Umfrageergebnisse auswerten & interpretieren
Die Auswertung deiner Umfrage ist einer der wichtigsten Schritte.
Im folgenden zeigen wir dir unterschiedliche Methoden und Tricks, wie du deine Ergebnisse analysierst und zum Schluss interpretierst.
Du hast dir sicherlich schon während der laufenden Umfrage deine Ergebnisse angeschaut.
Spätestens wenn die Umfrage abgeschlossen ist, fragst du dich, wie du die Ergebnisse auswerten und interpretieren kannst.
Mit der folgenden Anleitung zeigen wir dir, wie du vorgehst und die Ergebnisse auswertest.
Lass uns starten – Let’s go!
Warum Ergebnisse analysieren
Die Analyse der Umfrageergebnisse ist ein wesentlicher Bestandteil deiner Befragung. Du hast die Umfrage durchgeführt, um valide Daten zu erhalten.
Damit du aus den Daten die richtigen Schlüsse ziehst und keine voreiligen Annahmen triffst, ist es wichtig, die Daten korrekt zu analysieren.
Das Ziel der Analyse ist die Interpretation der Ergebnisse. Dabei geht es darum, welche Bedeutung die Ergebnisse haben und welche Maßnahmen oder Thesen sich daraus ableiten lassen.
Die Auswertung und Analyse deiner Umfrage wird in mehrere Schritte unterteilt.
Zuerst möchten wir dich jedoch mit den klassischen Methoden der Analyse vertraut machen.
Die Auswahl der Fragetypen hat Einfluss auf die Analyse
Je nachdem, welche Fragetypen du in deiner Umfrage genutzt hast, hat dies Auswirkungen auf die Art der Analyse. Grundsätzlich wird zwischen quantitativen und qualitativen Daten unterschieden.
Quantitative Daten sind nichts anderes als Zahlen in verschiedenen Formaten. Zum Beispiel absolute oder relative Werte (%), Durchschnittswerte (ø) oder eine Standardabweichung.
Diese Zahlen erhältst du bei „Klickfragen“, also geschlossenen Fragen wie einer NPS-Skala, einem Sterne-Rating oder einer Beurteilungsmatrix.
Kennst du den NPS? Wenn nicht, dann schaue dir die Erklärung dazu an und wie die NPS-Berechnung erfolgt. Der NPS ist ein mächtiger Fragetyp, der bei jeder Art von Umfrage genutzt werden kann.
Das Gute an Zahlenwerten ist, dass diese direkt miteinander vergleichbar und perfekt für die statistische Auswertung geeignet sind.
Qualitative Daten hingegen sind Daten, die keine Zahlen enthalten. Dazu gehören freie Textantworten, die die Meinung der Teilnehmer widerspiegeln.
Die Auswertung qualitativer Daten auf manuellem Weg ist sehr zeitaufwendig – lohnt sich jedoch, denn darin liegt das „Gold“ einer Befragung.
Du erfährst die persönliche Meinung jedes Einzelnen und erhältst tiefere Einblicke.
So analysierst du die Ergebnisse deiner Umfrage
Im Folgenden zeigen wir dir Schritt für Schritt, wie du die Ergebnisse deiner Umfrage auswertest, analysierst und zum Schluss interpretierst.
- 01 Vorbereitung: Daten bereinigen
- 02 Segmente Bilden
- 03 Quantitative und qualitative Auswertung
- 04 Filtern & Vergleichen
- 05 Kreuztabellen
- 06 Rücklaufquote – repräsentative Aussagen
- 07 Interpretation der Ergebnisse
- 08 Erkenntnisse teilen
Und zum Schluss möchten wir dir noch weitere Methoden der Auswertung vorstellen:
01 Vorbereitung: Daten bereinigen
Bevor du mit der Auswertung deiner Ergebnisse beginnst, solltest du die Ergebnisse bereinigen. Bei der Bereinigung der Ergebnisse geht es darum, Teilnehmer zu entfernen, die dein Ergebnis verzerren.
