Book description
Natürlich kann man Geschäftsentscheidungen aus unternehmerischem Instinkt treffen. In der Regel ist es aber doch sehr empfehlenswert, das Bauchgefühl mit objektivierbaren Fakten zu unterfüttern.
Dazu müssen Sie als erstes Daten erheben, eventuell Umfragen durchführen oder geeignetes bestehendes Zahlenmaterial sammeln. Dann geht es an die eigentliche Analyse: Welche Muster lassen sich erkennen, was ist aussagekräftig und was nur weißes Rauschen, welche Schlüsse lassen sich ziehen, und ist vielleicht sogar eine Zukunftsprognose möglich? Sie erfahren in "Datenanalyse von Kopf bis Fuß", mit welchen Werkzeugen Sie diese Analysen durchführen können, wo die Gefahren falscher Schlussfolgerungen lauern und wie Sie Ihre Ergebnisse für andere visuell aufbereiten können.
Table of contents
- Datenanalyse von Kopf bis Fuß
- Der Autor von Datenanalyse von Kopf bis Fuß
- Der Übersetzer dieses Buchs
- Wie man dieses Buch benutzt: Einführung
-
1. Einführung in die Datenanalyse: Wir zerlegen alles in seine Einzelteile
- Überall sind Daten
- René Sans Kosmetik braucht Ihre Hilfe
- Der Geschäftsführer würde den Absatz gern mit einer Datenanalyse anschieben
- Datenanalyse heißt, sorgfältig über die Befundlage nachzudenken
- Definieren Sie das Problem
- Ihr Auftraggeber hilft Ihnen, das Problem zu definieren
- Es gibt keine: Dummen Fragen
- Feedback von René Sans für Sie
- Brechen Sie Problemstellung und Daten in besser überschaubare Teile auf
- Sehen Sie sich ein weiteres Mal an, was Sie haben
- Werten Sie die Teilprobleme aus
- Eine Analyse haben Sie erst, wenn Sie sich selbst einbringen
- Geben Sie eine Empfehlung
- Ihr Bericht ist fertig
- Der Geschäftsführer mag Ihre Arbeit
- Gerade erhalten wir Nachricht von einem Zeitungsartikel
- Sie haben sich von den Einschätzungen des Geschäftsführers in die falsche Richtung schicken lassen
- Ihre Annahmen und Meinungen zur Realität sind Ihr mentales Modell
- Ihr statistisches Modell hängt von Ihrem mentalen Modell ab
- Mentale Modelle sollten immer das einschließen, was Sie nicht wissen
- Der Geschäftsführer informiert Sie darüber, was er nicht weiß
- Es gibt keine: Dummen Fragen
- René Sans hat Ihnen gerade eine Riesenliste mit Rohdaten zugeschickt
- Zeit, die Daten weiter aufzubohren
- Der Großhändler Alles für Alle bestätigt Ihnen Ihren Eindruck
- Es gibt keine: Dummen Fragen
- So sind Sie vorgegangen
- Ihre Analyse hat Ihrem Auftraggeber zu einer brillanten Entscheidung verholfen
-
2. Experimente: Überprüfen Sie Ihre Hypothesen
- Können Sie belegen, was Sie glauben?
- Kaffee-Rezession!
- Nächste Vorstandssitzung bei Sternback in drei Monaten
- Der Sternback-Fragebogen
- Immer die Methode des Vergleichs benutzen
- Vergleiche sind das A und O im Umgang mit Beobachtungsdaten
- Könnte das Wertempfinden den Ertragsrückgang verursacht haben?
- Es gibt keine: Dummen Fragen
- Denkweise eines typischen Kunden
- Beobachtungsstudien sind voll von Störvariablen
- Mögliche Konfundierung der Ergebnisse durch die Standortfrage
- Es gibt keine: Dummen Fragen
- Bändigen Sie konfundierende Variablen durch Aufteilung der Daten in Blöcke
- Es ist schlimmer, als wir dachten!
- Sie müssen ein Experiment durchführen, um die beste Strategie herauszufinden
- Der Sternback-Geschäftsführer hat es ziemlich eilig
- Sternback senkt die Preise
- Einen Monat später ...
