EDA-Titelbild-1230x360_v01

Die typischen Anwendungen statistischer Verfahren in der Industrie stehen vor dem Problem immer mehr Fragen in kurzer Zeit bearbeiten zu müssen. Die zu beherrschenden Prozesse werden komplexer und erzeugen eine stetig steigende Datenmenge. Aus diesen Daten wird eine qualitativ hochwertige Datenanalyse erwartet.

Explorative Datenanalyse (EDA) ist als Ansatz aufzufassen, dieser Notwendigkeit gerecht zu werden. Die statistischen Verfahren werden intensiv mit graphischen Verfahren verknüpft, um Analysen schneller, intuitiver und kompakter durchzuführen. Die Qualität der Auswertungen wird ebenfalls durch graphische Werkzeuge unterstützt. Beispielsweise wird der formale Test auf Normalverteilung durch eine entsprechende Graphik ergänzt, welche die Datenbasis visualisiert. Anstelle eines formalen statistischen Tests auf Signifikanz werden Vertrauensbereiche dargestellt, um die Unsicherheit der Aussage darzustellen.Kompakte Auswertungen werden durch die parallele Darstellung mehrerer Graphiken erreicht, die eine Betrachtung mehrerer Faktoren und / oder Zielgrößen erlauben.

Fortgeschrittene dynamische Graphikwerkzeuge, wie das Markieren von Daten in allen Graphiken, erlauben tiefer gehende Einsichten bei komplizierten Fragestellungen. Die Betonung graphischer Verfahren bei der Auswertung unterstützt den von Natur aus graphisch geprägten Menschen.

Ziel der explorativen Datenanalyse ist der Aufbau eines Modells anhand der zur Verfügung stehenden Daten. In einem iterativen Prozess ergänzt die Modellbildung die darauf folgende Datenanalyse, welche ein optimiertes Modell bereitstellt. In dieser Lernspirale werden häufig Fragen beantwortet, die zu Begin der explorativen Datenanalyse noch nicht gestellt worden sind.