Um Fake- oder unrelevante Teilnehmer zu erkennen, gehe nach folgenden Kriterien vor:
Unrealistische Antwortzeiten
Zuerst schaust du, wie lang die durchschnittliche Antwortzeit über die gesamten Teilnehmer war, bzw. kannst du anhand der Anzahl der Frage die Zeit abschätzen.
Wenn wir von 10 Fragen ausgehen, wird die Beantwortungszeit zwischen 5-15 Minuten liegen – je nachdem ob Freitextantworten dabei waren oder nicht.
Und ob die Fragestellungen kurz und einfach oder komplex gestellt wurden. Gehen wir jetzt davon aus, dass der Durchschnitt ca. 10 Minuten für die Beantwortung benötigt hat.
Es wird Personen geben, die schneller lesen und antworten können. Bei denen kann die Beantwortungszeit auch bei nur 5 Minuten liegen oder im umgekehrten etwas länger. Somit wären alle Teilnehmer unter 5 Minuten verdächtig, ein Fake-Teilnehmer zu sein.
Um diese Fake-Teilnehmer nun aus den Ergebnissen zu löschen, exportiere dir die Ergebnisse nach XLS und sortiere die Spalte mit der Beantwortungszeit (kürzeste Zeit oben).
Nun hast du alle Teilnehmer auf einen Blick mit einer sehr kurzen Antwortzeit. Merke dir nun die Teilnehmer-ID und öffne in easyfeedback die Einzelergebnisse.
Hier suchst du nun die Teilnehmer-ID der betreffenden Teilnehmer und löscht diese aus den Ergebnissen.
Sporadisches Antwortverhalten
Alle, die nur so lala die Umfrage durchführen, haben kein ernstes Interesse an gutem Feedback und beantworten hier und da mal eine Frage.
Wenn also mehrere Fragen von einem Teilnehmer nicht beantwortet wurden, dann helfen dir die restlichen Ergebnisse sehr wahrscheinlich nicht.
Wenn du diese Teilnehmer findest, dann lösche diese ebenfalls aus den Ergebnissen.
Falsche Zielgruppe
Wenn du eine Umfrage zur KFZ-Nutzung durchgeführt hast und zu Anfang eine Segmentierungsfrage stellst „Besitzen Sie ein KFZ?“, dann gehören alle, die mit „Nein“ geantwortet haben, nicht zu deiner Zielgruppe.
In easyfeedback musst du diese Teilnehmer nicht löschen.
Du kannst dir einen Filter erstellen, der nur die Ergebnisse der Personen anzeigt, die mit „Ja“ geantwortet haben.
Dadurch verfälschen diese nicht dein Ergebnis und du kannst dir die Gesamtstatistik jederzeit wieder anschauen.
Unrealistische Antworten
Eine weitere Möglichkeit, um die Ergebnisse zu bereinigen, sind Teilnehmer zu entfernen, die unrealistische Antworten gegeben haben.
Z. B. soll die Anzahl der Haustiere genannt werden und dafür hast du ein Dropdown mit „1-10“ zur Verfügung gestellt.
Alle, die nun 10 angewählt haben, sind schon sehr auffällig und eher unrealistisch.
Diese Teilnehmer solltest du entfernen, um die Ergebnisse nicht zu verfälschen.
Entweder löschst du diese, oder du erstellst dir einen Filter, der diese Teilnehmer nicht mehr berücksichtigt.
Gleichbleibende Antworten
Wenn du z. B. Matrix-Fragen im Fragebogen platziert hast und ein Teilnehmer immer „sehr zufrieden“, immer „unzufrieden“ oder immer „mittel“ ankreuzt, dann solltest du diese Teilnehmer aussortieren, da diese dir keinen Mehrwert geben.
Dazu nimm dir wieder deine XLS-Datei und suche darin nach den Antwortoptionen zu deiner Matrix. Du wirst dann sehr schnell sehen, ob es Teilnehmer gibt, die immer die gleiche Antwort gegeben haben.