- Eine Kontrollgruppe verschafft Ihnen eine Baseline
- Es gibt keine: Dummen Fragen
- Wie man nicht gefeuert wird (oder: Notruf 112)
- Machen wir mal ein richtiges! Experiment
- Einen Monat später ...
- Auch Experimente werden von Störvariablen geplagt
- Konfundierung durch sorgfältige Gruppenbildung vermeiden
- Durch Randomisierung homogene Gruppen zusammenstellen
- Ihr Experiment kann starten
- Die Ergebnisse sind da
- Sternback verfügt jetzt über eine empirisch überprüfte Verkaufsstrategie
-
3. Optimierung: Holen Sie das Äußerste raus
- Wir wollen immer so viel wie möglich
- Diesmal haben Sie es mit Badetieren zu tun
- Die kontrollierten Variablen werden durch Nebenbedingungen beschränkt
- Die Entscheidungsvariablen sind das, was Sie kontrollieren können
- Sie haben ein Optimierungsproblem
- Die Zielvorgabe bestimmen Sie mit der Zielfunktion
- Ihre Zielfunktion
- Produktmixe für weitere Nebenbedingungen
- Zeichnen Sie mehrere Nebenbedingungen in dasselbe Diagramm
- Ihre Wahlmöglichkeiten liegen ausschließlich im zulässigen Bereich
- Ihre neue Nebenbedingung hat den zulässigen Bereich verändert
- Ihre Tabellenkalkulation kann optimieren
- Der Solver erledigt Ihr Optimierungsproblem im Handumdrehen
- Der Profit geht in den Keller
- Ihr Modell beschreibt nur, was Sie darin aufnehmen
- Gleichen Sie Ihre Modellannahmen mit den Zielvorgaben Ihrer Analyse ab
- Es gibt keine: Dummen Fragen
- Achten Sie auf negativ gekoppelte Variablen
- Ihr neuer Fertigungsplan funktioniert reibungslos
- Ihre Annahmen beruhen auf einer sich permanent im Fluss befindlichen Realität
-
4. Datenvisualisierung: Aus Bildern lernen Sie was
- Sie brauchen mehr als eine Tabelle voller Zahlen
- Bei Anziehend anders möchte man die Website optimieren
- Die Ergebnisse sind drin, und der Informationsgestalter ist raus
- Der letzte Informationsgestalter hat diese drei Infografiken eingereicht
- Welche Daten stehen hinter den Grafiken?
- Wo sind die Daten?!
- Ein paar Gratisratschläge vom vorigen Informationsgestalter
- Zu viele Daten sind nie Teil Ihres Problems
- Daten hübsch aussehen zu lassen, ist ebenfalls nicht Ihr Problem
- Auch bei der Datenvisualisierung geht es immer um die richtigen Vergleiche
- Ihre Grafik ist jetzt schon nützlicher als die zurückgewiesenen
- Nehmen Sie Streudiagramme, wenn Sie Zusammenhänge erforschen
- Die besten Diagramme sind multivariat
- Stellen Sie mehr Variablen dar, indem Sie mehrere Diagramme gemeinsam anzeigen
- Es gibt keine: Dummen Fragen
- Das Diagramm ist hervorragend, der Web-Crack ist aber noch nicht zufrieden
- Eine gute visuelle Umsetzung hilft Ihnen, über Ursachen nachzudenken
- Die Versuchsplaner schalten sich ein
- Die Versuchsplaner haben ihre eigenen Hypothesen
- Ihr Auftraggeber ist zufrieden mit Ihrer Arbeit
- Von überall her laufen Bestellungen ein!
-
5. Hypothesen prüfen: Sag, dass das nicht wahr ist
- Es kann ganz schön schwierig sein, die Realität zu erfassen
- Ich brauch was zum Anziehen ...
- Wann soll die Produktion der neuen Handyskins starten?
- PodPhone möchte nicht, dass man voraussehen kann, was sie als Nächstes tun
- Das ist alles, was wir wissen
- Die Hypothese von Skinner passt zu den Daten
- Skinner ist in den Besitz eines vertraulichen Strategiepapiers gelangtngt
- Variablen können positiv oder negativ gekoppelt sein
- Zusammenhänge sind in der Realität nicht linear, sondern vernetzt
- Hypothesen zu den Optionen bei PodPhone
- Sie haben alles, was Sie zur Überprüfung der Hypothesen brauchen
- Falsifikation – das A und O beim Prüfen von Hypothesen
- Es gibt keine: Dummen Fragen
- Diagnostizität hilft, die Hypothese mit den wenigsten Gegenargumenten zu finden
- Nicht jede Hypothese lässt sich ausschließen, Sie können aber festlegen, welche stärker ist als die anderen
- Sie haben gerade eine Bildnachricht bekommen ...
