Aus Daten klug werden – Datenanalyse

Um aus den vielen Daten, die im (Berufs-)Alltag generiert werden, tatsächlich etwas zu lernen, gibt es bestimmte Verfahren. Dazu zählt auch die Datenanalyse.

Klicke Schritt für Schritt auf die Grafiken, um die fünf Stufen der Datenanalyse kennenzulernen.

Datenmanagement
Schritt 1 – Zieldefinition Folgende Fragen sollten für die Datenanalyse beantwortet werden:

  • Was ist das Ziel der Analyse?
  • Welche Daten können erhoben werden, um dieses Ziel bestmöglich zu erreichen?
  • Welche Vermutungen bestehen über die Ergebnisse der Datenanalyse?

Achtung: Vermutungen und Thesen zu entwickeln ist ein wichtiger Schritt. Diese im Laufe der Analyse zu hinterfragen und auch andere Ergebnisse zu akzeptieren, ist jedoch fast noch wichtiger.

Schritt 2 – Sammeln der Daten Nachdem das Ziel feststeht, wird die Datengrundlage ausgewählt:

  • Welche Daten stehen als Quelle zur Verfügung?
  • Welche Qualität haben die zur Verfügung stehenden Daten?
  • Gibt es einen Bedarf an weiterführenden Informationen? Wie könnten diese Daten zusätzlich erhoben werden?

Wichtig hierbei ist es, diesen Schritt gut zu dokumentieren, sodass er auch in Zukunft nachvollziehbar ist. So kann in einer erneuten Analyse immer wieder an das bestehende Wissen angeknüpft werden.

Schritt 3: Datenverarbeitung Tatsächlich geht es in diesem Schritt erst richtig los mit der Analyse. Auch hier hilft eine Leitfrage dabei, strukturiert vorzugehen: Ist sichergestellt, dass die Analyse ein weiteres Mal durchgeführt werden kann? Dazu gibt es eine Vielzahl an Werkzeugen, wie zum Beispiel klassische Tabellenkalkulationsprogramme. Diese werden mehr und mehr von komplexeren Vorgehensweisen abgelöst. Die Computersprache SQL beispielsweise ist speziell dazu gemacht, Datenbanken auszulesen.
Schritt 4: Visualisierung der Daten Hast du schon mal mit einer Tabelle voller Daten gearbeitet? Wenn ja – wie übersichtlich war diese und könnte eine fremde Person ohne weitere Erläuterungen etwas damit anfangen? Häufig ist dies nicht der Fall, denn je größer die ausgewertete Datenmenge wird, desto schwieriger ist die Auswertung. Genau dabei helfen Visualisierung! Hier sollte man sich fragen:

  • Welche Reihenfolge ergibt für die Anordnung der Informationen Sinn?
  • Welche Darstellungsformen unterstreichen die jeweiligen Ergebnisse? (z.B. Balken-, Kreisdiagramme)
  • Bedarf es zusätzlicher Informationen, die das Erschließen der Information erleichtert oder erst ermöglicht? (z.B. Legende)
Schritt 5: Interpretation der Daten Erinnerst du dich an Schritt 1? Hier sollten Vermutungen und Thesen zum Ausgang der Analyse aufgestellt werden. Diese können nun als Leitfaden dienen, sollten aber stets hinterfragt werden.

  • Lässt sich die Ausgangsthese bestätigen?
  • Welche Daten sind besonders auffällig?
  • Auf welche möglichen nächsten Schritte lassen die Ergebnisse der Datenanalyse schließen?
  • Zeigt die Analyse den Bedarf weiterer und/oder anderer Analysen auf?
Machine Learning Mit der sich immer weiter verbessernden Technologie werden auch die Berge an Daten immer größer, die für Analysen zur Verfügung stehen. Daher wird auch im Bereich der Datenverarbeitung- und analyse nach immer neuen Wegen gesucht. Machine Learning, zu Deutsch maschinelles Lernen, unterstützt unsere menschlichen Gehirne und Denkleistungen, indem es beispielsweise bei der Auswahl der Daten hilft, welche analysiert werden sollen. Machine Learning als Teil der Künstlichen Intelligenz (KI) ist mittlerweile wichtiger Bestandteil in Alltag und Beruf.