Merke dir wieder die Teilnehmer-ID in der ersten Spalte und lösche diese aus den Einzelergebnissen deiner Umfrage.
Unnötige oder falsche Antworten
Wenn ein Teilnehmer am Anfang eingegeben hat, dass er ein KFZ besitzt, aber bei der Frage „Wie oft nutzt du dein KFZ im Monat?“ mit „0 Tagen“ antwortet, dann passt das nicht zusammen und dieser Teilnehmer sollte gelöscht werden.
Nachdem du nun deine Ergebnisse bereinigt hast, bildest du Segmente:
02 Segmente bilden
Sobald deine Umfrage abgeschlossen ist, wirst du die Gesamtergebnisse erhalten.
Diese geben dir auf den ersten Blick einen guten Eindruck über den Rücklauf zu deiner Umfrage.
Jedoch wird damit nur das Ergebnis auf der Gesamtebene betrachtet.
Wenn du aber deine Ergebnisse richtig analysieren möchtest, musst du tiefer eintauchen. Keine Angst – das ist nicht schwer.
Beispiel:
Es ist gut zu wissen, dass 80 % deiner Kunden mit deinem Produkt zufrieden sind. Aber diese Gesamtheit zeigt dir nicht, wie das deine einzelnen Kundengruppen sehen.
Also ist die Frage doch eher: „Wie zufrieden sind meine Neukunden? Wie zufrieden sind meine Bestandskunden? Und wie zufrieden ist meine umsatzstärkste Kundengruppe?“
Du brauchst also verschiedene Blickwinkel (Perspektiven), um auf die Ergebnisse deiner Umfrage zu schauen. Und dazu legst du Filter an.
Bei der Konzeption des Fragebogens hast du dir sicherlich Gedanken zu den Gruppen (Segmenten) deiner Teilnehmer gemacht.
Gruppen können z. B. nach der Altersklasse (18-25, 26-36 usw.) nach dem Geschlecht der Abteilung im Unternehmen oder nach Kundengruppen definiert werden. Und für jede für dich relevante Gruppe legst du nun einen Filter an.
Die Filter nutzen wir im späteren Verlauf bei der Betrachtung aus den einzelnen Perspektiven und für die Vergleiche.
03 Quantitative und qualitative Auswertung
Quantitative Auswertung (deskriptive Statistik)
Wie eingangs schon erwähnt, werden bei der quantitativen Auswertung rein die Zahlen ausgewertet.
Sie wird auch deskriptive Statistik genannt.
Was bedeutet deskriptive Statistik?
Bei der deskriptiven Statistik werden statistische Methoden zur Beschreibung der Daten genutzt, um über die Daten eine Aussage zu treffen.
Die Darstellung erfolgt in Form von Tabellen und Diagrammen.
Jedoch kann keine Aussage (Interpretation) über den Datensatz selbst erfolgen.
Klassische Parameter sind:
> Häufigkeitsverteilung (absolut und prozentual)
Die Häufigkeitsverteilung ist oft der erste Schritt.
Dabei schaust du dir die absolute und prozentuale Verteilung an:
- Absolute Häufigkeit ist die Gesamtzahl an Teilnehmern, die eine Antwort gewählt haben
- Prozentuale Häufigkeit ist das prozentuale Verhältnis der Teilnehmer, die eine Antwort gewählt
> Mittelwert
Der Mittelwert – arithmetisches Mittel oder Durchschnitt genannt – addiert alle Werte und wird durch die Gesamtzahl der Antworten geteilt.
Beispiel:
Bei der Frage „Mit wie viel Sternen bewerten Sie uns?“
Die Berechnung ist wie folgt: 4*1 + 3*2 + 8*3 + 2*4 + 7*5 /24 = ø 3,21
Der Durchschnittswert beträgt: 3,21
> Modus
Der Modus ist der Wert, der am meisten gewählt wurde.
