Datenanalyse

Datenanalyse ist die systematische Auswertung von Daten, um eine konkrete Frage zu beantworten. Wie viel kostet mein Kaffee inzwischen pro Kilo? Auf dem Kassenzettel steht, was du für die Packung bezahlt hast. Erst zusammen mit dem Packungsgewicht ergibt der Preis eine Kennzahl, mit der du zwei Einkäufe vergleichen kannst. Schon eine Zeile in einer Tabelle kann eine andere Antwort liefern als der Blick auf das Preisschild.

Was ist Datenanalyse?

Welche Fragen kann eine Datenanalyse beantworten?

Eine Datenanalyse kann zeigen, wie häufig etwas vorkommt, wie sich ein Wert verändert oder welche Merkmale miteinander zusammenhängen. Welche Aussage am Ende möglich ist, hängt davon ab, was eine Beobachtung im Datensatz darstellt. Auf einem Kassenbon steht meist eine Zeile je gekaufter Produktposition. Eine Zeile mit zwei Packungen Kaffee zählt als ein Kaufvorgang für diesen Artikel, aber als zwei verkaufte Packungen. Für die Frage nach der Einkaufsmenge musst du die Stückzahlen summieren.

Auch zwei ähnlich klingende Fragen können verschiedene Daten verlangen. „Was habe ich pro Kilo bezahlt?“ lässt sich aus deinen Einkäufen berechnen. Für „Welches Geschäft bietet den günstigsten Kaffee an?“ brauchst du zusätzlich Preise der Geschäfte, in denen du keinen Kaffee gekauft hast. Auf deinen Bons erscheint nur der Teil des Angebots, für den du dich bereits entschieden hast.

Quantitative und qualitative Datenanalyse

Die quantitative Datenanalyse arbeitet mit messbaren Größen und Häufigkeiten. Eine Auswertung kann etwa ergeben, dass von 80 befragten Personen 24 die Kaffeemarke gewechselt haben. Das sind 30 Prozent der Befragten. Welche Rolle Geschmack oder Preis bei dieser Entscheidung gespielt haben, geht aus der Zahl allein noch nicht hervor.

Für die qualitative Datenanalyse kannst du dieselben Personen fragen, was den Ausschlag für den Wechsel gab. Ihre Antworten liefern Unterschiede, die in einer vorgegebenen Auswahl leicht verschwinden. „Ich wollte weniger ausgeben“ und „Bei gleicher Packungsgröße hätte ich mehr bezahlt“ berühren beide den Preis, beschreiben aber verschiedene Kaufentscheidungen. In einer kombinierten Auswertung zeigt die Befragung, wie verbreitet der Wechsel war. Die offenen Antworten helfen dir, die Gründe genauer zu verstehen.

Welche Arten der Datenanalyse gibt es?

Die vier häufig verwendeten Analysearten unterscheiden sich nach dem Ziel der Auswertung. Dieselben Preisdaten können für eine Beschreibung ausreichen und für eine Prognose zu kurz sein. Die Leitfrage bestimmt, ob du weitere Daten erheben oder ein anderes Verfahren wählen musst.

Für die diagnostische Analyse lohnt sich eine Unterscheidung. Wie viel von einer Preisänderung rechnerisch auf das geringere Gewicht entfällt, lässt sich aus den Packungsangaben ableiten. Warum der Hersteller die Packung verkleinert hat, erfordert zusätzliche Belege. Wer mehrere Erklärungen prüfen möchte, findet ein Vorgehen dafür in der Root-Cause-Analyse.

Bei der prädiktiven Datenanalyse kommt es darauf an, wie gut die Prognose für neue Beobachtungen ausfällt. Du kannst ein Modell mit früheren Monatspreisen anpassen und seine Prognose mit den tatsächlich beobachteten Preisen der Folgemonate vergleichen. Als Vergleichswert dient eine einfache Vorhersage, etwa der Preis des letzten Monats. Erst bei der präskriptiven Analyse kommt das Entscheidungskriterium hinzu. Im Kaffeebeispiel suchst du die Kombination aus ganzen Packungen mit den geringsten Gesamtkosten, die deinen Bedarf deckt und in den Vorratsschrank passt.

Wie führt man eine Datenanalyse durch?

Fragestellung und Vergleichsmaßstab festlegen

Formuliere die Frage so, dass klar ist, was du am Ende ausrechnen oder beschreiben willst. Für den Kaffee lautet sie zunächst „Wie hat sich der bezahlte Preis pro Kilogramm bei derselben Sorte zwischen meinen beiden Einkäufen verändert?“ Damit stehen Produkt, Kennzahl und Vergleichszeitpunkte fest. Der erste Kauf liefert den Ausgangswert für die prozentuale Veränderung.

