Bahner Consulting - Data Science, Datenanalyse, Statistik

Business Intelligence Beratung / Data Science Consulting

Daten sind unse­re Lei­den­schaft. Gleich ob sie qua­li­ta­ti­ver oder quan­ti­ta­ti­ver Natur sind oder aus dem Bereich Big Data stam­men, wir beschäf­ti­gen uns ger­ne mit Daten, suchen in ihnen nach Zusam­men­hän­gen, Mus­tern und Regel­mä­ßig­kei­ten und arbei­ten berei­chern­de und wert­schöp­fen­de Erkennt­nis­se aus ihnen her­aus und bis­wei­len auch Uner­war­te­tes.

Zentrale Vorteile von Datenanalyse und Statistik

  • Sorg­fäl­tig ange­wandt geben Daten­ana­ly­sen Ein­bli­cke in Zusam­men­hän­ge, Unter­schie­de, Mus­ter und Regel­mä­ßig­kei­ten und schaf­fen damit Wis­sen und Mehr­wert.
  • Daten­ana­ly­sen kön­nen Ant­wor­ten auf fach­li­che Fra­ge­stel­lun­gen lie­fern und zu Pro­blem­lö­sun­gen bei­tra­gen.
  • Wie­der­keh­ren­de Daten­ana­ly­sen erlau­ben ein Moni­to­ring über rele­van­te Berei­che, durch das vor­ma­li­ge Ergeb­nis­se über­prüft und neue Infor­ma­tio­nen, etwa über Dyna­mi­ken, extra­hiert wer­den kön­nen.
Stel­len Sie Ihre Anfra­ge!

Unsere Erfahrungen in der Datenanalyse

Mit einem inter­dis­zi­pli­nä­ren, reich­hal­ti­gen Erfah­rungs­ho­ri­zont in der Anwen­dung sta­tis­ti­scher, mathe­ma­ti­scher und qua­li­ta­ti­ver Ver­fah­ren in unter­schied­li­chen Kon­tex­ten bie­ten wir unse­re Unter­stüt­zung in der Erhe­bung und Ana­ly­se von Daten aller Art an. Einen Über­blick über unse­re Erfah­run­gen in der Anwen­dung ver­schie­de­ner Ver­fah­ren fin­den Sie wie folgt.

Bild über Datenanalyse - Empirische Verfahren

Daten­ana­ly­se — Empi­ri­sche Ver­fah­ren

Bild ver­grö­ßern

Daten bieten Mehrwert, sie haben aber auch Stolperfallen

Die Ana­ly­se von Daten bie­tet für Unter­neh­men grund­sätz­lich einen Mehr­wert und kann wert­vol­le Ein­bli­cke in Vor­gän­ge lie­fern, die sich der Kennt­nis zuvor ent­zo­gen hat­ten. Aller­dings gibt es in der Anwen­dung so man­che Stol­per­fal­len, die weni­ger mit dem Wis­sen zu den Ana­ly­se­ver­fah­ren, zur Daten­auf­be­rei­tung oder zu unter­schied­li­chen Daten­ban­ken, son­dern vor allem mit dem qua­li­ta­ti­ven Umgang mit den Daten zu tun haben.

Daten stel­len häu­fig in Zah­len oder auch in Begrif­fen aus­ge­drück­te Über­set­zun­gen von Ver­hal­tens­wei­sen oder Zustän­den dar, die aus einer bestimm­ten Per­spek­ti­ve erho­ben wor­den sind, sich auf einen Aus­schnitt begren­zen und unter­schied­li­che Abs­trak­ti­ons­ni­veaus haben kön­nen. Gera­de im Bereich Big Data sind Ein­bli­cke in den Situa­ti­ons­zu­sam­men­hang und Ent­ste­hungs­kon­text, aus und mit dem die Daten her­vor­ge­hen, eine Sel­ten­heit. Umso ent­schei­den­der ist ein Wis­sen dar­über, was die Daten reprä­sen­tie­ren und was sie nicht reprä­sen­tie­ren, was sie auf­de­cken und wo sich ihre blin­den Fle­cken befin­den.