In dem vorherigen Beispiel ist 3 der Modus, da hier am meisten Personen eine Bewertung abgegeben haben.
> Median
Der Median ist genau der Wert, der in der Mitte aller Beurteilungen liegt. Dazu werden alle Werte der Größe nach sortiert. Der Median-Wert ist dann der Wert, der direkt in der Mitte liegt:
Vereinfachtes Beispiel (ungerade Anzahl): 1, 1, 2, 3, 3, 4, 4, 5, 5
In diesem Beispiel ist der Meridian „3“, da dies der Wert in der Mitte ist.
Wenn die Anzahl der Werte gerade ist, werden die beiden Werte in der Mitte addiert und durch zwei geteilt:
Vereinfachtes Beispiel (gerade Anzahl): 1, 1, 2, 3, 4, 4, 5, 5
In diesem Beispiel ist der Meridian „3,5“ (3+4/2).
> Standardabweichung
Die Standardabweichung zeigt die Streuung der Antworten in Bezug auf den Mittelwert an.
Wenn der Mittelwert die exakte nummerische Mitte anzeigt, zeigt die Standardabweichung an, wo sich die Masse der Antworten befindet und gibt damit Aufschluss darüber, in welcher Range die meisten Befragten eine Antwort gegeben haben.
Beispiel: In unserem obigen Beispiel ist der Durchschnittswert 3,21. Die Standardabweichung würde in diesem Beispiel 2,58 betragen.
Qualitative Auswertung
Die qualitative Auswertung beschreibt die Analyse von frei gegebenen Meinungen und Äußerungen.
Sprich alle Antworten, die du auf eine Freitextfrage erhalten hast. Zum Beispiel „Feedback, Anregungen und Kritik können Sie uns hier geben:“ Diese Antworten sind frei.
Quantitative Daten kannst du perfekt nutzen um Vergleiche anzulegen oder Trends zu erkennen. Jedoch kennst du die Gründe hinter der Meinung nicht. Dazu ist es wichtig Freitextfragen zu platzieren, um die Ergebnisse qualitativ zu beurteilen.
Es heißt „In offenen Textfragen liegt das Gold einer Befragung. Denn in den Textantworten liegen die Antworten auf die Fragen, die wir nicht gestellt haben.“ Wir empfehlen dir daher immer eine oder mehrere Textfragen zu platzieren.
Du wirst aus Textfragen mehr nutzbaren Input erhalten als aus Skalenfragen oder geschlossenen Fragen.
Die manuelle Analyse ist sehr aufwendig. Mit der AI-Analyse von easyfeedback werden deine Ergebnisse automatisch ausgewertet und bewertet.
Bei der qualitativen Analyse von Freitextantworten gibt es mehrere Methoden, die du kombinierst:
> Sentiment-Bewertung
Bei der Sentiment-Bewertung schaust du dir jede einzelne Antwort an und kategorisierst diese in „Positiv, neutral oder negativ“.
Dazu kopierst du dir am besten alle Testantworten in eine Excel-Datei und schreibst in der Spalte daneben die Bewertung des Sentiments.
> Themen-Bewertung
Als nächstes oder direkt zu der Sentiment-Bewertung notierst du dir daneben das Themengebiet, über welches in der Freitextantwort gesprochen wurde.
Beispiel aus einer Kundenumfrage: „Vielen Dank für den klasse Support. Wir sind sehr zufrieden und empfehlen euch weiter.“
Die Themen wären dann: Support; sehr zufrieden, Weiterempfehlung.
> Themenbereiche
Als nächstes Clusters du nun die einzelnen Themen zu Ober-Themen zusammen.
Zum Beispiel: Kundensupport; Preis; Beantwortungszeit; usw.
Jedes einzelne Feedback wird dann neben den einzelnen Themenbereichen auch einem Ober-Themenbereich zugeordnet.
Dadurch kannst auf übergeordneter Ebene sehen, wie viele Rückmeldung zu einem Thema eingegangen sind.