Lege außerdem die Beobachtungseinheit fest. Für einen Preisvergleich ist eine gekaufte Produktposition sinnvoll. Für die Frage, wie viel ein Haushalt pro Monat ausgibt, brauchst du Monatssummen über alle zugehörigen Einkäufe. Eine besonders teure Packung hat in diesen Auswertungen ein unterschiedliches Gewicht.

Datenquellen auswählen und Daten erheben

Erfasse für jede Produktposition das Kaufdatum, die Sorte, die Anzahl der Packungen, das Gewicht je Packung und den tatsächlich bezahlten Betrag. Ein Foto der Verpackung kann das Gewicht ergänzen, wenn es auf dem Beleg fehlt. Vermerke, ob der Einkauf ein Sonderangebot war. So kannst du später entscheiden, ob du alle bezahlten Preise oder gezielt reguläre Preise vergleichen möchtest.

Ein kleines Datenwörterbuch hält fest, was in jeder Spalte steht. Heißt „Preis“ der Einzelpreis vor Rabatt oder der bezahlte Betrag für die gesamte Position? Bei einem Kauf von vier Packungen führt diese Unterscheidung sonst schnell zu einem Fehler um den Faktor vier.

Daten bereinigen und vergleichbar machen

Rechne Gewichte in dieselbe Einheit um, bevor du Preise durch Mengen teilst. Prüfe auffällige Einträge am Originalbeleg. Eine Kombination aus Datum, Geschäft und Betrag, die zweimal vorkommt, kann auf einen doppelt importierten Bon hinweisen. Es können aber auch zwei echte Einkäufe sein. Eine Belegnummer oder die Uhrzeit hilft bei der Entscheidung.

Bewahre die Rohdaten auf und nimm Korrekturen in einer Arbeitskopie vor. Ein kurzer Vermerk wie „Gewicht laut Verpackung von 0,4 Gramm auf 0,4 Kilogramm korrigiert“ erklärt die Änderung auch später noch. Fehlende Angaben bleiben als fehlend gekennzeichnet. Für eine Position ohne Gewicht kannst du die Ausgabe erfassen und den Kilopreis offenlassen.

Daten auswerten und Muster visualisieren

Berechne zuerst die Kennzahl, die deine Frage beantwortet. Bei zwei Einkäufen genügt eine Tabelle mit Gewicht, bezahltem Betrag und Kilopreis. Bei mehreren Monaten macht ein Liniendiagramm den zeitlichen Verlauf sichtbar. Trage das Datum auf der waagerechten Achse und Euro je Kilogramm auf der senkrechten Achse ein. Markierte Aktionskäufe lassen erkennen, ob ein besonders niedriger Wert mit einem Rabatt zusammenfällt.

Eine erste Durchsicht heißt explorative Datenanalyse. Du suchst Auffälligkeiten und formulierst mögliche Erklärungen. Entdeckst du etwa niedrigere Preise am Wochenende, kannst du diese Vermutung an weiteren Wochen prüfen. Besonders aussagekräftig wird die Prüfung, wenn du vorher festlegst, welche Produkte und Geschäfte in den Vergleich eingehen.

Ergebnisse interpretieren und die Frage beantworten

Nenne im Ergebnis den Bezugswert, die beobachtete Veränderung und den Zeitraum. „Für meine übliche Sorte habe ich beim zweiten Einkauf zehn Prozent mehr pro Kilo bezahlt“ lässt sich anhand der beiden Belege überprüfen. Ob auch andere Sorten teurer geworden sind, ist eine eigene Analysefrage. Für sie wäre ein Datensatz mit mehreren vergleichbaren Produkten nötig.

Quelle: datenbasiert.de

Welche Methoden der Datenanalyse gibt es?

Willst du wissen, wie teuer dein Kaffee im Durchschnitt war, ob sein Preis über Monate gestiegen ist oder warum jemand die Marke gewechselt hat? Für jede dieser Fragen brauchst du ein anderes Verfahren. Die folgenden zehn Methoden unterscheiden sich vor allem darin, welche Antwort sie aus den verfügbaren Daten gewinnen.

Deskriptive Statistik

Die deskriptive Statistik beschreibt die beobachteten Daten. Angenommen, fünf Kilopreise betragen 4,90, 5,00, 5,00, 5,10 und 9,00 Euro. Ihr arithmetischer Mittelwert liegt bei 5,80 Euro. Der Median, also der mittlere Wert der sortierten Reihe, beträgt 5,00 Euro. Die große Differenz zwischen Median und Mittelwert ist hier ein Anlass, den Kauf für 9,00 Euro genauer anzusehen.

Für den tatsächlich bezahlten Durchschnittspreis je Kilo zählt auch die Einkaufsmenge. Addiere alle bezahlten Beträge und teile die Summe durch das gesamte gekaufte Gewicht. So erhält ein Einkauf von zwei Kilo das vierfache Gewicht eines Einkaufs von 500 Gramm. Beim einfachen Mittelwert der beobachteten Kilopreise hätte jeder Einkauf denselben Einfluss.