- Es ist raus!
-
6. Bayes-Statistik: Bloß nicht die Bodenhaftung verlieren!
- Sie erfassen ständig neue Daten
- Schlechte Nachrichten von Ihrem Arzt
- Sehen wir uns die Analyse zur Testsicherheit Aussage für Aussage an
- Wie stark ist die Leguangrippe tatsächlich verbreitet?
- Sie haben die Falsch-Positiven berechnet
- Alle diese Begriffe beschreiben bedingte Wahrscheinlichkeiten
- 1% der Bevölkerung hat Leguangrippe
- Ihr Risiko, Leguangrippe zu haben, ist im Grunde ziemlich gering
- Denken Sie in simplen ganzen Zahlen über komplexe Wahrscheinlichkeiten nach
- Die Bayes-Regel kümmert sich um Basisraten und bedingte Wahrscheinlichkeiten
- Sie können die Bayes-Regel wiederholt anwenden
- Der zweite Test ist negativ
- Die Testsicherheit beim neuen Test ist anders
- Neue Information kann Ihre Basisrate verändern
- Große Erleichterung!
-
7. Subjektive Wahrscheinlichkeiten: Der Glaube an Zahlen
- Manchmal ist es ganz gut, sich Zahlen auszudenken
- Bei Terra Inco Invest ist man auf Ihre Hilfe angewiesen
- Die Analysten gehen sich gegenseitig an den Hals
- Subjektive Wahrscheinlichkeiten als Ausdruck von Expertenmeinungen
- Vielleicht zeigen sich in den subjektiven Wahrscheinlichkeiten gar keine Meinungsverschiedenheiten
- Die Analysten haben ihre subjektiven Wahrscheinlichkeiten eingereicht
- Der Geschäftsführer sieht nicht, worauf Sie hinauswollen
- Der Geschäftsführer mag Ihre Arbeit
- Die Standardabweichung misst, wie weit Datenpunkte vom Mittelwert abweichen
- Es gibt keine: Dummen Fragen
- Diese Nachricht trifft Sie aus heiterem Himmel
- Die Bayes-Regel eignet sich gut zum Revidieren subjektiver Wahrscheinlichkeiten
- Der Geschäftsführer weiß genau, was er mit dieser Information machen muss
- Besitzer russischer Aktien im Freudentaumel!
-
8. Heuristiken: Analysieren wie ein echter Mensch
- Die Realität konfrontiert Sie mit mehr Variablen, als Sie bewältigen können
- Die Abfall-Scouts haben dem Stadtrat ihren Bericht vorgelegt
- Die Abfall-Scouts haben das Städtchen richtig auf Vordermann gebracht
- Die Abfall-Scouts haben die Effektivität ihrer Kampagne erfasst
- Der Auftrag lautet, das Abfallaufkommen zu reduzieren
- Die Höhe des Abfallaufkommens ist unmöglich zu messen
- Stellen Sie eine schwierige Frage, und man wird eine leichtere beantworten
- Hinter der Datenreuther Abfallfrage steht ein komplexes System
- Ein umfassendes Abfallmessmodell lässt sich weder planen noch umsetzen
- Heuristiken sind der Mittelweg zwischen reinem Bauchgefühl und Optimierung
- Es gibt keine: Dummen Fragen
- Nehmen Sie einen schnellen und sparsamen Baum
- Gibt es eine einfachere Möglichkeit, den Erfolg der Abfall-Scouts zu beurteilen?
- Auch Stereotype sind Heuristiken
- Ihre Analyse ist bereit zur Vorlage
- Allem Anschein nach hat Ihre Analyse den Stadtrat beeindruckt
-
9. Histogramme: Zahlen nehmen Form an
- Wie viel kann Ihnen ein Balkendiagramm mitteilen?
