What is Data Analysis? (Mit Beispielen)

Read in English (Auf Englisch lessen)

Wenn wir Daten eine Bedeutung abgewinnen, sind wir in der Lage, bessere Entscheidungen zu treffen. Und wir leben in einer Zeit, in der wir mehr Daten als je zuvor zur Verfügung haben. Aus diesem Grund haben Unternehmen die Vorteile der Nutzung von Daten erkannt und wenden sich der Datenanalyse zu, um Erkenntnisse zur Erreichung ihrer Geschäftsziele zu gewinnen. Aus einem Bericht des Weltwirtschaftsforums über die Zukunft der Arbeitsplätze geht hervor, dass die Zahl der Arbeitsplätze für Datenanalysten in den nächsten fünf Jahren um 30 Prozent steigen dürfte [1].

In diesem Artikel erfahren Sie mehr über den Prozess der Datenanalyse, verschiedene Arten der Datenanalyse und empfohlene Kurse, die Ihnen den Einstieg in dieses spannende Feld erleichtern. Wenn Sie anschließend eine Datenkarriere anstreben, indem Sie sich berufsrelevante Fähigkeiten aneignen, sollten Sie sich für das IBM Data Analyst (Berufsbezogenes Zertifikat) anmelden, in dem Sie an Projekten arbeiten, die Sie in Ihr Portfolio aufnehmen können.

What is Data Analysis?

Datenanalysten verwenden Daten, um Probleme zu lösen. Daher durchläuft der Prozess der Datenanalyse in der Regel mehrere iterative Phasen. Schauen wir uns die einzelnen Phasen genauer an.

• Identifizieren der geschäftlichen Frage, die Sie beantworten möchten. Welches Problem versucht das Unternehmen zu lösen? Was müssen Sie messen und wie wollen Sie es messen? 

• Sammeln von Rohdatensätzen, die Sie für die Beantwortung der gestellten Frage benötigen. Die Daten können aus internen Quellen stammen, z. B. aus der CRM-Software (Client Relationship Management) eines Unternehmens, oder aus sekundären Quellen, z. B. aus staatlichen Aufzeichnungen oder aus APIs (Application Programming Interfaces) für Social Media. 

• Bereinigung von Daten, um sie für die Analyse vorzubereiten. Dies beinhaltet oft die Bereinigung von doppelten und anomalen Daten, den Abgleich von Inkonsistenzen, die Standardisierung von Datenstruktur und -format sowie die Beseitigung von Leerzeichen und anderen Syntaxfehlern.

• Analyse der Daten. Durch die Bearbeitung der Daten mit verschiedenen Datenanalysetechniken und -werkzeugen können Sie beginnen, Trends, Korrelationen, Ausreißer und Variationen zu finden, die eine Geschichte erzählen. In dieser Phase können Sie Data Mining einsetzen, um Muster in Datenbanken zu entdecken, oder Datenvisualisierungssoftware, um Daten in ein leicht verständliches grafisches Format zu bringen.

• Ergebnisse Ihrer Analyse interpretieren, um zu sehen, wie gut die Daten Ihre ursprüngliche Frage beantworten. Welche Empfehlungen können Sie auf der Grundlage der Daten geben? Wo liegen die Grenzen für Ihre Schlussfolgerungen? 

Mit dem IBM Data Analyst (Berufsbezogenes Zertifikat) können Sie Übungen und Projekte durchführen, die Sie in Ihr Portfolio aufnehmen können.

4 Arten der Datenanalyse (mit Beispielen)

Daten können zur Beantwortung von Fragen und zur Unterstützung von Entscheidungen auf viele verschiedene Arten verwendet werden. Um herauszufinden, wie Sie Ihre Daten am besten analysieren können, ist es nützlich, sich mit den verschiedenen Analysemethoden vertraut zu machen, die in diesem Bereich am häufigsten verwendet werden.

1. Deskriptive Analyse

Die deskriptive Analyse sagt uns, was passiert ist. Diese Art der Analyse hilft, quantitative Daten zu beschreiben oder zusammenzufassen, indem sie Statistiken präsentiert. Eine deskriptive statistische Analyse könnte zum Beispiel die Verteilung des Umsatzes auf eine Gruppe von Mitarbeitern und den durchschnittlichen Umsatz pro Mitarbeiter aufzeigen. 

Die deskriptive Analyse beantwortet die Frage: „Was ist passiert?”

2. Diagnostische Analyse

Wenn die deskriptive Analyse das „Was” ermittelt, bestimmt die diagnostische Analyse das „Warum”. Nehmen wir an, eine deskriptive Analyse zeigt einen ungewöhnlichen Zustrom von Patienten in einem Krankenhaus. Eine genauere Untersuchung der Daten könnte ergeben, dass viele dieser Patienten Symptome eines bestimmten Virus aufwiesen. Diese diagnostische Analyse kann Ihnen helfen festzustellen, dass ein infektiöser Erreger – das Warum – zu dem Zustrom von Patienten geführt hat.

Die diagnostische Analyse beantwortet die Frage: „Warum ist es passiert?”

3. Prädiktive Analyse

Bisher haben wir uns mit Analysearten befasst, die die Vergangenheit untersuchen und Schlussfolgerungen daraus ziehen. Die prädiktive Analyse verwendet Daten, um Prognosen für die Zukunft zu erstellen. Mit Hilfe der prädiktiven Analyse könnten Sie feststellen, dass ein bestimmtes Produkt jedes Jahr in den Monaten September und Oktober seine besten Verkaufszahlen hatte, was Sie dazu veranlasst, einen ähnlichen Höhepunkt für das kommende Jahr vorherzusagen.

Die prädiktive Analyse beantwortet die Frage: „Was könnte in der Zukunft passieren?”

4. Präskriptive Analyse

Bei der präskriptiven Analyse werden alle Erkenntnisse aus den ersten drei Analysetypen genutzt, um Empfehlungen für das Verhalten des Unternehmens zu geben. In Anlehnung an unser vorheriges Beispiel könnte diese Art der Analyse einen Marktplan vorschlagen, um auf dem Erfolg der umsatzstarken Monate aufzubauen und neue Wachstumschancen in den schwächeren Monaten zu nutzen. 

Die präskriptive Analyse beantwortet die Frage: „Was sollten wir dagegen tun?”

Erfahren Sie mehr über Whats is Data Analysis auf Coursera

Wenn Sie an einer Karriere im wachstumsstarken Bereich der Datenanalyse interessiert sind, sollten Sie die folgenden Programme des Branchenführers IBM in Betracht ziehen.

Beginnen Sie mit dem IBM Data Analyst (Berufsbezogenes Zertifikat) mit dem Aufbau von berufsrelevanten Fähigkeiten. Entwickeln Sie Kenntnisse in Python und lernen Sie, wie Sie Daten visualisieren und Ihre Ergebnisse präsentieren können. Keine Vorkenntnisse sind erforderlich.

Üben Sie die Arbeit mit Daten mit dem IBM Datenanalyse mit Excel und R (Berufsbezogenes Zertifikat). Lernen Sie, wie Sie Microsoft Excel verwenden, um Daten zu analysieren und datengestützte Geschäftsentscheidungen zu treffen.

Häufig gestellte Fragen (FAQ)