Gruppenvergleiche und Kreuztabellen

Eine Kreuztabelle zählt, wie oft Kombinationen von Merkmalen vorkommen. In Geschäft A waren 12 von 20 Kaffeekäufen Sonderangebote, in Geschäft B 16 von 40. Geschäft B hat in deinen Daten mehr Aktionskäufe. Ihr Anteil beträgt dort jedoch 40 Prozent, in Geschäft A sind es 60 Prozent. Welche Kennzahl passt, hängt davon ab, ob du wissen willst, wo du häufiger Sonderangebote gekauft hast oder bei welchem Anteil deiner Einkäufe du einen Rabatt bekommen hast.

Zeitreihenanalyse

Eine Zeitreihe ordnet Messwerte nach dem Zeitpunkt. Mit wöchentlichen Kilopreisen lassen sich kurzfristige Schwankungen von länger anhaltenden Veränderungen unterscheiden. Wenn du nur an Aktionstagen Kaffee kaufst, bildet die Reihe allerdings deine Einkaufsgewohnheiten mit ab. Für den regulären Ladenpreis wäre eine Erhebung an einem festen Wochentag sinnvoller. Eine Lücke im Diagramm macht Wochen ohne Beobachtung sichtbar.

Korrelationsanalyse

Mit der Korrelationsanalyse untersuchst du beispielsweise, ob größere Packungen tendenziell einen niedrigeren Kilopreis haben. Ein Streudiagramm zeigt für jede Packung Gewicht und Kilopreis als Punkt. Der Pearson-Korrelationskoeffizient beschreibt Stärke und Richtung des linearen Zusammenhangs. Ein Wert nahe null kann trotzdem mit einem gekrümmten Muster einhergehen. Deshalb lohnt sich der Blick auf das Diagramm vor der Interpretation der Kennzahl.

Regressionsanalyse

Eine Regressionsanalyse schätzt, wie eine Zielgröße mit einem oder mehreren Merkmalen zusammenhängt. Für die Zielgröße Kilopreis könntest du Packungsgewicht, Marke und Aktionsstatus berücksichtigen. Der geschätzte Zusammenhang mit dem Gewicht beschreibt dann Unterschiede bei gleichem Aktionsstatus und gleicher Marke gemäß dem gewählten Modell. Wenn eine Marke ausschließlich kleine Packungen verkauft und eine andere ausschließlich große, lassen sich Marken- und Größeneffekte anhand dieser Daten schwer trennen.

Hypothesentests und Konfidenzintervalle

In einem A/B-Test sehen zwei zufällig zugeteilte Gruppen unterschiedliche Preisdarstellungen. Angenommen, von jeweils 1.000 Personen kaufen in Gruppe A 100 und in Gruppe B 120 Personen. Die Kaufquoten betragen 10 und 12 Prozent. Der geschätzte Unterschied liegt bei zwei Prozentpunkten.

Ein Hypothesentest prüft, wie gut das Ergebnis mit einer festgelegten Nullhypothese vereinbar ist, etwa mit gleichen Kaufwahrscheinlichkeiten. Ein Konfidenzintervall zeigt die Unsicherheit der geschätzten Differenz. Hier ergibt ein einfaches statistisches Näherungsverfahren für unabhängige Gruppen ein 95-Prozent-Intervall von rund −0,7 bis +4,7 Prozentpunkten. Zu den Daten passen also sowohl ein leichter Nachteil als auch ein Vorteil von mehreren Prozentpunkten. Für die Entscheidung über eine Umstellung ist diese Spannweite oft informativer als der beobachtete Vorsprung allein.

Clusteranalyse

Die Clusteranalyse fasst Beobachtungen mit ähnlichen Merkmalen zusammen. Du könntest Haushalte nach Kaffeemenge pro Monat und Anteil der Aktionskäufe gruppieren. Die Gruppen ergeben sich aus den Daten. Schon die Einheit beeinflusst das Ergebnis bei einem distanzbasierten Verfahren. In Gramm ausgedrückte Mengen können die Distanz stärker bestimmen als Anteile auf einer Skala von null bis eins. Prüfe deshalb vorab die Skalierung und danach, ob sich die gefundenen Gruppen inhaltlich sinnvoll beschreiben lassen.

Klassifikation mit Entscheidungsbäumen

Bei der Klassifikation stehen die gesuchten Kategorien vorher fest. Ein Kundendienst möchte Anfragen den Themen Lieferung, Rechnung und Rückgabe zuordnen. Dafür braucht er bereits korrekt gekennzeichnete Beispiele. Ein Entscheidungsbaum lernt aus deren Merkmalen Regeln für die Zuordnung. Prüfe seine Vorhersagen an separat zurückgehaltenen Anfragen. Eine Auswertung je Kategorie zeigt, ob das Modell auch seltene Rückgaben erkennt oder vor allem beim häufigsten Thema richtigliegt.