Nachdem du nun alle Freitextantworten kategorisiert hast, kannst du dir über Filterfunktionen in Excel z. B. nur die positiven oder nur die Rückmeldungen aus einem Bereich oder in Kombination anschauen.
Zur Darstellung sind u. a. Wortwolken sehr gut geeignet, da du mit diesen die Schlagwörter der Themenbereiche gut erkennen kannst.
04 Filtern & Vergleichen
Nachdem du dir nun Filter für deine Gruppen angelegt hast, kannst du tiefer in die Ergebnisse eintauchen:
> Ergebnisse filtern
Als erstes filters du deine Ergebnisse nach den von dir erstellten Gruppen.
So wechselst du die Perspektive auf die jeweilige Teilnehmergruppe und kannst dir im Verlauf der Ergebnisse anschauen, wie diese geantwortet haben.
Aktiviere einfach einen Filter und schaue dir die Ergebnisse an.
Bei der Betrachtung der Ergebnisse wirst du dir schnell weitere Kombinationsmöglichkeiten wünschen. Nehmen wir folgendes Beispiel an:
Du hast eine Mitarbeiterumfrage zu den Motivationsgründen durchgeführt.
Als erstes hast du de eNPS genutzt, um die Zufriedenheit abzufragen.
Nun hast du einen Filter erstellt, der nur die unzufriedenen Mitarbeiter zeigt.
Im weiteren Verlauf siehst du, dass die Unzufriedenheit aus der Zusammenarbeit mit dem Vorgesetzten resultiert.
Nun weißt du die Gründe für die unzufrieden, aber nicht aus welcher Abteilung.
Also benötigst du einen additiven Filter, um die Abteilung zu erfahren.
Dazu ergänzt du nun deinen Filter um das Kriterium „Abteilung“.
So siehst du nun, wie sich die Zufriedenheit in den einzelnen Abteilungen darstellt.
> Ergebnisse vergleichen
Durch die Filter hast du jetzt einen tieferen Einblick in das Feedback der einzelnen Teilnehmergruppen erhalten.
Als nächstes vergleichst du die Ergebnisse.
Durch den Vergleich kannst du Gruppen gegenüberstellen und Unterschiede direkt sichtbar machen.
Dadurch siehst du in einem Diagramm, wie Gruppe A) im Verhältnis zu Gruppe B) geantwortet hat.
Ein gutes Beispiel ist z. B. nach der Zufriedenheit der Mitarbeiter oder Kunden zu vergleichen.
Dazu nutzt du z. B. die Ergebnisse aus der NPS-Abfrage (alles zum NPS und der NPS-Berechnung findest du hier).
Du erstellst dir einen Filter für alle Promotoren und einen für alle Detraktoren.
Wenn du diese beiden Gruppen nun gegenüber stellst kannst du sehen, wo sich Anomalien aufzeigen.
Denn grundsätzlich sollten die Detraktoren (Gegensprecher) tendenziell überall dagegengesprochen haben.
Wenn jetzt irgendwo ein Wert aus dem Raster fällt, dann ist dies ein wichtiges Indiz für dich, dass du weiterverfolgen solltest.
05 Kreuztabellen
Die Analyse per Kreuztabelle ist eine hervorragende Methode, um die Ergebnisse aus zwei Fragen in Relation zu stellen. Klingt schwer – ist es aber nicht.
Nehmen wir folgendes Beispiel an: Du hast deine Kunden gefragt, wie lange sie bereits bei dir Kunde sind und in einer zweiten Frage hast du die Kundenzufriedenheit mittels des NPS ermittelt.
Wie du den NPS einsetzt, welche Vorteile er hat und wie dieser berechnet wird, erfährst du hier im NPS-Rechner.
Nun werden die Antwortoptionen aus beiden Fragen horizontal und vertikal in einer Tabelle aufgelistet und in den kreuzenden Feldern die einzelnen Werte eingetragen.