Worauf wir Wert legen

Auf­grund unse­rer umfang­rei­chen Erfah­run­gen in der Daten­ana­ly­se legen wir daher gro­ßen Wert auf die qua­li­ta­ti­ven Aspek­te und auf eine sorg­fäl­ti­ge Ein­ar­bei­tung in das The­ma. Das kann unter Umstän­den auch Feld­be­ob­ach­tun­gen beinhal­ten, wenn es bspw. um die Daten­aus­wer­tung von bestimm­ten Unter­neh­mens­be­rei­chen geht, um im Vor­feld der Ana­ly­se zu einem tie­fe­ren Ver­ständ­nis über die Tätig­kei­ten und Arbeits­rou­ti­nen zu gelan­gen und Ein­sich­ten zu ent­wi­ckeln, für was die Daten ste­hen und was sie nicht im Blick haben. Denn die Anwen­dung von sta­tis­ti­schen und mathe­ma­ti­schen Ver­fah­ren sind kein Selbst­zweck, sie fin­den nicht in einem lee­ren Raum statt, und es erge­ben sich nicht auto­ma­tisch ver­wert­ba­re Ergeb­nis­se.

Daten­ana­ly­sen sind immer in einen Kon­text ein­ge­bun­den und die Ergeb­nis­se der Ana­ly­sen sind auch immer in die­sem Kon­text zu lesen. Nicht zuletzt geht es dar­um, aus den Daten­ana­ly­sen ein all­tags­taug­li­ches, ver­wert­ba­res Wis­sen her­aus­zu­ar­bei­ten, und das gelingt vor allem dann, wenn sich nicht nur der Daten­satz, son­dern auch der Situa­ti­ons­zu­sam­men­hang ange­eig­net wer­den kann.

Mit welchen Programmen wir arbeiten

Wir haben Erfah­run­gen mit einer Viel­zahl an ver­schie­de­nen Ana­ly­se­soft­wares (SPSS, R, KNIME), wodurch es uns leicht­fällt, auch mit ande­ren Anwen­dun­gen zu arbei­ten wie bspw. SAS. Grund­sätz­lich arbei­ten wir jedoch aus­schließ­lich mit Python.

Data Science

Data Sci­ence ist kei­ne Magie, auch wenn noch so vie­le zau­ber­haf­te Ver­spre­chun­gen damit ein­her­ge­hen. Data Sci­ence ist in ers­ter Linie die Ana­ly­se von struk­tu­rier­ten und unstruk­tu­rier­ten Daten in gro­ßen Men­gen, die mit einer Rei­he an hand­werk­li­chen Tätig­kei­ten ein­her­ge­hen. Wie bei jeder Daten­ana­ly­se gilt: Je sorg­fäl­ti­ger die­se Tätig­kei­ten ange­gan­gen wer­den, des­to mehr gesi­cher­te Infor­ma­tio­nen kön­nen aus den Daten ent­bor­gen wer­den.

Vorbemerkungen zu unserer Vorgehensweise

Die Ein­ar­bei­tung in das The­ma der Ana­ly­se ist zugleich der ers­te und wich­tigs­te Schritt. Denn er gibt nicht nur Ein­blick in mög­li­che Situa­ti­ons­zu­sam­men­hän­ge, aus denen die Daten stam­men, son­dern hält auch eine Hin­ter­grund­fo­lie für die spä­te­re Inter­pre­ta­ti­on der Ergeb­nis­se und die Ablei­tung von Hand­lungs­emp­feh­lun­gen bereit.

