Datenmassage

Aus Uncyclopedia

Wechseln zu: Navigation, Suche

Die Datenmassage ist ein Verfahren zur Optimierung von Statistiken und Diagrammen. Sie soll gewährleisten, dass die Darstellung auch bei hochexpansiven Datenquantitäten eindeutig interpretierbar bleibt.

[Bearbeiten] Vorgehensweisen

Grundvoraussetzung für die Erstellung einer Statistik bzw. eines Diagramms ist die Erhebung des notwendigen Datenmaterials. Bereits hier kann die Datenmassage zum Einsatz kommen, wenn bei der Datengewinnung darauf geachtet wird, dass die Auswahlkriterien dem gesetzten Erwartungshorizont in ausreichendem Maß konform gehen.
Es ist für die Erhebung irrelevant, ob es sich um Befragungen oder Messungen handelt. Die Methoden lassen sich auf beide Optionen adaptieren.

[Bearbeiten] Empathisch-emotionale Erhebung

Diese Methode herrscht im nichttechnischen Bereich vor. Ihr liegt zu Grunde, dass eine beliebige Menge Personen im Grunde die für die Beweisführung optimale Antwort gibt, wenn der Datenerheber in der Lage ist, zwischen den Zeilen zu lesen. Hierfür ist eine hohe emotionale Intelligenz nötig, um die notwendige Empathie aufzubringen, auch aus abschlägig anmutenden Antworten die eigentlich positive Konnotation herauszufiltern. Beispielsweise kann so bei einer Umfrage das repräsentative Publikum gleich so gewählt werden, dass die zu erwartenden Antworten nur eine geringe Streuung generieren. Exemplarisch kann sich dies so gestalten:
Testgruppe: 1000 militante Veganer
Testfrage: Finden Sie es in Ordnung, dass Ihr Nachbar gestern bei Burger King gegessen hat?
Antworten: 1 x Nein, überhaupt nicht; 594 x Ist mir egal!; 595 x Was geht mich das an?
Auswertung; emotional-emphatisch interpretiert: Veganismus ist Tierschutz und Tierschutz geht uns alle an. Er kann also niemandem egal sein; damit fallen die 594 Antworten "Ist mir egal" als ungültig aus dem Raster. die 595 mal "Was geht mich das an?" mögen zwar dahingehend angemessen sein, hätte man gefragt, ob die befragte Person die Privatsphäre der Nachbarschaft respektiert; doch war dies nicht Gegenstand der Befragung. Es ist davon auszugehen, dass militante Veganer den Tierschutz als überaus wichtig einstufen und somit mit den Fastfoodkettenbesuch der Nachbarschaft nicht gutheißen; also zur Gruppe Nein, überhaupt nicht gezählt werden können. Von 596 gültigen Ergebnissen sind damit 596 Nein und somit gilt es als erwiesen, dass Fleischverzehr moralisch verwerflich ist. Die Darstellung erfolgt natürlich in Prozent. Da ungültige Stimmen völlig uninteressant sind, brauchen sie nicht extra erwähnt werden.

DMUF1.png

Aus der hässlichen, nichtssagenden Monstrosität links im Bild lässt sich mit ein wenig Datenmassage die hübsche, eindeutige Graphik rechter Hand machen.

Beliebte Einsatzgebiete für diese Vorgehensweisen sind:

[Bearbeiten] Praecognitive Messung

Das schönste Ergebnis, dass eine Messung erzeugen kann, ist eine Gerade. Eine Gerade ist über zwei Koordinaten definiert. Eine Koordinate, die theoretisch immer geht, ist (0|0). Wenn dann der zweite Messpunkt vorliegt hat man bereits die grobe Richtung.

Dieses Messverfahren ist eine Methode, die in erster Linie dazu dient, bereits zuvor durchgeführte Messreihen zu verifizieren. Sind die Werte aus vorherigen Erhebungen bekannt, so kann bereits nach wenigen Übereinstimmungen davon ausgegangen werden, dass auch die weiteren Werte mit den vorherigen Messungen korrespondieren werden. Es ist hierbei jedoch zu beachten, dass niemals totale Deckungsgleichheit erreicht werden wird; eine gewisse Toleranz ist also zu berücksichtigen. Diese wird umso größer, desto schlechter das verwendete Messgerät ist. Aus diesem Grunde ist für eine präcognitive Messung grundsätzlich ein niederpreisiges Messgerät sinisterer Produktion zum Einsatz zu bringen.

PCM1.png

Mustergültige präcognitive Messung. Ausgehend von (0|0) wurde (6|6) gemessen, der Rest präcognitiv inter- bzw extrapoliert.

[Bearbeiten] Remasterte Messung

Die remasterte Messung beruht auf der Eliminierung offensichtlicher Messfehler. Messwerte die völlig aus dem Rahmen fallen, wenn alles dafür spricht, dass die anderen Messwerte offensichtlich im Rahmen der Messtoleranz liegen, werden hier auf ein vertretbares Ergebnis korrigiert. Die Messtoleranz liegt im Ermessen des Messenden. Besonders hässliche Messfehler entstehen meistens aus der Verwendung mangelhafter Software bei der Diagrammerstellung.

RMT1.png

Beispiel für ein Remastering der Messreihe, um die garstigen Rundungsfehler zu kaschieren und zeitgleich der Beweis dafür, dass die Datenmassage international eingesetzt wird.

[Bearbeiten] Ausgleichsgerade

Die Ausgleichsgerade kommt zum Einsatz, wenn die Datenpunkte partout kein erkennbares Muster mehr ergeben wollen. Hierzu wird die Gerade von der ersten zur letzten Koordinate gezogen, um zu zeigen, dass eigentlich doch eine Gerade bei der Messung herausgekommen wäre. Aus ästhetischen Gründen ist immer daruf zu achten, dass genau so viele Punkte unter wie über der Gerade liegen.

DWAG1.png

Eine Ausgleichsgerade in einem Diagramm zu einer Messreihe aus der Werstologie. Wie uns der Ersteller versicherte, hatten die Messgeräte durchaus den Willen, eine schöne Gerade zu erzeugen. Der Trend ist ja eigentlich auch klar erkennbar.

[Bearbeiten] Datenmassage versus Schönrechnen

Datenmassage ist nicht mit dem Schönrechnen gleichzusetzen. Während die Datenmassage der eindeutigeren Darstellung fundierter Datenerhebungen geschuldet ist, handelt es sich beim Schönrechnen lediglich um eine Abart der Realitätsflucht. Die Daten, die schöngerechneten graphischen Darstellungen zugrunde liegen sind oftmals frei erfunden oder plump gefälscht. Anwendung findet das Schönrechnen deshalb überwiegend in eher pseudowissenschaftlichen Bereichen wie dem Finanzsektor oder dem Staatshaushalt.

[Bearbeiten] Literatur

Prof. Dr. Mergnus von Werst: Datenerhebung und Selbstbestimmung. Studiosus Verlag, ISBN 5-9339-2073-8
Prof. Dr. Werner von Widerspruch: Therapeutik für Messwerte. Fachverlag für Physiotherapie, ISBN 4-6955-0525-5

Dieser Artikel ist Artikel der Woche 13/2015
Dieser Artikel ist
Dieser Artikel istArtikel des Monats März 2015
Dieser Artikel ist
Spezialprojekte
projects