Methoden: Datenerhebung und dann?

Daten erheben ist in. Umfragen sind in. Umfragen unter Mitarbeitern, unter Kunden, unter potentiellen Kunden, unter ehemaligen Kunden sind in. Umfragen produzieren Daten, viele Daten, und je nach Anzahl der Fragen werden die Daten schnell bis ganz schnell ganz unübersichtlich.

Was also tun, mit der siebenstufigen Einschätzung der Kunden-/Mitarbeiter- oder sonstigen Zufriedenheit?
Was tun, mit der Aussage, dass 74% der Befragten, die Firma weiterempfehlen würden?
Was tun, wenn die Internetseite zwar als übersichtlich bezeichnet, aber dennoch insgesamt negativ bewertet wird?

Die Fragen sind leicht zu beantworten, jedenfalls dann und nur dann, wenn man die Daten auf der Grundlage von theoretischen Ideen gesammelt hat. Aber: Die meisten Daten werden nicht auf der Grundlage von theoretischen Ideen gesammelt, sondern

  1. weil die Konkurrenten auch Daten gesammelt haben und es gut ist, für die benchmark;
  2. weil Datensammeln in ist;<(li>
  3. weil der neue Leiter der Marketingabteilung an der Universität einen Professor hatte, der seinerseits große Stücke (argumentum ad auctoritatem) auf das Sammeln von Daten gehalten hat;
  4. oder: weiss nicht;

Aber hat man erst einmal das viele Geld für die vielen Daten ausgegeben, dann will, dann muss man auch Erkenntnisse, neue Erkenntnisse, in den Daten finden. Es ist erstaunlich, dass diese Suche nach Erkenntnis, in der Mehrzahl der Fälle bei Torten- und Balkendiagrammen endet. Die meisten Verantwortlichen scheinen damit zufrieden zu sein, dass 53% ihrer Mitarbeiter angeben “zufrieden” mit ihrer Arbeit zu sein, während nur 47% angeben “unzufrieden” zu sein. Beide Prozentwerte in einem Balkendiagramm wirken zwar zumeist plump, aber es gibt kaum ein darstellerisches Problem, das man mit PowerPoint nicht lösen könnte.

Nur: der schöne PPT-Schein ändert nichts daran, dass die meisten Datenauswertungen auf nicht einmal einem Achtel der möglichen Erkenntnis basieren. Er ändert nichts daran, dass die meisten Datenauswertungen hektische und induktive Ergebnisproduktionen darstellen, die weitgehend willkürlich und somit ohne Erkenntniswert sind. Und er ändert nichts daran, dass deskriptive Ergebnisse zwar schön anzusehen sind, aber wenig über die Wirklichkeit, über die Gründe, die hinter der dargestellten Wirklichkeit stehen, aussagen. Eine solche Datenauswertung entspricht dem Abschlecken des Deckels des Joghurt-Bechers, während der Inhalt des Bechers weg geworfen wird.

Die Auswertung von Daten benötigt ein theoretisches Fundament und nicht nur die Auswertung der Daten, bereits das Sammeln von Daten muss theoretisch angeleitet sein. Schon weil man nicht einfach ins “Feld” gehen und Fragen stellen kann. Man muss sich die beste Formulierung für Fragen überlegen. Man muss sich überlegen, was man eigentlich wissen will und ob die Fragen dazu geeignet sind, genau das zu erfahren, was man wissen will. Scharen empirischer Sozialforscher haben sich Jahrzehnte lang mit der Methode der Befragung in quantitativer und qualitativer Form befasst, haben Rezepte zur Herrstellung standardisierter, halbstandardisierter oder offener Interviews aufgestellt, die Validität und Reliabilität gewährleisten sollen. Hinzu kommt die Vielzahl der Frageformen, die ersonnen wurden, um auf objektive und z.B. nicht suggestive Art und Weise auch Antworten zu erhalten, auf die man mit seinen Fragen abzielt, offene Fragen ohne Antwortalternativen, geschlossene Fragen mit klaren Vorgaben und vieles mehr. All die Methoden der empirischen Sozialforschung, die sich in einer Vielzahl von Büchern niedergeschlagen haben, wurden nicht ersonnen, damit Fragewütige einfach ins Feld gehen und Fragen stellen, die ihnen in den Sinn gekommen sind, sondern um zu gewährleisten, dass valide und reliable Daten am Ende einer Befragung stehen, Daten, auf deren Grundlage nützliche Antworten gegeben werden können und Daten, die sich nicht im Torten- oder Balkendiagramm erschöpfen.

Mit dem richtigen, dem theoretisch angeleiteten Datensammeln enden die Probleme nicht, denn Daten wollen nicht nur richtig gesammelt, sie wollen auch richtig ausgewertet werden. Und dazu braucht es abermals die oben bereits angesprochene theoretische Fundierung. Das Wissen, um die Zufriedenheit der Arbeiter oder um deren Unzufriedenheit ist nichts wert, wenn man nicht weiß warum sie zufrieden sind.

Das Wissen, dass Kunden das eigene Unternehmen weiterempfehlen würden, ist nichts wert, wenn man nicht weiß warum, unter welchen Umständen und wen ansonsten, sie noch weiterempfehlen werden.

Das Wissen darüber dass eine als übersichtlich bezeichnete Internetseite “im Allgemeinen” nicht gut bewertet wird, bleibt unverständlich, wenn man nicht weiß warum eine positive Bewertung der Übersichtlichkeit dennoch nichts an der negativen Bewertung des allgemeinen Erscheiungsbildes ändert.

Um Warum-Fragen zu beantworten, benötigt man eine Theorie. Man benötigt Ideen darüber, wie bestimmte Einstellungen, Handlungen oder Handlungsdispositionen bei Menschen zusammenhängen. Welche Faktoren, affektiver oder kognitiver Art, beeinflussen z.B. die Arbeitszufriedenheit? Von welchen Randbedingungen hängt es ab, ob Kunden ein Unternehmen weiterempfehlen, und was sagt eine enstprechende Empfehlung aus? Welche Zusammenhänge bestehen zwischen unterschiedlichen Bewertungen, welche affektiven und kognitiven Hierarchien sind für die entsprechenden Bewertungen verantworlich?

In diesem Sinne ist das Bonmot von Kurt Lewin: “Es gibt nichts Praktischeres als eine gute Theorie” zu verstehen. Nur wer Warum-Fragen nicht nur stellt, sondern auch beantwortet, hat mit seiner Datenerhebung und seiner Datenanalyse etwas erreicht. Nur wer Theorien kennt, die das Zustandekommen menschlichen Handelns, das Zustandekommen und die Wirkung menschlicher Bewertungen erklären, kann sinnvoll Daten analysieren, und auf den Grund dessen vorstoßen, was gewöhnlich in der Langeweile von Tortendiagrammen untergeht, nur derjenige kann aus den vielen Daten, die er gesammelt hat, einen praktischen Nutzen, etwas, was ihm im alltäglichen Firmendasein weiterhilft, gewinnen.

Fragen Sie uns! Wir helfen Ihnen weiter, denn wir verfügen über das theoretische und das methodische Wissen, um aus Daten Erkenntnisse und Nutzen zu gewinnen.