Perspektive und Ausschnitt der Daten

Dass die Daten im Regel­fall bereits vor­lie­gen, kann den Pro­zess der Ein­ar­bei­tung in das The­ma erschwe­ren oder erleich­tern. Jede Form von Daten sind aus einer bestimm­ten Per­spek­ti­ve erho­ben wor­den, die einen bestimm­ten Aus­schnitt betrach­tet. So besteht die Gefahr, dass die vor­lie­gen­den Daten einen ein­schrän­ken­den Fil­ter auf die Ein­ar­bei­tung in das The­ma legen. Wich­tig ist hier­bei zu ver­ste­hen, dass Daten kei­ne Reprä­sen­ta­tio­nen im Sin­ne von Abbil­dern sind, son­dern Über­set­zun­gen von Ver­hal­tens­wei­sen und Zustän­den, die mal mehr, mal weni­ger gut gelun­gen sind. So ist die Iden­ti­fi­zie­rung von dem, was die Daten anzei­gen und was nicht, ein wich­ti­ger qua­li­ta­ti­ver Bau­stein, der mit der Ein­ar­bei­tung in das The­ma ein­her­geht und sich nicht nur in einer guten Inter­pre­ta­ti­on der Ergeb­nis­se zeigt, son­dern sich auch in der Auf­de­ckung von mög­li­chen Ver­bes­se­run­gen der Daten­qua­li­tät für zukünf­ti­ge Ana­ly­sen äußern kann.

Datenaufbereitung

Der zwei­te Schritt ist die Daten­auf­be­rei­tung, die in den meis­ten Fäl­len sehr zeit­in­ten­siv ist, da die Daten­qua­li­tät in viel­fäl­ti­ger Wei­se Wün­sche offen lässt. Über­set­zungs­pro­ble­me, Indi­ka­tor­pro­ble­me, sys­te­ma­ti­sche Ver­zer­run­gen, feh­len­de Reprä­sen­ta­ti­vi­tät und Daten­schutz sind eben­so zu berück­sich­ti­gen wie feh­len­de Wer­te, Out­lier, Dopp­lun­gen, feh­ler­haf­te Ein­trä­ge oder unein­heit­li­che For­ma­tie­run­gen.

Analyse

Ein­mal auf­be­rei­tet, beginnt die sys­te­ma­ti­sche Aus­wer­tung der Daten. Dabei kön­nen je nach The­ma und Ziel der Ana­ly­se sowie den vor­lie­gen­den Daten unter­schied­li­che Ver­fah­ren zum Ein­satz kom­men. Die Spann­wei­te der ange­wand­ten Ver­fah­ren kann von deskrip­ti­ven Ana­ly­sen über Kor­re­la­tio­nen, Regres­sio­nen, Clus­ter­ana­ly­sen bis hin zu Ver­fah­ren des maschi­nel­len Ler­nens rei­chen (z.B. Ran­dom Forest oder neu­ro­na­le Netz­wer­ke).

Unsere Angebote

Unse­re Lei­den­schaft und Hin­ga­be gilt den span­nen­den Auf­ga­ben, Daten­ana­ly­sen zur För­de­rung der Unter­neh­mens- und Geschäfts­stra­te­gie sowie zur Ent­wick­lung von Pro­duk­ten und Dienst­leis­tun­gen zu kon­zi­pie­ren und auch durch­zu­füh­ren. Span­nend sind sie des­we­gen, weil sie neu und kom­plex sind, noch wenig Erfah­rung vor­han­den ist und von der Viel­falt an Daten aus unter­schied­li­chen Quel­len ver­füh­re­risch ange­bo­ten wer­den. Umso ent­schei­den­der sind eine sorg­fäl­ti­ge Kon­zep­ti­on und der qua­li­ta­ti­ve Umgang mit Daten.

Förderung der Unternehmens- und Geschäftsstrategie

Vor­ab ist fest­zu­hal­ten, dass Daten­ana­ly­sen kei­ne Geschäfts­stra­te­gi­en her­bei­zau­bern kön­nen. Geschäfts­stra­te­gi­en basie­ren auf Kern­kom­pe­ten­zen, Märk­ten, Geschäfts­fel­der, Produkte/ Dienst­leis­tun­gen, dem Umfeld und/ oder Wett­be­werbs­vor­tei­len. Daten­ana­ly­sen wer­den die­se har­ten Aspek­te weder neu erfin­den noch erset­zen kön­nen. Ana­ly­sen zur För­de­rung von Geschäfts­stra­te­gi­en die­nen dage­gen zur punk­tu­el­len Ver­fei­ne­rung, Ergän­zung oder Erwei­te­rung von Geschäfts­stra­te­gi­en, um sie ent­lang von Markt­dy­na­mi­ken ziel­ge­rich­te­ter ein­set­zen zu kön­nen.

