Datenaufbereitung
Im Rahmen der Datenanalyse umfangreicher Marktforschungsdaten ist es für das menschliche Gehirn häufig überaus schwierig, aus der unüberschaubaren Menge von Rohdaten Strukturen zu erkennen oder sich ein Gesamturteil zu bilden. Daher bedarf es der Anwendung systematischer Methoden der Datenreduktion und -Verdichtung. Damit einher geht zwar stets ein objektiver Informationsverlust, dem jedoch ein subjektiver Informationsgewinn gegenübersteht. Schon durch Kreuztabellierungen läßt sich das Datenmaterial oftmals anschaulicher darstellen, wobei u. U. bereits Aggregationen erfolgt sind. Daneben kann eine weitere Komprimierung durch Kennzahlen der Häufigkeitsverteilung bestimmter Merkmale statt Betrachtung der Urwerte erreicht werden (Mittelwerte, Streuungsmaße). Da mehrere Merkmale häufig genug überschneidende Bedeutungsinhalte haben und insofern eine gewisse Redundanz aufweisen, benutzt man auch die Korrelationsanalyse und insb. die Faktorenanalyse zur Reduzierung der ursprünglichen Datenmatrix. Während hier Variablen zusammengefaßt werden, versucht die Clusteranalyse mit ihren verschiedenen Varianten Objekte („Fälle“) zu gruppieren und auf diesem Wege eine Komprimierung herbeizuführen. Das AID-Verfahren kann in ähnlicher Form der Variablenreduktion dienen. Zur Daten- komprimierung
1. w. S. kann man schließlich auch die Visualisierung von Datenstrukturen errechnen. Datenselektion, z.B. durch Marketing- Informationssysteme, die Berichte nur noch dann erstellen, wenn bestimmte Toleranzwerte überschritten werden, ist eine weitere Möglichkeit, dem Phänomen der „Informationsarmut im Informationsüberfluß“ zu entgehen. Am hilfreichsten dafür ist allerdings eine möglichst fundierte und klare Hintergrundtheorie, deren Modelle jeder Auswertung eine fundierte Basis verleihen.
Vorhergehender Fachbegriff: Datenverbundsysteme | Nächster Fachbegriff: Datenverschlüsselung
Diesen Artikel der Redaktion als fehlerhaft melden & zur Bearbeitung vormerken
|