Haben Sie jemals in einer Besprechung gesessen, in der jemand die Ergebnisse einer Datenanalyse präsentiert hat, die Sie nicht ganz verstanden haben, aber haben dann nicht nachgefragt, weil es anscheinend für alle anderen klar war? Wenn Ihnen das bekannt vorkommt, sollten Sie sich etwas Zeit nehmen, um Ihre Datenkompetenz zu verbessern.

Datenkompetenz ist die Fähigkeit, sinnvolle Informationen aus Daten abzuleiten. Und auch wenn Sie dafür zumindest ein grundlegendes Verständnis der Mathematik und Statistik mitbringen müssen, gibt es glücklicherweise viele ausgezeichnete Werkzeuge und Ressourcen, auf die Sie zurückgreifen können. Wenn Sie Daten als Grundlage für Entscheidungen nutzen, ist es wichtig, Visualisierungen, die Begrifflichkeiten und die Sprache der Statistik zu verstehen.

Dabei kann es sich um einfache Fragen wie die Bedeutung von „Streuung“, aber auch um komplexe Sachverhalte wie die Nutzung eines Entscheidungsbaums zum Erarbeiten von Maßnahmen handeln. Und natürlich setzt dies voraus, dass die Analysen auf genauen Daten basieren. Datenkompetenz bedeutet nicht, dass Sie wissen, wie Daten analysiert werden. Vielmehr geht es darum, die Analysen zu verstehen, die Ihnen Ihre Kollegen oder externe Berater vorlegen.

Warum ist Datenkompetenz wichtig?

In Organisationen ist es inzwischen bekannt, dass sie rentabler und effizienter arbeiten und die Kundenerfahrung verbessern können, wenn sie Technologie und Analytik wirksam in ihre Geschäftsprozesse integrieren.

Gartner schätzt, dass bis 2023 „die Datenkompetenz ein ausdrücklich geforderter und notwendiger Treiber des Unternehmenswerts sein wird.“ Das Unternehmen ist sogar der Meinung, dass Datenkompetenz formal in mehr als 80 % der Daten- und Analytikstrategien aufgenommen und Managementprogramme verändern wird. Wenn Sie Kenntnisse von Lean oder Six Sigma haben, haben Sie Ihren Kollegen wahrscheinlich schon seit Jahren Datenkompetenz vermittelt.

Führungskräfte wissen, dass sie ihre Daten besser nutzen müssen, um wettbewerbsfähig zu bleiben, und viele haben bereits Pläne, nach denen sie eine „Analytikkultur“ schaffen wollen. Da sich die Technologie in alle Bereiche des Geschäftslebens vorarbeitet und mehr Daten als je zuvor verfügbar sind, ist die Fähigkeit, grundlegende Konzepte der Datenanalyse zu verstehen, inzwischen eine notwendige Voraussetzung für viele unserer Tätigkeiten geworden.

Kurzer Test: Wie ist es um Ihre Datenkompetenz bestellt? (Bitte nicht schummeln!)

Ihre Datenkompetenz zu vertiefen könnte sich als das beste herausstellen, was Sie momentan für sich tun können. Wie viele der folgenden Fragen können Sie spontan beantworten?

Denken Sie einen Moment nach, merken oder notieren Sie sich die Antwort, und klicken oder tippen Sie dann auf die Frage, um herauszufinden, ob Sie richtig lagen.

Mit quantitativ werden Zahlen und Sachverhalte bezeichnet, die objektiv gemessen werden können (z. B. Breite, Höhe, Temperatur oder Volumen). Qualitativ bezieht sich auf Merkmale, die nicht einfach gemessen werden können und subjektiv beobachtet werden (z. B. Gerüche, Geschmäcke, Beschaffenheit oder Farbe).

Weitere Informationen

Mit dem Wort „Durchschnitt“ wird häufig der Mittelwert bezeichnet – also die Summe aller Zahlen geteilt durch die Anzahl der summierten Zahlen. Der Median ist hingegen die Zahl, die sich in der Mitte befindet.

In vielen Studien, darunter auch in Six Sigma-Projekten, liegen jedoch Daten vor, bei denen der Mittelwert nicht notwendigerweise das beste Maß für den Durchschnitt ist. Nehmen Sie als Beispiel fünf Angaben für das Haushaltseinkommen. Das erste beträgt 140.000 €. Das zweite 200.000 €. Das dritte 215.000 €. Das vierte 220.000 €. Und das fünfte 1.725.000 €. Der Mittelwert dieser Zahlen ist 500.000 €.

Wenn wir jedoch vom Durchschnitt sprechen, meinen wir eigentlich die Zahl, die diese spezifische Stichprobe am besten charakterisiert. 500.000 € ist viel höher als alle außer eine der Zahlen, und der Median von 215.000 € ist ein besserer „Durchschnitt“.