Gän­gi­ge Fra­gen sind bspw. “Wer sind die Kun­den?”, “Wor­um geht es ihnen?”, “Wer kauft am wahr­schein­lichs­ten das Pro­dukt oder die Dienst­leis­tung?”, “Wer gibt am meis­ten für die Pro­duk­te aus?”, “Wel­chen Ein­fluss wird eine Ände­rung des Prei­ses auf die Ver­käu­fe neh­men?”, “Wel­che Mar­ke­ting­bot­schaft kommt bei wel­chen Kun­den­grup­pen gut an?” oder “Wie prä­sen­tie­ren sich die Wett­be­wer­ber?”

Die dafür wich­tigs­ten Daten sind Kun­den­da­ten, Daten von Wett­be­wer­bern, Daten von exter­nen Fak­to­ren (bspw. Wet­ter, Ein­kom­mens­ver­tei­lung) und Daten zu Pro­duk­ten und Nut­zungs­ver­hal­ten.

Entwicklung von Produkten und Dienstleistungen

Daten­ana­ly­sen eig­nen sich ins­be­son­de­re dann zur Ent­wick­lung von Pro­duk­ten und Dienst­leis­tun­gen, wenn das Nut­zungs­ver­hal­ten der Kun­den mit den Pro­duk­ten auf­ge­zeich­net wer­den kann und inter­ne Kanä­le für Kun­den­feed­back instal­liert sind. Aber auch ande­re Daten­quel­len wie Bewer­tungs­por­ta­le, spe­zia­li­sier­te Foren oder Sozia­le Medi­en kön­nen hier­zu wich­ti­ge Ein­bli­cke lie­fern, um Kun­den­pro­ble­me und -wün­sche zu iden­ti­fi­zie­ren.

Wei­te­re Ein­sich­ten kön­nen von Markt­for­schungs­un­ter­neh­men wie For­res­ter oder Gart­ner oder vom Moni­to­ring der Wett­be­wer­ber gewon­nen wer­den.

Wie bereits beim The­ma För­de­rung von Geschäfts­stra­te­gi­en ange­spro­chen, wer­den Daten­ana­ly­sen zur Ent­wick­lung von Pro­duk­ten und Dienst­leis­tun­gen allein das Rad nicht neu erfin­den. Sie kön­nen aller­dings dazu bei­tra­gen, die Pro­duk­te und Dienst­leis­tun­gen punk­tu­ell zu ver­bes­sern und die Gebrauchs­taug­lich­keit bzw. Benut­zer­freund­lich­keit (Usa­bi­li­ty) zu erhö­hen.

Gene­rell ist die Ent­wick­lung von Pro­duk­ten oder Dienst­leis­tun­gen eben­so ein qua­li­ta­ti­ver Pro­zess wie es der prak­ti­sche Umgang des Kun­den mit dem Pro­dukt oder der Dienst­leis­tung ist. Das Pro­blem hier­bei ist, dass qua­li­ta­ti­ve Pro­zes­se sich nur schwer und dann auch nur aus­schnitts­wei­se quan­ti­fi­zie­ren las­sen. Daher bie­ten wir auch eine pra­xis­so­zio­lo­gi­sche Beglei­tung von Pro­dukt- und Design­ent­wick­lun­gen an (sie­he unten).

Für bei­de Fel­der — Stra­te­gie- und Pro­dukt­ent­wick­lung — bie­ten wir eine Kon­zep­ti­on für die Daten­ana­ly­se an, beru­hend auf Ihren Anga­ben und vor­han­de­nen wie ver­füg­ba­ren Daten. Ger­ne über­neh­men wir auch die Aus­wer­tung mit Python.