Daher auch Kreuztabelle.
Durch diese Darstellung kannst auf einen Blick die Zufriedenheit deiner Kunden nach dem Kundenlebenszyklus (Customer Life Time) ablesen und vergleichen.
Wenn du dir die Mühe nicht machen möchtest, dann legst du dir in easyfeedback mehrere Filter an.
Zum Beispiel legst du dir einzelne Filter an, die jeweils die Teilnehmer in Gruppen nach den Jahren des Customer Life Time aufteilen.
Also einen Filter für „1 Jahr“, einen Filter für „2-5 Jahre“ usw.
Wenn du dann in den Vergleichsmodus wechselst, kannst du die einzelnen Jahre auswählen. Damit siehst du, wie sich die Zufriedenheit der einzelnen Kunden nach Jahre unterscheidet.
06 Rücklaufquote – repräsentative Aussagen
Ein wichtiger Punkt bei der Interpretation der Ergebnisse ist, ob die Ergebnisse für die jeweilige Befragungsgruppe repräsentativ ist. Das bedeutet, ob die Ergebnisse mit der Meinung der Gesamtheit gleich gestellt werden kann.
Beispiel: Du führst eine Mitarbeiterbefragung durch und möchtest am Ende sicher sein, dass die Antworten (nicht alle Mitarbeiter werden teilnehmen) das Meinungsbild aller Mitarbeiter widerspiegelt. Wenn du eine Fehlerspanne von 0 % erreichen möchten, dann benötigst du 100 % Teilnehmerquote. Da dies aber in den meisten Fällen nicht realistisch ist, musst du mit einer Fehlerspanne die Ergebnisse interpretieren.
Um die Fehlerspanne zu berechnen, nimmst du als erstes die Populationsgröße. Dies ist die Gesamtzahl der Personen, deren Meinung repräsentiert wird – sagen wir 100 Mitarbeiter.
Als nächstes definierst du das Konfidenzniveau. Dieses gibt an, wie wahrscheinlich es ist, dass die teilnehmenden Mitarbeiter ein reales Feedback geben.
Und zum Schluss nimmst du die tatsächliche Anzahl an Mitarbeitern, die teilgenommen haben. Daraus ergibt sich dann die Fehlerspanne.
> Hier kannst du die Fehlerspanne ganz einfach berechnen.
Wenn wir jetzt von einer Fehlerspanne (Irrtumswahrscheinlichkeit) von 5 % ausgehen, dann wendest du diese wie folgt an:
Bei der Frage „Wie zufrieden sind Sie mit dem Angebot in der Kantine?“ haben 40 % mit „sehr zufrieden“ geantwortet. Das Ergebnis wird nun mit 5 % + und – ausgegeben und lautet „35 – 45 % sind mit dem Angebot der Kantine sehr zufrieden.“
Um die Genauigkeit der Ergebnisse zu verbessern, ist eine geringe Fehlerspanne von Vorteil.
Mit dem Stichprobengrößen-Rechner kannst du ganz einfach ausrechnen, wie viele Teilnehmer im Verhältnis zu deiner Populationsgröße die Fehlerspanne beeinflussen.
07 Interpretation der Ergebnisse
Was bedeuten denn nun die ganzen Statistiken und Antworten für deine Umfrage. Du hast nun gesehen, wie die Ergebnisse pro Frage ausgefallen sind und hast vermutlich bereits eine statistische Analyse durchgeführt.
Zudem hast du dir ebenfalls die Mühe gemacht, die qualitativen Ergebnisse zu analysieren. Im nächsten Schritt werden die Daten miteinander kombiniert und interpretiert.
Dazu nimmst du dir ein für dich wichtiges Thema aus der Umfrage.
Zum Beispiel die „Interne Kommunikation“. Jetzt schaust du dir alle Fragen an, die mit diesem Thema zusammenhängen und verwandt sind.
