Bei klinischen Studien sind Studienabbrecher oder Protokollverletzungen keine Seltenheit. Häufig stellt dies aber ein ernsthaftes Problem für die Analyse der Daten dar. Wir zeigen Wege wie Sie mit solchen Abweichungen umgehen können und wie Sie durch eine Intention-To-Treat Analyse zu gültigen Analyseergebnissen gelangen.
Nichtparametrische Tests gelten als Mittel der Wahl, wenn die Normalverteilungsannahme verletzt ist. Dabei bleiben allerdings wertvolle Informationen unbeachtet, eine Einbuße an Trennschärfe oder Power ist die Folge. Wir zeigen Ihnen, wie sie mit modernen Resampling Methoden wie Bootstrapping Statistik oder Permutation Test mehr aus Ihren Daten holen.
Data Mining hat das Ziel, Informationen aus großen Datenbeständen (Big Data) zu extrahieren und nutzbar zu machen. Für eine zielführende und effiziente Arbeitsweise sind sechs Schritte notwendig. Wir erläutern Ihnen anhand des allgemein gültigen Standards CRISP-DM die 6 Phasen von Data Mining.
Mitarbeitermotivation gehört zu den wichtigsten Säulen im Rahmen von Unternehmenserfolg. Eine der zentralen Fragen dabei ist, wie sich Mitarbeitermotivation durch Umfragen messen und idealerweise verbessern lässt. Dieser Artikel geht der Frage nach, wie Motivation gemessen werden kann und welche Aspekte dabei zu beachten sind. In einem weiteren Schritt werden relevante Schlüsselkriterien aufgezeigt, um eine Mitarbeitermotivation Umfrage im Unternehmensbereich umfassend und aussagekräftig durchführen zu können.
„Vorhersagen sind immer schwierig – vor allem über die Zukunft.“ Auch wenn dieses Zitat sicherlich stimmt ist unternehmerische Planung (z.B. beim Vertriebsplan) ohne Vorhersagen kaum möglich. Für eine optimale Planung sollten Vorhersagen hier möglichst genau vorgenommen werden. Predictive Analytics kann hier eine wertvolle Unterstützung sein. Häufig ist vielen Entscheidungsträger aber unklar, was sich hinter diesem Begriff verbirgt und welche Potenziale Predictive Analytics für das eigene Unternehmen bietet. Dieser Artikel bietet deswegen eine verständliche Einführung zum Begriff Predictive Analytics.
Befragungen von Mitarbeiterinnen und Mitarbeitern sind heutzutage ein zentraler Bestandteil im B2B-Bereich. Eine der wichtigsten Fragen im Zusammenhang mit der Durchführung von Umfragen in Unternehmen und in der empirischen Forschung generell ist die Frage, ob und wann eine Mitarbeiterbefragung anonym ist. In diesem Artikel wird erläutert, was Anonymität bedeutet, welche Vorschriften und Empfehlungen zu beachten sind und wie generell Anonymität und Datenschutz in einer Mitarbeiterbefragung gewährleistet werden können.
Mitarbeiterbefragungen spielen in Zeiten des häufigen Personalwechsels eine immer größere Rolle und bieten den Unternehmen eine Reihe von Vorteilen.Eine erfolgreiche Mitarbeiterbefragung bedarf einer gründlichen Vorbereitung schon von Beginn an mit Hilfe einer professionellen Fragebogen-Erstellung, damit die anschliessende Auswertung auch entsprechende Erkenntnisse liefern kann. Die Fragebögen werden nach der Erstellung von den Befragten ausgefüllt und im […]
In vielen Anwendungsbereichen können Einflussvariablen oft nicht direkt erhoben werden. Man spricht dann von latenten (verborgenen) Variablen. Solche Variablen können z. B. Stress, Angst oder Politikverdrossenheit sein. Latente Variablen können nur indirekt erhoben werden. Wir geben Ihnen einen Einblick, wie mit Strukturgleichungsmodellen und Pfadanalyse eine elegante und effektive Modellierung erfolgen kann.
„Jeden Tag ist es unsere Aufgabe, jeden wichtigen Aspekt der Kundenerfahrung ein bisschen besser zu machen“, sagte einmal Jeff Bezsos als CEO von Amazon. Aber auch jedes andere Unternehmen sollte die Steigerung der Kundenzufriedenheit als oberste Priorität sehen. Um zu wissen, welche Maßnahmen nötig sind um das Kundenerlebnis zu verbessern, ist allerdings zunächst eine kontinuierliche Messung der Kundenzufriedenheit unabdingbar! Wir zeigen die 4 besten Instrumente um die Kundenzufriedenheit zu ermitteln.
Nicht-randomisierte Studien sind in der Kritik, da sich Behandlungs- und Kontrollgruppe oft bezüglich möglicher Stör- und Einflussgrößen unterscheiden. Kausale Effekte sind in solchen Settings nicht mehr auf die Behandlung zurückzuführen. Der Propensity-Score stellt eine Möglichkeit dar, im Analyseprozess der Daten bezüglich der erhobenen Confounder zu korrigieren. Wir geben eine Einführung in die Auswertung mit Propensity Score und erläutern die Hintergründe.