Datenqualität / Datenqualitätsmanagement

Im Bereich Daten­qua­li­täts­ma­nage­ment bie­ten wir eine Über­prü­fung und Doku­men­ta­ti­on der Daten an. Unser Fokus liegt hier­bei auf den qua­li­ta­ti­ven Umgang mit Daten. Dies beinhal­tet:

  • Über­prü­fung der Über­set­zungs­pro­zes­se von Ver­hal­tens­wei­sen und Zustän­den in Daten, dar­un­ter Iden­ti­fi­zie­rung von blin­den Fle­cken der Daten.
  • Doku­men­ta­ti­on der Daten nach Berei­chen, Per­spek­ti­ven, Aus­schnit­ten, Abs­trak­ti­ons­ni­veaus, Erhe­bungs­wei­se und Codie­rung als Bei­la­ge für ein bes­se­res Ver­ständ­nis
    • von Situa­ti­ons­zu­sam­men­hän­gen, aus denen die Daten stam­men,
    • bei der Kon­zep­tio­nie­rung von Model­len mit Daten aus ver­schie­de­nen Quel­len und
    • für die Aus­wer­tung der Daten.
  • Iden­ti­fi­zie­rung von Wegen zur Ver­bes­se­rung der Daten­qua­li­tät und zur Redu­zie­rung der zeit­in­ten­si­ven Daten­auf­be­rei­tung anhand von Inter­views mit ver­ant­wort­li­chen Daten­ana­lys­ten und Data Sci­en­tists im Unter­neh­men.

Oft­mals liegt das prak­tisch-inter­pre­ta­ti­ve Wis­sen der Daten­ana­ly­sen oder Data Sci­en­tists im Umgang mit den Daten brach und wird nicht genutzt. Über Inter­views kön­nen immer wie­der­keh­ren­de Pro­zes­se auf­ge­deckt und nach Mög­lich­kei­ten gesucht wer­den, die­se effek­ti­ver und effi­zi­en­ter zu gestal­ten.

Data Mining

Wir füh­ren ziel­ge­rich­te­te explo­ra­ti­ve Ana­ly­sen Ihrer Daten zur Ermitt­lung von Zusam­men­hän­gen, Mus­tern und Regel­mä­ßig­kei­ten durch, um Ihnen eine unter­stüt­zen­de Grund­la­ge für Geschäfts­ent­schei­dun­gen zu lie­fern.

Je nach Fra­ge­stel­lung kön­nen dabei unter­schied­li­che Daten kon­zep­tio­nell zusam­men­ge­stellt und ver­schie­de­ne Ana­ly­se­ver­fah­ren zur Anwen­dung kom­men.

Bei­spiels­wei­se kön­nen Kun­den­da­ten nach Gemein­sam­kei­ten und Unter­schie­de hin unter­sucht wer­den, um dar­auf zuge­schnit­te­ne Mar­ke­ting­ak­tio­nen zu initi­ie­ren und die Respon­se­ra­te zu erhö­hen.

Prädiktive Analysen

Mit prä­dik­ti­ven Ana­ly­sen wer­den zukünf­tig wahr­schein­li­che Sze­na­ri­en auf der Grund­la­ge von ver­gan­ge­nen und gegen­wär­ti­gen Ver­hal­tens­wei­sen oder Zustän­den ermit­telt.

Ein fast schon klas­si­sches Bei­spiel ist die Berech­nung des Custo­mer Churn, die Abwan­de­rungs­wahr­schein­lich­keit zu ande­ren Anbie­tern. Aber auch Maschi­nen­war­tung, d.h. das vor­aus­schau­en­de Ermit­teln, ab wann eine Teil­kom­po­nen­te feh­ler­haft arbei­ten wird, oder die Opti­mie­rung von logis­ti­schen Pro­zes­sen gehö­ren dazu.

Prä­dik­ti­ve Ana­ly­sen benö­ti­gen eine hohe Daten­qua­li­tät, damit das Vor­her­sa­ge­mo­dell auch gesi­cher­te Erkennt­nis­se lie­fern kann.