Anomalieerkennung

Die Anomalieerkennung sucht Beobachtungen, die ungewöhnlich weit vom erwarteten Muster abweichen. Ein Kilopreis von 55 Euro zwischen lauter Werten um 5 Euro verdient einen zweiten Blick. Vielleicht wurde eine Dezimalstelle verschoben. Vielleicht enthält die Tabelle neben gewöhnlichem Filterkaffee eine Spezialität. Der Originalbeleg und die Produktbeschreibung entscheiden, ob du einen Wert korrigierst, einer anderen Gruppe zuordnest oder als echten Ausnahmefall beibehältst.

Qualitative Inhaltsanalyse

Die qualitative Inhaltsanalyse wertet Textmaterial anhand nachvollziehbarer Kategorien aus. Auf die Frage nach dem Grund für einen Markenwechsel schreibt eine befragte Person „Die andere Sorte schmeckt mir genauso gut und ist häufiger im Angebot.“ Die Passage enthält Hinweise auf Geschmack und Preis. Eine Codierregel legt fest, ob beide Kategorien vergeben werden und wie du beiläufige Erwähnungen von ausdrücklich genannten Kaufgründen unterscheidest.

Halte zu jeder Kategorie ein Beispiel fest. Wenn mehrere Personen codieren, können sie zuerst dieselben Antworten bearbeiten und unterschiedliche Zuordnungen besprechen. Bei der späteren Auswertung bleibt nachvollziehbar, ob „Preis“ den niedrigeren Grundpreis, einen Rabatt oder lediglich das Gefühl eines guten Angebots bezeichnet.

Datenanalyse – Beispiel mit Rechnung

Welche Daten braucht der Preisvergleich?

Für das vereinfachte Beispiel vergleichen wir zwei fiktive Einkäufe derselben Kaffeesorte im selben Geschäft, jeweils eine Packung zum regulären Preis. Die ersten vier Spalten enthalten die Ausgangsdaten. Die letzte Spalte entsteht erst durch die Berechnung.

Wie verändert sich der Preis pro Kilogramm?

Teile den Packungspreis durch das Gewicht in Kilogramm. Im April ergeben 2,50 Euro geteilt durch 0,5 Kilogramm einen Kilopreis von 5,00 Euro. Im Mai ergeben 2,20 Euro geteilt durch 0,4 Kilogramm einen Kilopreis von 5,50 Euro.

Für die prozentuale Veränderung beziehst du die Differenz auf den ersten Wert. An der Kasse bezahlst du 0,30 Euro weniger je Packung. Bezogen auf die ursprünglichen 2,50 Euro ist das ein Rückgang um 12 Prozent. Der Kilopreis steigt hingegen um 0,50 Euro. Bezogen auf 5,00 Euro sind das genau 10 Prozent. Der Unterschied erklärt sich aus der Füllmenge, die von 500 auf 400 Gramm und damit um 20 Prozent gefallen ist.

Welche Schlussfolgerung erlauben die Daten?

Wer weiterhin ein Kilo dieser Sorte verbraucht, muss zum neuen Preis mit 50 Cent Mehrkosten je verbrauchtem Kilo rechnen. Wer bei einem Einkauf jeweils eine Packung mitnimmt, bezahlt diesmal weniger und nimmt 100 Gramm weniger mit nach Hause. Beide Ergebnisse stimmen. Sie beantworten verschiedene Fragen.

Auch der Durchschnitt über beide Käufe lässt sich überprüfen. Insgesamt hast du 4,70 Euro für 900 Gramm bezahlt. Das ergibt rund 5,22 Euro pro gekauftem Kilo. Das einfache Mittel der beiden Kilopreise beträgt 5,25 Euro und beschreibt den Durchschnitt der zwei Preisbeobachtungen. Für die Frage nach den gesamten Lebensmittelausgaben müsstest du zusätzlich die übrigen Produkte und Einkaufsmengen erfassen.

Quelle: datenbasiert.de

Welche Tools eignen sich für die Datenanalyse?

Für den Preisvergleich genügt eine Tabellenkalkulation. Lege eine Spalte für das Gewicht in Gramm und eine für den Packungspreis in Euro an. Steht das Gewicht in C2 und der Preis in D2, berechnet =D2/(C2/1000) den Kilopreis. Die Formel lässt sich für jede weitere Produktzeile übernehmen. Welche Software danach sinnvoll ist, richtet sich vor allem nach der Aufgabe und danach, wie oft du die Auswertung wiederholen willst.