Arten der Datenanalyse - einige Grundlagen

Je nach Untersuchungsgegenstand wird die Art der Datenerhebung gewählt. Auch für die Datenanalyse gibt es unterschiedliche Methoden:

• Deskriptive Datenanalyse
• Explorative Datenanalyse
• Prädiktive Datenanalyse
• Diagnostische Datenanalyse
• präskriptive Datenanalyse

Grundlegende Kenntnisse über statistische Methoden sind unerlässlich: Was sind die unabhängigen Variablen in Ihrer Regressionsanalyse?

Natürlich sollten Sie die Art der Analyse wählen, bevor Sie mit der Datenanalyse beginnen.

Deskriptive Datenanalyse

Ziel der deskriptiven Datenanalyse ist es, die in einer Stichprobe gefundenen Daten anhand von Merkmalswerten zu beschreiben und in grafischer oder tabellarischer Form darzustellen. Bei dieser Darstellung der Daten geht es um einzelne Variablen und deren Merkmale.

Ziel ist es einerseits, die erhobenen und aufbereiteten Daten zu aussagekräftigen Tabellen, Messwerten, Grafiken etc. zusammenzufassen und andererseits zu prüfen, inwieweit sich die auf Basis einer Stichprobe gewonnenen Ergebnisse auf die eigentliche Grundgesamtheit übertragen lassen.

Die deskriptive Statistik steht oft am Anfang der Datenanalyse und wird oft mit anderen Methoden kombiniert. Es werden Daten aus der Vergangenheit analysiert, um Schlussfolgerungen zu ziehen. Bevor man seine eigentlichen Hypothesen testen kann, sollte man prüfen, ob die Variable der Stichprobe normalverteilt ist, z.B. ob das Alter oder das Geschlechterverhältnis das der Grundgesamtheit widerspiegelt.

Drei Hauptmaße werden zur Beschreibung der Daten verwendet:

• Streuungsmaße (z. B. Standardabweichung oder Varianz)
• Lageparameter (z. B. arithmetisches Mittel oder Median)
• Korrelationsmaße (z. B. Korrelationskoeffizient oder Kontingenzkoeffizient)

Explorative Datenanalyse

Die explorative Datenanalyse oder explorative Statistik ist ein Teilgebiet der Statistik. Sie untersucht und bewertet Daten, von denen nur wenig über ihre Beziehungen bekannt ist. Viele EDA-Techniken werden beim Data Mining eingesetzt.

Mit Hilfe geeigneter Darstellungen und Berechnungen werden die Daten auf Muster oder Beziehungen untersucht. Es wird versucht, interessante Informationen in den Daten zu finden, die bei einer einfachen deskriptiven Analyse nicht auf den ersten Blick erkennbar sind.

Prädiktive Datenanalyse

Die prädiktive Analyse umfasst eine Reihe von statistischen Techniken aus den Bereichen Data Mining, prädiktive Modellierung und maschinelles Lernen. Aktuelle und historische Daten werden analysiert, um Vorhersagen über zukünftige Ereignisse zu treffen. So können Kreditinstitute beispielsweise Vorhersagen über die Zahlungsfähigkeit potenzieller Kreditnehmer treffen.

Diagnostische Datenanalyse

Die diagnostische Analyse befasst sich speziell mit der Frage, warum etwas passiert ist. Durch den Vergleich historischer und anderer Daten, die Identifizierung von Mustern und die Aufdeckung von Beziehungen werden Ursachen oder gegenseitige Wechselwirkungen ermittelt. Die diagnostische Datenanalyse kann zur Lösung spezifischer Probleme eingesetzt werden, da sie die Grundursachen aufdeckt.

Vorhersagbare Datenanalyse

Die präskriptive Datenanalyse ist die komplexeste und kostspieligste Kategorie der Analyse. Sie bietet einen großen Mehrwert durch die Beantwortung der Forschungsfrage, z. B. wie die gesetzten Ziele erreicht werden können. Die präskriptive Datenanalyse basiert auf historischen und aktuellen Daten aus internen und externen Datenquellen. Sie nutzen die Ergebnisse der zuvor beschriebenen Analysekategorien. Die Vorhersagen werden kontinuierlich aktualisiert. Zum Einsatz kommen zum Beispiel Algorithmen des maschinellen Lernens und der künstlichen Intelligenz oder neuronale Netze.

Datenanalyse-Tools

Große Daten? Keine Bange! Datenanalytik kann abenteuerlich sein. Was Sie brauchen, sind klare Datenanalyseschritte und eine vernünftige Datenvisualisierung. Mit den richtigen Tools können Sie große Mengen an Rohdaten verarbeiten und datengesteuerte Prozesse optimieren.

Angenommen, Sie möchten Ihre Big-Data-Analyse ergänzen und tiefer gehen, um besser zu verstehen, was in den Daten vor sich geht. In diesem Fall können Sie sich auf ATLAS.ti als Ihr Go-to-Analysetool für qualitative und Mixed-Methods-Analysen verlassen. Probieren Sie es kostenlos aus.