Praxissoziologische Begleitung von Produkt- und Designentwicklungen

Soge­nann­te intel­li­gen­te Pro­duk­te, die über Sen­so­ren das Nut­zungs­ver­hal­ten mes­sen, fül­len mehr und mehr unse­ren Lebens­all­tag. Die zuneh­men­de Ver­net­zung von Din­gen über das Inter­net gestal­tet den All­tag mit und wirkt auf die Bil­dung von neu­en Ver­hal­tens­rou­ti­nen.

Das Smart­pho­ne ist nicht mehr weg­zu­den­ken, neue Tech­ni­ken in der Medi­zin regis­trie­ren den Zucker­ge­halt im Blut oder den Blut­kreis­lauf und über­mit­teln kon­ti­nu­ier­lich die Wer­te. Fahr­as­sis­tenz­sys­te­me erfas­sen nicht nur unser Fahr­ver­hal­ten, son­dern geben auch Hin­wei­se auf poten­ti­el­le Gefah­ren­si­tua­tio­nen. Dis­plays mit lau­fend aktua­li­sie­ren­den Sta­tus­mel­dun­gen, visu­el­le, audi­tive und hap­ti­sche Signa­le und Hin­wei­se fül­len unser Leben, len­ken unse­re Auf­merk­sam­keit auf die Din­ge und set­zen refle­xi­ve Pro­zes­se in Gang. Nicht immer gelingt das zum bes­ten Nut­zen. Oft genug kommt es zu uner­wünsch­ten Ablen­kun­gen oder zu Irri­ta­tio­nen im prak­ti­schen Umgang.

Ein Fahr­as­sis­tenz­sys­tem bspw., das nicht zwi­schen einem ste­hen­den und abbie­gen­den Auto unter­schei­den kann, kann mehr zu Ver­wir­rung als zu Klar­heit füh­ren, wenn der wich­ti­ge Blick von der Stra­ße auf die blin­ken­den Signa­le im Dis­play gelenkt wird und womög­lich genau in die­sem Moment nicht gese­hen wird, dass das abbie­gen­de Auto wegen eines Fuß­gän­gers doch anhal­ten muss.

Intel­li­gen­te Pro­duk­te for­dern unse­re Wahr­neh­mung her­aus. Alte Ver­hal­tens­rou­ti­nen schwin­den und neue sind zu bil­den. Pra­xis­so­zio­lo­gi­sche Unter­su­chun­gen legen den Fokus auf den prak­ti­schen Umgang mit Din­gen und der Bil­dung von Ver­hal­tens­rou­ti­nen. Dabei wer­den Din­ge als Akteu­re betrach­tet, die über Form, Gestal­tung, Design und ein­ge­schrie­be­nen Hand­lungs­pro­gram­men und Skrip­ten zu bestimm­ten Ver­hal­tens­wei­sen auf­for­dern, die­se ermög­li­chen, anlei­ten und unse­re Ver­hal­tens­wei­sen und Erleb­nis­welt mit­ge­stal­ten.

Eine pra­xis­so­zio­lo­gi­sche Beglei­tung wen­det unter­schied­li­che Metho­den an, um den prak­ti­schen Umgang bereits im Ent­wick­lungs­pro­zess mit­zu­den­ken. Dar­un­ter fal­len

  • Expe­ri­men­tel­le Designs/statistische Ver­suchs­pla­nung bspw. zur Wahr­neh­mung, Bedie­nung oder Reak­ti­ons­zei­ten inkl. der Über­set­zung der Labor­er­geb­nis­se in all­tags­taug­li­ches Wis­sen;
  • Grup­pen­in­ter­views bei bereits bestehen­den Pro­duk­ten oder mit Per­so­nen, die das Pro­dukt getes­tet haben, um die Sta­bi­li­tät des prak­ti­schen Umgangs zu bewer­ten. Dabei wird sich mit den Fra­gen beschäf­tigt,
    • ob, wie und wo Irri­ta­tio­nen im prak­ti­schen Umgang auf­tre­ten oder ob es gar zu Wider­set­zun­gen kommt;
    • wel­che Affi­zie­run­gen (leib­li­che Reso­nan­zen) sich im prak­ti­schen Umgang voll­zie­hen ;
    • wel­che Affor­d­an­zen (Auf­for­de­rungs­cha­rak­ter zum Han­deln) sich durch Gestal­tung, Design und Hand­lungs­pro­gram­men der Pro­duk­te zei­gen;
    • wel­che Asso­zia­tio­nen beim Kun­den in der Hand­ha­bung auf­tre­ten.

