Fehlende Daten: ermitteln und ergänzen

Daten ermöglichen es dem Management, bessere Entscheidungen zu treffen, helfen bei der Ermittlung von Trends und Chancen, fördern datengestützte Aktionspläne mit geringerem Risiko und steigern die Effizienz und das Engagement der Mitarbeiter bei der Erfüllung ihrer Kernaufgaben.

Es ist ein fortlaufender Prozess, mehr Daten und Daten innerhalb Ihres Unternehmens zu sammeln, Prozesse abzustimmen und die Daten richtig zu interpretieren. Auf diese Weise werden Sie auf lange Sicht immer bessere Entscheidungen treffen. In diesem Artikel erörtern wir die verschiedenen Arten von fehlenden Daten und wie man sie am besten ergänzt.

Welche Arten von fehlenden Daten gibt es?

Im Folgenden werden die verschiedenen Arten von Datenlücken“ von e-tailize beschrieben. Wir werden sie im Detail besprechen und Ihnen Tipps geben, wie Sie sie ausfüllen können.

1. Fehlende Daten

Ihre Organisation sammelt nicht alle verfügbaren Informationen. 

2. Ungleichheitsdaten

Die Differenz zwischen der Bedeutung, die das Management einer Kennzahl oder einem Indikator beimisst, und ihrer tatsächlichen Bedeutung.

3. Fehlinterpretation von Daten

Wie in unserem Artikel über 
Datenkompetenz 
Es kann für ein Unternehmen nachteilig sein, wenn die Person, die die Daten analysiert, nicht über die richtigen Kenntnisse und Fähigkeiten zur Interpretation oder Bereinigung der Daten verfügt. Dies führt dazu, dass Sie die falschen Schlüsse ziehen und möglicherweise eine für Ihr Unternehmen schädliche Entscheidung treffen.

	Eitelkeit Metrisch	Handlungsfähige Metrik
Verwenden Sie	Wohlfühlfaktor und allgemeine Ausrichtung	für fundierte und praktikable Geschäftsentscheidungen genutzt werden können
Anzeige von	die Größe von etwas	individuelles Verhalten
Typen	Bruttomengen	Verhältnisse und wirtschaftliche Einheiten
Beispiele (es gibt viele weitere)	Testbenutzer Seitenaufrufe soziale Medien „Likes E-Mail-Abonnenten Leads im Verkauf Marketingausgaben insgesamt gewonnene Kunden monatliche Einnahmen pro Kunde	Umstellung der Nutzer Umrechnungskurs Engagement in den sozialen Medien/Empfehlungen Konversionsrate für E-Mail-Opt-Ins Kohortenanalyse des Verkaufstrichters Rentabilität der Marketinginvestitionen Kundengewinnungskosten (CAC) Kundenlebensdauerwert (LTV)

Im Endeffekt geht es um Folgendes: Konzentrieren Sie sich auf die richtige , umsetzbare Kennzahl für Ihren Wirtschaftsmotor und kommunizieren Sie diese klar an die Organisation.

Melden Sie sich bald an, Sie werden es nicht bereuen. Erhalten Sie wöchentliche Blogs in Ihrem Posteingang

Verzenden

3. Fehlinterpretation von Daten

Der Fehler, Daten falsch zu interpretieren, kann leicht gemacht werden, vor allem, wenn es in Ihrer Organisation einen Datenanalphabetismus gibt. Um eine gute Entscheidung auf der Grundlage von Daten zu treffen, sind zwei Komponenten erforderlich:

1. Kontext- und Domänenwissen

Statistisch gesehen könnte ein Modell besagen, dass der Umsatz steigt, wenn Sie den Preis um 20 % senken. In Wirklichkeit ist dies nicht sicher. Um die richtige Entscheidung zu treffen, ist es wichtig, den Bereich (Markt, Wettbewerb usw.) und das Umfeld zu verstehen. Der Kontext ist in diesem Fall noch mehr Daten. Dabei kann es sich um qualitative und quantitative Daten handeln, die relevant und aktuell sein sollten.