- Ihre jährliche Leistungsbeurteilung erwartet Sie
- Nach mehr Geld zu fragen, könnte auf Verschiedenes hinauslaufen
- Ein paar Daten mit Gehalts- und Honorarerhöhungen
- Histogramme bilden gruppierte Häufigkeiten ab
- Lücken zwischen Histogrammbalken entsprechen Lücken in der Werteverteilung
- R installieren und in Betrieb nehmen
- Laden Sie Ihre Daten in R
- R macht schöne Histogramme
- Es gibt keine: Dummen Fragen
- Legen Sie Histogramme aus Untergruppen Ihrer Daten an
- Verhandeln zahlt sich aus
- Was würde verhandeln für Sie bedeuten?
-
10. Regression: Vorhersagen
- Machen Sie mal eine Prognose
- Was werden Sie jetzt mit all dem Geld machen?
- Zu analysieren, was man fordern kann, könnte heftig werden
- Sieh mal an ... ein Gehaltsschätzer!
- Der Algorithmus muss eine Methode zur Vorhersage von Gehaltserhöhungen enthalten
- Es gibt keine: Dummen Fragen
- Streudiagramm-Magneten
- Streudiagramm-Magneten
- Es gibt keine: Dummen Fragen
- Streudiagramme, die zwei Variablen vergleichen
- Eine Gerade könnte Ihren Kunden sagen, worauf sie abzielen sollten
- Sagen Sie mit dem Mittelwertsgraphen Werte in allen Bändern voraus
- Die Regressionsgerade sagt die bewilligten Gehaltserhöhungen voraus
- Es gibt keine: Dummen Fragen
- Die Gerade ist nützlich, wenn Ihre Daten ausreichend hoch korrelieren
- Es gibt keine: Dummen Fragen
- Für präzise Vorhersagen brauchen Sie eine Formel
- Was passiert, wenn R ein Regressionsobjekt anlegt?
- Regressionsgleichung und Streudiagramm arbeiten Hand in Hand
- Die Regressionsgleichung ist der Algorithmus für den Gehaltsschätzer
- Es gibt keine: Dummen Fragen
- Ihr Gehaltsschätzer hat nicht ganz wie geplant funktioniert ...
-
11. Der Zufallsfehler: Ups, daneben!
- Das Leben ist ein furchtbares Durcheinander
- Sie haben Ihre Kunden ganz schön aufgemischt
- Was hat Ihr Gehaltsschätzer-Algorithmus gemacht?
- Kunden-Untergruppen
- Der Typ, der 25% mehr gefordert hat, liegt außerhalb unseres Modells
- Was tun mit Kunden, die Vorhersagen außerhalb des Geltungsbereichs wollen?
- Es gibt keine: Dummen Fragen
- Der Typ, der aufgrund von Extrapolation gefeuert wurde, hat sich wieder beruhigt
- Sie haben lediglich einen Teil des Grundproblems gelöst
- Wie sehen die Daten zu diesen chaotischen Ergebnissen aus?
- Zufallsfehler sind Abweichungen von Ihrer Vorhersage
- Der Zufallsfehler hilft sowohl Ihnen als auch Ihren Kunden
- Beziffern Sie den Zufallsfehler
- Messen Sie die Residuenverteilung mit dem Standardschätzfehler
- Das von R berechnete Modell kennt den Standardschätzfehler bereits
- Es gibt keine: Dummen Fragen
- Die Zusammenfassung Ihres linearen Modells in R liefert Ihnen den Standardschätzfehler
- Bei der Datensegmentierung geht es immer um den Umgang mit dem Zufallsfehler
- Gute Regressionsmodelle balancieren Datenaufklärung und Vorhersagegüte aus
- Es gibt keine: Dummen Fragen
- Die Modelle für die Datensegmente funktionieren besser als die ursprünglichen
- Ihre Kunden kommen scharenweise zurück
-
12. Relationale Datenbanken: Sind Sie beziehungsfähig?
- Wie organisiert man Daten, die ganz schlimm multivariat sind?