Wenn nun bei der Hauptfrage zu dem Thema rauskam, dass 60 % mit der internen Kommunikation zufrieden sind, schaust du bei den dazugehörigen Fragen, wie die Mitarbeiter dort geantwortet haben.
Und zusätzlich schaust in den Freitextantworten nach, ob dort Erwähnungen aus dem Bereich der internen Kommunikation sind.
Wenn bei der Hauptfrage und den Nebenfragen positiv geantwortet wurde, aber in den Freitextantworten 1-2 eher negative Kommentare sind, dann ist die Interpretation der Ergebnisse wie folgt:
„Die Haltung zur internen Kommunikation wurde durch die Mitarbeiter durchweg positiv beurteilt. 60 % der Befragten sind mit der Kommunikation sehr zufrieden. Dennoch wird bemängelt, dass der Informationsfluss von wichtigen strategischen Entscheidungen sehr zäh ist und nicht immer offen kommuniziert wird.“
Auf diese Weise gehst du nun Thema für Thema die Ergebnisse durch und interpretierst die Ergebnisse.
Es bietet sich dazu an, pro Thema eine Interpretation zu schreiben und am Ende eine Gesamtinterpretation.
Handlungsempfehlungen
Um jetzt, nach der Interpretation Maßnahmen umzusetzen, musst du aus den Interpretationen nur noch passende Maßnahmen ableiten.
Wenn wir bei unserem Beispiel mit der internen Kommunikation bleiben, würde ich dir jetzt empfehlen 3 Maßnahmen abzuleiten, um die interne Kommunikation Stück für Stück zu verbessern.
Sobald deine Maßnahmen feststehen, teilst du diese auf in 3 Kategorien: kürzeste, mittlere und längste Umsetzungszeit. Dadurch kannst du sofort die erste Maßnahme umsetzen und einen schnellen Impact.
Bonus: Durch die schnelle Umsetzung der ersten Maßnahme haben deine Mitarbeiter eine positive Rückmeldung aus ihrem Feedback und werden dir auch in der nächsten Umfrage ihre Aufmerksamkeit mit gutem Feedback schenken.
08 Ergebnisse teilen
Um zum Schluss die Ergebnisse zu teilen und intern zu präsentieren, hast du mehrere Möglichkeiten.
Zum einen kannst du dir in PowerPoint eine Präsentation aufbauen und diese vortragen oder als Datei versenden. Alternativ kannst du die Ergebnisse und Interpretationen auch als digitales Dashboard teilen, sodass jeder die Möglichkeit erhält, sich diese anzuschauen.
Mit easyfeedback hast du die Möglichkeit, interaktive Dashboards zu teilen und für die einzelnen Empfängergruppen vorzubereiten.
Beim Aufbau deiner Präsentation – ob als Datei oder interaktivem Dashboard – können wir dir zwei Konzepte empfehlen:
-
Von Groß zu Klein:
Zu Beginn deiner Präsentation präsentierst du die wichtigsten und aussagekräftigsten Zahlen bzw. KPIs. In der Regel interessiert sich die Geschäftsführung und das Management zunächst für das große Ganze, um einen Überblick über den aktuellen Stand des Unternehmens zu bekommen. Im Anschluss gehst du dann ins Detail und erklärst, wie sich diese Zahlen zusammensetzen. -
Story-Aufbau:
Bei dieser Technik präsentierst du die Ergebnisse in einer Story. Das bedeutet, du fängst mit dem Ziel an: „Das Ziel ist, die Mitarbeiterzufriedenheit in 2024 um XX % zu steigern. Dafür haben wir die folgende Befragung durchgeführt. Als erstes haben wir die Mitarbeiter gefragt, ob sie sich vorstellen können, in 5 Jahren noch bei uns tätig zu sein. Das Ergebnis ist XXX.“ Ziel ist es, Stück für Stück einen Spannungsbogen aufzubauen, um am Ende das Resultat zu präsentieren.
Mit der Präsentation der Ergebnisse hast du die Analyse abgeschlossen und kannst in die Umsetzung der Maßnahmen übergehen.
