Datenauswertung: Daten prüfen und richtig deuten

Eine Datenauswertung beginnt nicht mit einem Diagramm, sondern mit einer Frage. „Wie laufen unsere Kanäle?“ ist zu ungenau. „Welcher Kanal bringt die meisten Anfragen pro investiertem Euro?“ nennt dagegen eine Vergleichsgröße und zeigt, welche Entscheidung unterstützt werden soll.

Ein hilfreicher Ablauf besteht aus fünf Schritten:

1. Frage klären: Was genau möchtest du entscheiden oder erklären?
2. Daten auswählen und erfassen: Welche Merkmale brauchst du dafür?
3. Daten bereinigen: Sind Werte fehlend, doppelt, uneinheitlich oder unplausibel?
4. Daten auswerten und darstellen: Welche Kennzahl oder Grafik beantwortet die Frage?
5. Ergebnis einordnen: Was zeigt es, was zeigt es nicht und welche Handlung folgt daraus?

Der Ablauf ist nicht immer streng linear. Entdeckst du beim Auswerten einen Fehler, gehst du zur Bereinigung zurück.

Erhebe nur Daten, die zu deiner Frage beitragen. Für die Frage nach Anfragen pro investiertem Euro brauchst du mindestens den Kanal, die Zahl der Anfragen und die Ausgaben. Die Lieblingsfarbe der Kundinnen und Kunden hilft bei dieser Frage nicht.

Betrachte diesen Ausschnitt:

Hier fallen drei Dinge auf:

• Das Datum ist in zwei Formaten geschrieben.
• GmbH, gmbh und Gmbh können dieselbe Schreibweise meinen.
• Ein Wert fehlt.

Die ersten beiden Zeilen könnten Duplikate sein, müssen es aber nicht. Prüfe weitere Merkmale, bevor du eine Zeile löschst. Einen fehlenden Wert darfst du ebenfalls nicht automatisch als 0 deuten: „nicht erfasst“ und „keine Anfrage“ sind verschiedene Aussagen.

Der Mittelwert verteilt die Summe aller Werte rechnerisch gleichmäßig auf alle Datenpunkte.

$$\bar{x}=\frac{\text{Summe aller Werte}}{\text{Anzahl der Werte}}$$

Der Median ist der mittlere Wert einer sortierten Datenreihe. Bei einer geraden Anzahl nimmst du den Mittelwert der beiden mittleren Werte. Für $78, 82, 85, 95, 99, 105$ ist das:

$$\operatorname{Median}=\frac{85+95}{2}=90$$

Der Median reagiert weniger stark auf Ausreißer. Bei $4, 5, 6, 7, 30$ ist der Mittelwert $10{,}4$, der Median aber $6$. Der einzelne hohe Wert zieht den Mittelwert deutlich nach oben.

Eine Darstellung ist passend, wenn sie deine Frage schnell und unverzerrt beantwortet.

Beschrifte Achsen und Einheiten. Prüfe außerdem, ob alle verglichenen Gruppen und Zeiträume nach derselben Regel gebildet wurden.

In einer Tabellenkalkulation beziehen sich Formeln und Diagramme auf Zellen oder Zellbereiche. Änderst du einen Ausgangswert, werden Rechenergebnis und Diagramm über diese Referenzen automatisch aktualisiert. Trotzdem musst du prüfen, ob der referenzierte Bereich noch vollständig und richtig ist.

Steigen Eisverkäufe und Sonnenbrandfälle gleichzeitig, darfst du nicht folgern, Eis verursache Sonnenbrand. Eine weitere Größe könnte beide beeinflussen. Für eine Ursachenaussage brauchst du zusätzliche Belege und einen geeigneten Untersuchungsaufbau.

Auch die Auswahl der Daten begrenzt deine Aussage. Eine Population ist die gesamte Gruppe, über die du etwas wissen möchtest. Eine Stichprobe ist der tatsächlich untersuchte Teil. Nur wenn die Stichprobe passend ausgewählt und ausreichend aussagekräftig ist, sind vorsichtige Rückschlüsse auf die Population möglich. Fünf Kundenbewertungen allein tragen keine belastbare Aussage über alle Kundinnen und Kunden.

Kennzahlen brauchen außerdem einen Vergleich. Ein Umsatzplus von 20 % klingt gut. Wächst der gesamte Markt im selben Zeitraum um 40 %, kann das Unternehmen trotzdem Marktanteil verloren haben.