollen hier  nicht auf die fragwürdige Art eingehen, in der Daten manchmal gesammelt werden. Das tun wir an anderer Stelle. Wir wollen auch nicht die data-speek-to-me Ansätze hinterfragen, die sich gelegentlich finden. Deren ad-hoc Charakter spricht in der Regel eine deutliche Sprache.

Vielmehr wollen wir fragen: “Was wird gewöhnlich mit den gesammelten Daten, mit den Daten der Mitarbeiterbefragung, der Kundenbefragung usw. getan? 

Ein Blick in die quantitative Realität zeigt ein monotones und zum Teil erschreckendes Bild:

  • Am häufigsten wird univariat analysiert;
    • Manchen stellt sich die Frage: “Was tun mit den Daten?” nur am Rande. Denn: Sie kommen nie über eine univariate Analyse hinaus. Balkendiagramme oder ein Tortendiagramm können sinnvoll sein, und sie sind es dann, wenn damit ein Eindruck über die Verteilung von Antworten (oder von Datenkategorien) vermittelt werden soll. Aber mehr Information lässt sich aus ihnen nicht herauspressen. Univariate Verteilungen, z.B. die Höhe der Steuereinnahmen in Deutschland seit 1984, beschreiben, sie vermitteln keinen Zusammenhang.
  • Bivariate Analysen sind auch verbreitet;
    • Einige haben sich zu der Erkenntnis vorgearbeitet, dass man auch Zusammenhänge zwischen zwei Variablen untersuchen kann. Derartige bivariate Analysen sind wichtig, aber man darf nicht vergessen, dass damit Zusammenhänge beschrieben werden.
  • Multivariate Analysen sind die Ausnahme
    • Schliesslich gibt es noch die Riege derer, die multivariat analysieren. Sie nutzen Verfahren, deren Namen bereits “Respekt” einflösen und zuweilen sonnen sie sich darin, dass sie die entsprechenden Verfahren zumindest im Menu von SPSS bedienen können.

Bei den Respekt einflösenden Verfahren, die in der Regel nicht ohne Darstellung der Formel bleiben, die im jeweiligen Verfahren zur Anwendung kommt, handelt es sich z.B. um:

  • Logit- oder Probitmodelle
  • Lineare Regression
  • Logistische Regression
  • Diskriminanzanalyse
  • Conjoint-Analyse
  • Faktorenanalyse
  • Pfadanalyse
  • Ereignisdatenanalyse
  • Clusteranalyse

Wo kommt der Respekt vor multivariater Statistik her? Statistik ist angewendete Mathematik. Regressionen, werden z.B. wie folgt berechnet:

regression

Eine solche Gleichung schafft nicht nur Respekt, sie reicht zuweilen als Anlass, um eine ablehehnende Haltung gegenüber multivariaten Analysen einzunehmen. Die Ablehnung findet ihren Niederschlag in Aussagen wie:

  • Das ist zu komliziert.
  • Das versteht niemand.
  • Das kann man nicht darstellen.
  • Das kann man nicht vermitteln.

theres more than piesAber: Multivariates muss nicht kompliziert sein, und multivariate Analysen bringen deulich mehr Informationen als univariate oder bivariate Analysen. Warum sind multivariate Analysen dennoch so selten, warum finden sich statt dessen  univariate und bivariate Diagramme? Die Antwort auf diese Frage ist einfach: Um sinnvoll multivariat auswerten zu können, benötigt man eine Hypothese, eine Erwartung, die die Datenanalyse anleitet und die Ergebnisse mit Sinn füllen kann. Anders formuliert: Man kann nicht einfach drauflos analysieren, wie man dies bei univariaten und selbst bei bivariaten Darstellungen in der Regel kann.

Wir stellen eine Verbindung zwischen  Theorien und ihren Daten her und füllen ihre Daten so mit Sinn, dass er multivariater Prüfung zugänglich ist. Testen Sie unser Angebot:

  • Wir verstehen die Mathematik hinter den Analysen.
  • Wir wissen welche Analysemethoden für welche Daten geeignet sind.
  • Wir können Daten nicht nur analysieren, wir können die Ergebnisse auch verständlich darstellen.
  • Wir holen aus Ihren Daten die Informationen, nach denen Sie vielleicht vergeblich gesucht haben.

Wenn Sie also

  • Daten haben, aber nicht wissen, was Sie damit tun sollen,
  • Balken- oder Tortendiagramme einfach nicht mehr sehen können,
  • denken, dass Ihre Daten relevantere Zusammenhänge enthalten als den zwischen Körper- und Schugröße oder
  • multivariate Ergebnisse nicht nur produzieren, sondern auch vermitteln wollen,

dann wenden Sie sich mit dem nachfolgenden Kontaktformular an uns.

Ein Blick auf die Realität der Auswertung mit qualitativen Befragungsmethoden gewonnener Daten, ergibt kein besseres Bild. Regelmäßig folgt den großen Erwartungen, wie sie mit Verweisen auf Grounded Theory, Qualitative Inhaltsanalyse oder Verfahren der rekonstruktiven Sozialforschung erweckt werden, die karge Niederung willkürlicher und unsystematischer Datenanalyse, deren einzige Gewissheit darin besteht, dass ein anderer Bearbeiter der Daten zu einem anderen Ergebnis gekommen wäre. Auch das muss nicht sein. Eine Mail an uns genügt, und wir zeigen ihnen, welche systematischen Erkenntnise man selbst aus qualitativen Daten gewinnen kann.