Die Pra­xis­so­zio­lo­gie bie­tet hier­für einen rei­chen Metho­den­mix. Neben expe­ri­men­tel­len Designs und qua­li­ta­ti­ven Ver­fah­ren wie die Akteur-Netz­werk-Theo­rie oder die kogni­ti­ve Meta­phern­theo­rie kön­nen auch quan­ti­ta­ti­ve Befra­gun­gen oder Daten­ana­ly­sen aus dem Bereich Big Data ein­ge­setzt wer­den. Wich­tig ist hier­bei die kon­zep­tio­nel­le Abstim­mung der ver­wen­de­ten Metho­den, um mög­lichst reich­hal­ti­ge und gesi­cher­te Infor­ma­ti­on extra­hie­ren zu kön­nen.

Je nach Pro­dukt oder Dienst­leis­tung kön­nen unter­schied­li­che Metho­den zum Ein­satz kom­men. Ger­ne bera­ten wir Sie dazu.

Mitarbeiterbefragungen

Ziele von Mitarbeiterbefragungen

Mit­ar­bei­ter­be­fra­gun­gen haben zum Ziel, die Ein­stel­lun­gen, Wün­sche und Mei­nun­gen der Mit­ar­bei­ter im Unter­neh­men zu ver­schie­de­nen The­men zu erhe­ben. Grund­le­gend zie­len Mit­ar­bei­ter­be­fra­gung auf die Sicher­stel­lung und Stei­ge­rung von Zufrie­den­heit und Moti­va­ti­on der Mit­ar­bei­ter sowie zur Akzep­tanz von geplan­ten Maß­nah­men, wie dies bspw. bei Chan­ge-Pro­zes­sen der Fall ist.

Mit Mit­ar­bei­ter­be­fra­gun­gen kön­nen die Stär­ken und Schwä­chen eines Unter­neh­mens loka­li­siert und es kön­nen Anrei­ze, Moti­va­ti­on als auch Hin­der­nis­se zur Errei­chung bestimm­ter Zie­le iden­ti­fi­ziert wer­den.

Voraussetzungen

Ent­schei­dend für eine erfolg­rei­che Umset­zung einer Mit­ar­bei­ter­be­fra­gung sind zwei Punk­te: Ers­tens gilt es, die Unter­neh­mens­lei­tung und Füh­rungs­kräf­te ein­zu­bin­den, um eine mög­lichst brei­te und legi­ti­mier­te Betei­li­gung an der Befra­gung zu bekom­men. Zwei­tens muss sicher­ge­stellt sein, dass die Mit­ar­bei­ter­be­fra­gung kein Selbst­weck ist, son­dern auf klar for­mu­lier­ten Zie­len beruht, die Ergeb­nis­se kom­mu­ni­ziert und auf deren Grund­la­ge auch ent­spre­chen­de Maß­nah­men getrof­fen wer­den.

Themenspektrum

Das The­men­spek­trum für Mit­ar­bei­ter­be­fra­gun­gen ist weit ange­legt: Unter­neh­mens­kul­tur, Arbeit­ge­berimage, Iden­ti­fi­ka­ti­on mit dem Unter­neh­men, Arbeits­zu­frie­den­heit, Zusam­men­ar­beit und Betriebs­kli­ma, Füh­rungs­ver­hal­ten, Per­so­nal­ent­wick­lung, Infor­ma­ti­on und Kom­mu­ni­ka­ti­on, Moti­va­ti­on, Ver­bes­se­run­gen für das Unter­neh­men, Chan­ge-Pro­zes­se.

