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.
Der vergessene Datenschatz: Viele Unternehmen übersehen, dass Sie neben strukturierten Daten in Tabellen und Datenbanken noch über weitere Quelle an wertvollen UNstrukturierten Daten verfügen. Unstrukturierte Daten bezeichnet zum Beispiel E-Mail Nachrichten oder Social Media Feeds. Wir zeigen Ihnen, was unstrukturierte und semi-strukturierte Daten ausmacht und wie man diese Daten gewinnbringend für das eigene Unternehmen nutzen kann!
Das Kaufverhalten des Kunden verstehen, das attraktivste Angebot für den Kunden ermitteln oder Kundenabwanderung verhindern: All dies sind Ziele bei denen einen die Customer Analytics und die Ermittlung des Kundenwerts unterstützen kann. Wir zeigen, wie man mit analytisches CRM verwendet, um die eigenen Angebote an den Kunden zu optimieren und dadurch den Umsatz steigert!
Ein statistisches Modell soll die Wirklichkeit möglichst gut vorhersagen. Um ein Bild der Wirklichkeit zu haben, werden Daten verwendet. Diese Daten bilden die Basis zur Entwicklung eines Modells sowie zur Überprüfung der Güte des Modells. Dabei kann es leicht zu Overfitting kommen: Das Modell sagt die vorhandenen Daten optimal voraus, funktioniert aber nur unzureichend bei unbekannten Daten. Wir geben Ihnen Tipps vom Profi, wie stabile Modelle erreicht werden können.
Unsicher wo Sie bei Ihrer Datenanalyse beginnen sollen? Die deskriptive Analyse ist immer ein sinnvoller erster Schritt um Überblick über die Daten zu schaffen. Wir stellen die wichtigsten Methoden für deskriptive Statistik vor und geben Tipps wie man eine deskriptive Datenanalyse besonders aussagekräftig gestaltet.
„Ich weiß, die Hälfte meiner Werbung ist hinausgeworfenes Geld. Ich weiß nur nicht, welche Hälfte.“ sagte einst Henry Ford. Dank moderner datengetriebener Modelle muss heutzutage jedoch keine Marketingstrategie mehr im Dunklen tappen. Welches Attributionsmodell dabei am besten geeignet ist, hängt allerdings stark von der eigenen Kampagne und eigenem Marketing-Mix ab. In diesem Artikel zeigen wir, wie man das richtige Attributionsmodell findet und den Erfolg verschiedener Marketingkampagnen korrekt beurteilt.
Die Delphi-Methode ist eine strukturierte Befragung von Experten zur Entscheidungsfindung. Gerade für weitreichende und komplexe Entscheidungsprozesse mit weitem Zeithorizont und großer geographischer Ausdehnung ist die Delphi Befragung ein elegantes, zeit- und ressourcensparendes Verfahren. Aber auch für kleinere Unternehmen bieten sich durch die Delphi-Methode gewinnbringende Erkenntnisse für zukünftige Planungen und Schätzungen. Wir stellen Ihnen diese Art der Umfrage vor und zeigen Ihnen ein Beispiel aus der Personalplanung.
Die Antworten aus dem besten Fragebogen sind wenig wert, wenn er nicht korrekt ausgewertet wird! Wer einen Fragebogen auswerten möchte weiß oft erst einmal nicht wo er anfangen soll. Deshalb geben wir in diesem Artikel 5 Schritte an die Hand, mit denen man einen Fragebogen effizient und schnell auswerten kann. So gelangt man schnell an wertvolle Erkenntnisse aus dem eigenen Fragebogen!
„Was wollen Kunden haben?“ Diese Frage steht im Zentrum der Positionierungsanalyse. Dabei gilt es im Wesentlichen herauszufinden, welche Eigenschaften ein Idealprodukt aus Kundensicht ausmachen und wodurch sich dieses auszeichnet. Im Vergleich mit Konkurrenzprodukten wird versucht, das Produkt abzugrenzen und Nischen zu finden. Wir zeigen und erklären Ihnen die wesentlichen Schritte zu einem authentischen und einzigartigen Produkt
Im Rahmen von Studien werden meist viele Daten gesammelt, aufbereitet und gespeichert. Viel zu schade, um damit nur eine einzige primäre Forschungshypothese zu überprüfen. Werden allerdings mehrere Fragestellungen induktiv auf einem Datensatz untersucht, erhöht sich damit auch die Wahrscheinlichkeit für den Fehler 1. Art. Wir zeigen ihnen, wie sie trotzdem valide und aussagekräftige Ergebnisse erhalten.