2. Statistische Kompetenz

Die Grundlage für die statistische Kompetenz bilden die Kenntnis der damit verbundenen Konzepte und die Fähigkeit zum kritischen Denken. Die folgenden Konzepte müssen unbedingt beherrscht werden:

Korrelation ist nicht gleichbedeutend mit Kausalität

Die Tatsache, dass zwei Dinge miteinander verbunden sind, bedeutet nicht unbedingt, dass das eine das andere verursacht. Zum Beispiel: Die Aussage: Weniger Schlaf führt zu führt zu zu schlechteren Leistungen bei der Arbeit. Diese Behauptung mag richtig sein, aber wir brauchen Beweise aus gut durchgeführten Forschungen, um tatsächlich feststellen zu können, dass es einen kausale Beziehung zwischen den beiden Variablen besteht.

Für Ihr Unternehmen bedeutet dies, dass Sie eine Hypothese aufstellen müssen, indem Sie bei der Datenanalyse nach wahrscheinlichen kausalen Beziehungen suchen. Dann sollte diese Hypothese mit einem A/B-Test oder einer Umfrage getestet werden. Wenn Sie es richtig anstellen, können Sie die Ergebnisse nutzen, um Entscheidungen zu treffen und zu unterstützen.

Manche Unternehmer bevorzugen eine Vorgehensweise nach dem Bauchgefühl. Unserer Meinung nach ist das Bauchgefühl eine gute Möglichkeit, um eine Hypothese zu bilden, die Sie dann überprüfen können. Anhand der Testergebnisse können Sie entscheiden, ob die Hypothese richtig war. Das nimmt Emotionen und Egoismus weg und wird dem Unternehmen langfristig zugute kommen.

Visualisierungen interpretieren

Es gibt viele Möglichkeiten, Daten visuell darzustellen. Hier finden Sie eine Liste der Modelle, die Sie kennen sollten. Eine wichtige Visualisierung, die nicht auf dieser Liste steht, ist die Kohortenanalyse. Außerdem müssen Sie den richtigen Maßstab und die richtige Datenreihe wählen, da dies sonst irreführend sein kann.

Erkennen von Mustern

Die Fähigkeit, Muster zu erkennen, hängt von Ihrer Erfahrung mit Analysen, Ihrer Fähigkeit, kritisch zu denken, und Ihrer Kenntnis des Fachgebiets ab.

Finden Sie Ausreißer im Datensatz und verstehen Sie, warum es diese Ausreißer gibt. Dies wird Ihnen hoffentlich Aufschluss darüber geben, warum der Rest der Datenpunkte keine Ausreißer sind. Dadurch lassen sich Muster in den Daten leichter erkennen.

Darüber hinaus hilft Ihnen das Verständnis der zugrunde liegenden Formeln und der Struktur des Datensatzes, Muster vorherzusagen oder zu erkennen.

Bereinigung“ der Daten

Es ist wichtig, einen Datensatz zu bereinigen und zu filtern, da dies zu einer Verzerrung der Analyse führen kann. Ein Beispiel dafür, wo das schief geht, sind Bestellungen, die Sie selbst in Ihrem Online-Shop aufgeben. Wenn Sie diese Käufe nicht aus dem Datensatz extrahieren, verwenden Sie einen Datensatz, der nicht mit Ihrem Kundenstamm übereinstimmt, und treffen Entscheidungen auf der Grundlage irreführender Daten.

Dies ist nur ein Beispiel für eine fehlerhafte „Bereinigung“ von Daten, hier sind einige weitere Beispiele:

• Duplikate
• Fehler
• Unerwünschte Anomalien (ein einmaliger Wert, der den Rest des Datensatzes verzerrt)
• Fehlende Daten

Wenn Sie Daten bereinigen, können Sie bessere Entscheidungen treffen, weil die Daten gültig, genau, vollständig, konsistent und einheitlich sind.

Schließung fehlender Daten über Marktplätze

e-tailize ist eine Softwarelösung für die Verwaltung von Marktplätzen. Neben der Integration bieten wir verwertbare Statistiken über Wettbewerb, Markt, Produkte, Anzeigen und vieles mehr. Außerdem stellen wir Ihnen Dokumentationen und Anleitungen zur Verfügung, damit Sie das Beste aus Ihren Daten herausholen können. Interessieren Sie sich für Datenanalysen auf Marktplätzen? Lesen Sie hier mehr darüber.