Imageanalysen

Das Image als komplexes dynamisches Gebilde

Das Image bezeich­net das Erschei­nungs­bild eines Unter­neh­mens oder einer Mar­ke und ist ein wesent­li­cher Fak­tor für die Kun­den­bin­dung. Dabei ist das Image selbst ein kom­ple­xes und dyna­mi­sches Gebil­de, das sich zusam­men­setzt aus Eigen­dar­stel­lung, Unter­neh­mens­kom­mu­ni­ka­ti­on und geleb­tes Ver­hal­ten von Manage­ment und Mit­ar­bei­tern auf der einen Sei­te sowie Wahr­neh­mung sei­tens des Kun­den und deren kogni­ti­ve, affek­ti­ve und asso­zia­ti­ve Aspek­te auf der ande­ren Sei­te.

Design und Usability

Das Unter­neh­mens- und Mar­ken­image hat zusam­men mit der tech­ni­schen Qua­li­tät des Pro­dukts oder der Dienst­leis­tung Ein­fluss auf die wahr­ge­nom­me­ne Qua­li­tät.

Dabei wird die wahr­ge­nom­me­ne Qua­li­tät von Pro­duk­ten und Dienst­leis­tun­gen vom Kun­den nicht nur hin­sicht­lich der Funk­tio­na­li­tät und Feh­ler­frei­heit bewer­tet, son­dern sie hängt im Wesent­li­chen auch von kör­per­be­zo­ge­nen Wahr­neh­mungs­merk­ma­len ab, die im prak­ti­schen Umgang auf­tre­ten. Dabei geht es dar­um, wel­che Affi­zie­run­gen sich ereig­nen, d.h. wel­che Stim­mun­gen, Emo­tio­nen und Gefüh­le her­vor­ge­ru­fen wer­den und ob sich der prak­ti­sche Umgang mit dem Pro­dukt oder der Dienst­leis­tung als sta­bil erweist oder Irri­ta­tio­nen oder gar Wider­set­zun­gen gesche­hen.

So tra­gen Design, des­sen Insze­nie­rung und Cho­reo­gra­phie und die Usa­bi­li­ty wesent­lich zur Image­bil­dung bei.

Unser Angebotsspektrum von Imageanalysen

Es gibt ver­schie­de­ne Wege Image­ana­ly­sen durch­zu­füh­ren. Je nach Unter­neh­men, Pro­dukt oder Dienst­leis­tung und Kun­den eig­nen sich daher unter­schied­li­che Ver­fah­ren und Metho­den.

Ger­ne machen wir für Sie ein maß­ge­schnei­der­tes Ange­bot, das auf Ihr Unter­neh­men, ihrer Mar­ke oder ihren Kun­den zuge­schnit­ten ist.

Unser Ange­bot ent­hält:

    • Doku­men­ten­ana­ly­sen (bspw. Unter­neh­mens­kom­mu­ni­ka­ti­on, Wer­be­bro­schü­ren, Zei­tungs­be­rich­te, Bewer­tungs­por­ta­le) mit­tels qua­li­ta­ti­ver Inhalts­ana­ly­sen oder Text Mining; Sen­ti­ment­ana­ly­sen und Natu­ral Lan­guage Pro­ces­sing;
    • Mit­ar­bei­ter- und Kun­den­be­fra­gun­gen zur Iden­ti­fi­zie­rung von Kun­den­for­de­run­gen und Dif­fe­ren­zen in der Wahr­neh­mung;
    • Tie­fen­in­ter­views und Grup­pen­in­ter­views zur Iden­ti­fi­zie­rung qua­li­ta­ti­ver Aspek­te des Images;
    • pra­xis­so­zio­lo­gi­sche Unter­su­chun­gen zur Wir­kung von Design und Usa­bi­li­ty im prak­ti­schen Umgang mit dem Pro­dukt oder der Dienst­leis­tung.

Sonstige Datenanalysen

Sie haben Daten und benö­ti­gen Ana­ly­sen dazu? Immer her damit. Ger­ne über­neh­men wir die Aus­wer­tung und suchen explo­ra­tiv oder hypo­the­sen­ori­en­tiert nach Zusam­men­hän­gen, Mus­tern und Regel­mä­ßig­kei­ten

Autor: Jochen Zeil © Bahner Con­sul­ting ®

Stel­len Sie Ihre Anfra­ge!