Regressions- og driveranalyser
Finder ud af, hvad der reelt driver loyalitet, salg eller adfærd, i stedet for hvad folk selv tror. Effekten af hver faktor beregnes, mens de øvrige holdes fast.
Avanceret kvantitativ analyse og statistisk modellering
Vi gør komplekse datasæt til præcise beslutningsgrundlag, med de metoder der skal til, og uden at gøre det mere indviklet end nødvendigt.
Avancerede statistiske metoder
Når standardrapporten ikke kan svare, bruger vi de metoder, der kan. Her er de fire, vi bruger mest.
Faktoranalyse
Samler mange spørgsmål i få underliggende dimensioner. Det forenkler et stort spørgeskema og afslører mønstre og strukturer, som ikke kan ses i de enkelte svar.
Segmentering og klyngeanalyse
Deler målgruppen i statistisk ensartede grupper ud fra adfærd og holdninger, så hver gruppe kan forstås og tiltales for sig.
ANOVA (variansanalyse)
Sammenligner grupper og afgør, om forskellene er reelle eller tilfældige. Med signifikanstest handler I ikke på støj.
Eksempel: Hvad driver loyaliteten?
En driveranalyse beregner, hvor meget hver faktor betyder for et resultat, fx kundernes loyalitet. I stedet for at spørge folk, hvad der er vigtigt, ser vi på, hvad der statistisk hænger sammen med deres loyalitet.
Eksempeldata
Hvad driver kundernes loyalitet?
Kvalitet af rådgivningen
+38
Hurtig respons
+27
Pris i forhold til værdi
+21
Kendskab til medarbejderne
+9
Faktura og administration
+3
Ventetid ved henvendelse
-14
Hver søjle er en effekt, og stregen viser, hvor sikre vi er. Blå søjler trækker loyaliteten op, røde trækker den ned, og åbne søjler kan ikke skelnes fra nul. Her giver kvaliteten af rådgivningen mest, mens lang ventetid skader. Fakturering og kendskab til medarbejderne har ingen sikker effekt, og det er en lige så vigtig besked, fordi der ikke skal bruges kræfter dér.
Eksempel: Er forskellen reel?
Når to grupper har forskellige gennemsnit, er det ikke givet, at forskellen betyder noget. Variansanalyse (ANOVA) sammenligner gennemsnittene og tager højde for usikkerheden, så vi kun peger på forskelle, der er til at stole på.
Eksempeldata
Er tilfredsheden den samme i hele landet?
Nordjylland
7,8
Højere
Midtjylland
7,4
Som alle
Østdanmark
7,3
Som alle
Hovedstaden
7,0
Som alle
Sydjylland
6,6
Lavere
Her ligger Nordjylland sikkert over gennemsnittet, mens Sydjylland ligger sikkert under. De tre øvrige regioner kan ikke adskilles fra gennemsnittet, selvom tallene er forskellige. Uden testen ville alle fem være blevet fortolket som forskelle. Hvordan klyngeanalyse bruges til at finde målgrupper, kan du se under Segmentering.
Store datamængder og eksterne data
Ikke alle data kommer fra et spørgeskema. Mange virksomheder sidder på store mængder paneldata, transaktionsdata og eksterne datasæt, som aldrig er blevet brugt til mere end en tabel. Den slags data arbejder vi med hver dag.
- Rensning, strukturering og analyse. Vi tager store, komplekse datamængder, rydder op, kobler kilder sammen og gør dem klar til analyse. Det er ofte her, det meste af arbejdet ligger, og her mange fejl opstår.
- Ad hoc-analyse af jeres egne rådata. Har I data liggende, kan vi besvare et konkret spørgsmål på dem uden at starte en ny undersøgelse.
- Second opinion. Har I allerede en analyse eller en rapport, kan vi gennemgå datagrundlag og metode og sige, om konklusionerne holder.
Metodisk rådgivning ud over standardanalyser
En analyse er aldrig bedre end de data, den bygger på. Derfor rådgiver vi også om selve metoden, før, under og efter dataindsamlingen.
- Spørgerammedesign og metodisk kvalitetssikring. Vi sikrer, at spørgsmålene ikke leder, at svarskalaerne er valide, og at stikprøven er designet til at kunne besvare det, den skal.
- Bortfaldsanalyser og datakvalitet. Ikke alle svarer. Vi undersøger, hvem der mangler, og korrigerer for det, så resultaterne stadig afspejler målgruppen.
- Formidling og ledelsesrapportering. Vi omsætter tung statistik til klare dashboards, overskuelige rapporter og ledelsespræsentationer, som kan bruges til at træffe beslutninger.
Eksempeldata
Hvem svarede, og hvem skulle have svaret?
18-34 år
× 1,87
35-49 år
× 1,09
50-64 år
× 0,83
65+ år
× 0,70
Figuren viser et typisk bortfald. De yngste svarer sjældnere, så de er underrepræsenteret i stikprøven, mens de ældste fylder for meget. Ved at vægte får de yngste en vægt over 1 og de ældste en under 1, så resultaterne igen svarer til befolkningen. Det virker kun, når vægtene ikke bliver for store, for så bliver resultatet usikkert. Derfor følger vi vægtene tæt.
Leder I efter en færdig løsning til fx medarbejder- eller kundetilfredshed, finder I dem under Medarbejdere, kunder og brugere.
Ofte stillede spørgsmål
Kan I analysere data, vi selv har indsamlet?
Ja. Vi kan rense, strukturere og analysere jeres egne data, og vi kan gennemgå en analyse, I allerede har fået lavet, som en second opinion.
Hvor store datamængder kan I arbejde med?
Fra få hundrede besvarelser til store mængder transaktions- og paneldata. Metoden vælges efter spørgsmålet og datamængden.
Kan vi få hjælp, før vi sender et spørgeskema ud?
Ja. Det er ofte her, rådgivningen gør mest gavn, fordi fejl i spørgsmål og stikprøve ikke kan rettes bagefter.