- Bei der Datenreuther Depesche möchte man die verkaufte Auflage analysieren
- Diese Daten dokumentieren den Geschäftsverlauf
- Sie müssen wissen, wie die Datentabellen zusammenhängen
- Datenbank = Sammlung von Informationen mit klar definierten Beziehungen
- An Ihre Informationen kommen Sie, wenn Sie einen Pfad entlang der Beziehungen anlegen
- Legen Sie eine Arbeitsmappe an, die diesen Pfad abbildet
- Ihre Zusammenfassung verknüpft Artikelanzahl und verkaufte Auflage
- Allem Anschein nach kommt Ihr Streudiagramm gut an
- Es gibt keine: Dummen Fragen
- Das war schon reichlich mühsam, diese ganzen Daten zusammenkopieren zu müssen
- Relationale Datenbanken nehmen Ihnen die Verwaltung von Beziehungen ab
- Bei der Depesche hat man nach Ihrem Diagramm eine Datenbank eingerichtet
- Die Depesche hat Ihnen Daten mit einer SQL-Abfrage zusammengestellt
- Endlose Auswertungsmöglichkeiten für Daten aus einer relationalen Datenbank
- Die Person auf dem Cover – das sind SIE
-
13. Datenbereinigung: Ordnung erzwingen
- Ihre Daten sind nutzlos ...
- Gerade erhalten Sie den Kandidatenstamm einer aufgelösten Personalberatungsfirma
- Die schmuddelige Seite der Datenanalyse
- O’Lymp braucht die Liste für seine Vermittler
- Datenbereinigung hängt entscheidend von der Vorbereitung ab
- Sobald Ihr Konzept steht, können Sie mit der eigentlichen Datenbereinigung beginnen
- Nehmen Sie die Raute als Spaltentrenner
- Excel hat die Daten mit dem Trenner auf die Spalten verteilt
- Beseitigen Sie das Caret mit der WECHSELN-Funktion
- Es gibt keine: Dummen Fragen
- Sie haben gerade die Vornamen bereinigt
- Für die WECHSELN-Funktion sind die Nachnamen zu komplex
- Komplexe Muster mit verschachtelten Textfunktionen bearbeiten
- Komplexe Muster mit regulären Ausdrücken in R aufbrechen
- Der Aufruf der sub()-Funktion hat die Nachnamen repariert
- Es gibt keine: Dummen Fragen
- Sie können Ihrem Auftraggeber die Daten jetzt liefern
- Möglich, dass Sie noch nicht ganz fertig sind!
- Sortieren Sie Ihre Daten, dann stehen die Dubletten untereinander
- Die Daten könnten aus einer relationalen Datenbank stammen
- Entfernen Sie die doppelten Namenseinträge
- Jetzt sind alle Einträge im Datensatz sauber und eindeutig
- Die Rekrutierungsaktion bei O’Lymp ist ein Wahnsinnserfolg!
- Zeit, Abschied zu nehmen!
- Schön, dass Sie uns in Datenreuth besucht haben!
-
A. Was übrig bleibt: Die Top Ten: der Themen, die wir nicht behandelt haben
- Wir haben ein ganz schönes Stück des Weges zurückgelegt
- 1. Alles, was irgendwie mit Statistik zu tun hat
- 2. Excel-Kenntnisse
- 3. Edward Tufte und seine Prinzipien der Informationsvisualisierung
- 4. Pivot-Tabellen
- 5. Das R-Ökosystem
- 6. Nicht-lineare und multiple Regression
- 7. Statistisches Hypothesentesten
- 8. Zufall
- 9. Google-Docs
- 10. Ihre Fachkompetenz
- B. R installieren: Machen Sie R einsatzbereit!
- C. Excels Erweiterungen aktivieren: Solver und Analyse-Funktionen
- Stichwortverzeichnis
Product information
- Title: Datenanalyse von Kopf bis Fuß
- Author(s):
- Release date: February 2010
- Publisher(s): O'Reilly Verlag
- ISBN: 97833897219595
You might also like
book
Softwareentwicklung von Kopf bis Fuß
Was lernen Sie mit diesem Buch? Haben Sie sich schon einmal gefragt, was es mit testgetriebener …
book
Netzwerke von Kopf bis Fuß
Frustriert von Bücher zu Netzwerkthemen, die nur so strotzen vor unverständlichen Abkürzungen? Netzwerke von Kopf bis …
book
Entwurfsmuster von Kopf bis Fuß, 2nd Edition
Dieses Buch ist ein moderner Klassiker zum Thema Entwurfsmuster. Mit dem einzigartigen Von-Kopf-bis-Fuß-Lernkonzept gelingt es den …
book
Statistik-Workshop für Programmierer
Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte …