Einführung

Erweiterte Analyse - das Potenzial Ihrer Daten nutzen

Konzentrieren Sie sich in Ihren Untersuchungen auf einfache Summen, Durchschnitte, gleitende Durchschnitten oder Prozentanteile?

Wollen Sie mehr Techniken als Filterung, Gruppierung, Sortierung  einsetzen?

Nutzen Sie als grafische Darstellungen hauptsächlich Balken- oder Kreisdiagramme? 

Vielfalt der Methoden nutzen

Wir betreuen Kunden, die in Ihren Daten Muster und Trends erkennen wollen, die Prognoserechnung auf Basis vergangener Werte oder identifizierter Abhängigkeiten durchführen möchten und die das Potenzial Ihrer Daten größtmöglich ausschöpfen wollen. 

Dies ist auf Grundlage von statistischen Verfahren möglich und kann durch Data Mining-Verfahren erreicht werden.

Statistik und damit uni-/multi­variate Verfahren sind ein sehr um­fangreiches Gebiet, das nicht jeder Controller oder Marketing-Experte beherrschen oder gar vollständig einsetzen kann. Dazu gibt es zu viele fachliche Fragestellungen, mit denen Sie sich beschäftigen. Dennoch lohnt es sich, die Anwendung komplexer und fortgeschrittener Techniken zu überlegen, um qualitativ bessere Analysen durchzuführen und darüber verbesserte Erklärungen und Prognosen zu treffen.

Darstellung und Beschreibung

Einfache und geläufige Verfahren der deskriptiven Statistik sollten zum Standardrepertoire der Analyse gehören.

Analyse von Zusammenhängen

Im Rahmen der Regressionsanalyse  für eine abhängige Variable und mehrere unabhängige Variablen werden generalisierte lineare Modelle eingesetzt um dem Skalenniveaus  der abhängigen und unabhängigen Variablen Rechnung zu tragen. Dazu gehören z. B. die multiple lineare Regression, die Logistische Regression (Logit-Modell) und die Log-linearen Modelle.

Strukturen entdecken

Gehen Sie von Ihrem Vorwissen aus oder prüfen Sie es anhand der Daten? Kennen Sie die Strukturen, die sich in Ihren Daten verbergen, oder wissen Sie sie, freizulegen? Nutzen sie doch die folgenden Verfahren:

• Faktorenanalyse, Hauptkomponentenanalyse und die Korrespondenzanalyse zur Reduktion vieler Variablen auf wenige latente Konstrukte,
• Clusteranalyse zur Reduktion vieler Beobachtungen auf wenige Gruppen von Beobachtungen und
• Multidimensionale Skalierung zur Berechnung niedrigdimensionaler Konfigurationen aus Distanzen oder (Un-)Ähnlichkeiten zwischen Beobachtungen.

Strukturen prüfen

Haben Sie eine Idee oder eine Erwartung, wie die Zusammenhänge und Strukturen in Ihren Daten sein könnten oder sollten? Nutzen Sie die folgenden Verfahren für Ihre Überprüfung:

• Varianzanalyse, die eigentlich Mittelwertsunterschiede zwischen verschiedenen Gruppen prüft
• Konfirmatorische Faktorenanalyse, die vorgegebene Zusammenfassungen von vielen Variablen zu wenigen latenten Konstrukten überprüft
• Strukturgleichungsmodelle, die zusätzlich noch Regressionmodelle zwischen latenten Konstrukten zulässt

Darstellung und Präsentation

Nutzen Sie zurzeit die Diagramm-Arten, welche Ihnen Ihre Software anbietet oder die Sie besonders leicht erstellten können? - Es gibt eine Vielzahl von Diagrammarten und Möglichkeiten der grafischen Aufbereitung jenseits von Punktdiagramm, Liniendiagramm, Stabdiagramm, Säulendiagramm, Balkendiagramm oder Kreisdiagramm. Informationen und Daten lassen sich auch in anderen Diagrammtypen darstellen und passen möglicherweise besser zu Ihren Daten und Ihren Fragestellungen. Dazu zählen bspw.: Ringdiagramm, Blasendiagramm, Netzdiagramm, Zeigerdiagramm oder Pareto-Diagramm. Speziell für die statistische Analyse kann man noch weitere aufzählen wie Boxplot, Korrelogramm, Konzentrations-/Lorenzkurve oder Mosaikplot.

Ausgangspunkt für Erweiterungen

Hat man bereits ein Data Warehouse und damti eine zentrale Datenbasis,, kann man neben traditionellen Berichten bei Bedarf weitere Verfahrensweisen hinzunehmen.
 

• Data Mining: Mit Mitteln des Data Mining kann man sehr viel stärker explorative Datenanalyse betreiben und Muster und Trends in seinen Daten identifizieren. Data Mining kann hier  neue Verfahren liefern, die in einer eigenständigen Anwendung genutzt werden. Es ist jedoch ebenfalls möglich, eine Data Mining-Komponente in das bestehende Berichts- und Analysesystem zu integrieren und Ergebnisse direkt in Berichten oder für Auswertungen zu übernehmen.
• Expertensysteme: Geht es um bewertende Fragestellungen und die Unterstützung von Entscheidungen, so ist es auch möglich, ein auf ein selbst definiertes Regelsystem aufbauendes Expertensystem zu entwickeln. Dieses kann statische Verfahren oder Data Mining-Techniken enthalten.