Weitere Informationen

Konfidenzintervalle!

Angenommen, ein Streudiagramm von Eisverkäufen und Skateboard-Unfällen weist eine gerade Linie und einen Korrelationskoeffizienten von 0,9999 auf. Es ist aber ganz eindeutig, dass Eis zu kaufen nicht zu Skateboard-Unfällen führt. Mehr Menschen fahren Skateboard und kaufen Eis, wenn das Wetter warm ist – und das ist der Grund, aus dem diese beiden Faktoren miteinander korrelieren. Nur mit ordnungsgemäß kontrollierten Experimenten kann bestimmt werden, ob eine kausale Beziehung vorliegt.

Weitere Informationen (und ein lustiger Comic, der dies gut zusammenfasst!)

In einer Beobachtungsstudie wird nichts mit den Dingen oder Menschen getan, die untersucht werden. Sie werden einfach beobachtet, wie sie sind. In einem kontrollierten Experiment werden sie Gruppen zugewiesen. Jede Gruppe (mit Ausnahme der Kontrollgruppe) erhält eine Behandlung oder wird auf irgendeine Art abgewandelt (z. B. werden Produkte mit einem alternativen Prozessschritt hergestellt oder die Probanden werden gebeten, kein Koffein einzunehmen usw.), und dann wird untersucht, wie sich diese Änderung auswirkt.

Noch nicht fertig mit dem Test? Die Khan Academy bietet noch mehr Hintergrundwissen und Szenarios, mit denen Sie sich selbst testen und herausfinden können, ob Sie diese Frage richtig beantwortet haben.

Wie ist es gelaufen? Prüfen Sie Ihre Punktzahl

0–2: Keine Sorge. Datenkompetenz ist eine Reise, die Sie gerade erst angetreten haben!

Und Sie sind bereits beim Minitab-Blog angekommen. Den ersten Schritt haben Sie also schon genommen. Bleiben Sie weiter dabei, und wenden Sie sich an uns if you have any questions or want to learn more about solutions analytics and data-driven decision-making , wenn Sie Fragen haben oder mehr über Lösungsanalytik und die datengestützte Entscheidungsfindung erfahren möchten.

3–4: Mit Ihnen muss man rechnen!

Und wir könnten Ihnen noch mehr Wissen mitgeben, mit dem Sie wirklich Eindruck hinterlassen. Zumindest was das Lösen von Problemen durch die statistische Analyse angeht. Wir empfehlen Ihnen, unsere anstehenden Webinar-Aufzeichnungen anzuschauen. Wenn Sie noch mehr in Ihre Analysefähigkeiten investieren möchten, melden Sie sich zu unseren geführten Schulungen mit Experten in den Bereichen Minitab und statistische Analyse an Schulungskalender anzeigen

5: Perfekt! Äh. Wie peinlich ... arbeiten Sie vielleicht bei uns?

Oder möchten Sie das gerne tun? Hier sind unsere offenen Stellen!

Wenn nicht, verstehen wir das natürlich ... Wir empfehlen Ihnen trotzdem, über unseren Kurs zum Thema Maschinelles Lernen für Prädiktive Analysen nachzudenken. . Denn auch wenn Sie Statistiker oder Datenwissenschaftler sind und alle Fragen beantworten konnten, wissen Sie, dass es stets neue Methoden und Ansätze gibt, die Sie sich aneignen könnten!

Anmerkung zum Abschluss: Organisationen wissen, dass sie ihre Daten besser nutzen müssen

Wenn sich die Datenwissenschaftler hinter geschlossene Türen zurückziehen, findet sich kein einfacher Weg zu Operational Excellence oder geschäftlichem Erfolg. Spezialisierte Datenanalytiker mögen sich bereithalten, um einzelne Kollegen bei komplexen Problemen mit ihren Daten zu unterstützen, doch erst wenn die Datenanalyse allgemein verstanden wird, ist allen geholfen.

Datenkompetenz im gesamten Unternehmen sorgt dafür, dass die Daten auch in die tägliche Entscheidungsfindung einbezogen werden. Sie führt zu besseren Fragen, einem tieferen Verständnis und belastbaren Schlussfolgerungen. Eine Verbesserung Ihrer Fähigkeiten bei der Datenanalyse trägt außerdem zu Ihrer persönlichen Weiterentwicklung bei. Wenn Sie datengestützte Entscheidungen treffen, eliminieren Sie Voreingenommenheit und persönliche Meinungen, die Sie ansonsten in die Diskussionen einbringen würden.

Müssen Sie Ihre Datenkompetenz verbessern? Schauen Sie, ob Sie diese 5 Fragen beantworten können