Tipp:
Mit einer Folgebefragung im nächsten Jahr oder Zyklus kannst du die Ergebnisse von der aktuellen Befragung vergleichen. Der Vergleich wird dir zeigen, ob deine Maßnahmen einen positiven Effekt haben und sich deine Zahlen verbessern.
Weitere Methoden der Auswertung
> Faktorenanalyse
Die Faktorenanalyse ist eine Methode zur Vereinfachung der Daten. Bei der Faktorenanalyse werden den Daten (Antwortoptionen) neue „vereinfachte“ Werte zugewiesen (kategorisiert).
Durch die Kategorisierung kann am Ende ein Wert pro Kategorie ermittelt werden und diese sind dann vergleichbar.
Der Nachteil bei der Methode ist, dass mehrere Antwortoptionen einer Kategorie zugeordnet werden und die Details, die zur Bewertung geführt haben, verloren gehen.
> Regressionsanalyse
Die Regressionsanalyse ist eine statistische Methode, die verwendet wird, um die Beziehungen zwischen Variablen zu modellieren und zu analysieren.
Der Hauptzweck der Regressionsanalyse ist es, die Stärke und Art der Beziehung zwischen einer abhängigen Variable (auch Zielvariable genannt) und einer oder mehreren unabhängigen Variablen (Prädiktoren oder Einflussfaktoren) zu bestimmen.
Es gibt verschiedene Arten der Regressionsanalyse, die jeweils für unterschiedliche Datentypen und Forschungsfragen geeignet sind.
> Korrelationsanalyse
Die Korrelationsanalyse ist ein statistisches Verfahren, das verwendet wird, um die Stärke und Richtung einer linearen Beziehung zwischen zwei quantitativen Variablen zu bestimmen.
Sie hilft dabei zu verstehen, ob und wie stark zwei Variablen miteinander zusammenhängen.
Da diese Methode nur statistisch mit der Wahrscheinlichkeitsrechnung stattfindet, ist es mathematisch gesehen ein eher zufälliger Zusammenhang.
> Skalenniveaus
Die Analyse von Daten in Bezug auf Skalenniveaus ist ein wichtiger Aspekt der Statistik und Datenanalyse. Skalenniveaus beschreiben, wie Daten kategorisiert werden und welche mathematischen Operationen auf ihnen sinnvoll sind.
Es gibt vier grundlegende Skalenniveaus, die jeweils unterschiedliche Eigenschaften und analytische Möglichkeiten bieten:
-
Nominalskalenniveau:
Daten auf diesem Niveau sind rein kategorisch, ohne eine festgelegte Reihenfolge oder Rangfolge. Beispiele hierfür sind Geschlecht, Farben oder Nationalitäten. -
Ordinalskalenniveau:
Daten auf ordinaler Skala haben eine natürliche Reihenfolge oder Rangfolge, aber die Abstände zwischen den Werten sind nicht notwendigerweise gleich. Beispiele sind Ranglisten oder Schulnoten. -
Intervallskalenniveau:
Intervallskalierte Daten haben geordnete Kategorien mit gleichen Abständen zwischen den Werten, aber keinen echten Nullpunkt. Beispiele sind Temperatur in Celsius oder IQ-Werte. -
Verhältnisskalenniveau (Ratioskala):
Daten auf diesem Niveau haben alle Eigenschaften der Intervallskala, zusätzlich gibt es einen absoluten Nullpunkt. Beispiele sind Gewicht, Höhe oder Alter
Die Kenntnis des Skalenniveaus ist entscheidend für die Auswahl der geeigneten statistischen Methoden und Analysen.
Eine falsche Interpretation des Skalenniveaus kann zu ungenauen oder sinnlosen Ergebnissen führen.
In der Praxis werden oft Transformationen durchgeführt, um Daten in eine geeignetere Form zu bringen, falls die gewählte Analyse dies erfordert.