Bitte stell dich unseren BlogleserInnen kurz vor: Wer bist du und was muss man über dich wissen?

Ich bin Geschäftsführerin der Konvena UG (haftungsbeschränkt) und akademische Mitarbeiterin am Lehrstuhl für Politische Soziologie an der Zeppelin Universität (ZU) in Friedrichshafen. Konvena ist eine Dienstleisterin für Evaluationen sowie Datenerhebungen und -analysen. Unsere Kunden sind öffentliche Organisationen und Verwaltungen. Als akademische Mitarbeiterin bin ich in der Lehre der politik- und sozialwissenschaftlichen Studiengänge an der ZU eingebunden und gehe meinen Forschungsinteressen im Bereich der politischen Einstellungs-, Identitäts- und Verhaltensforschung nach.

Das Ziel von CorrelAid ist es, junge und sozial engagierte DatenanalystInnen deutschlandweit zu vernetzen und Non-Profit-Organisationen bei der Datenanalyse zu unterstützen. Wo siehst du in deinem Berufsfeld mögliche Potenziale - und etwaige Synergieeffekte - dieser aufkommenden Data for Good-Bewegung, um einen gesellschaftlichen Mehrwert zu schaffen?

Im Umgang mit unseren Kunden muss ich immer wieder feststellen, dass diese sehr gerne, insbesondere in schwierigen Situationen, Entscheidungen evidenzbasiert treffen wollen. Des Weiteren beobachten wir, dass unsere Kunden in vielen Fällen selbst schon einiges Datenmaterial haben, aber sich dessen entweder nicht bewusst sind oder nicht wissen, wie diese Informationen nutzbar gemacht werden können. Wenn Konvena aufzeigt, was man aus den vorhandenen Daten machen kann, um basierend auf den neu gewonnenen Erkenntnissen, bessere Entscheidungen zu treffen, dann sind unsere Kunden meistens schnell von der Sache begeistert. Meines Erachtens gibt es eine große Nachfrage nach solchen Dienstleistungen. Und genau hier knüpft CorrelAid an und bieten diese für Organisationen, die auch sehr gerne evidenzbasiert entscheiden möchten, aber knappe Ressourcen haben.

Meine Erfahrung ist, dass Menschen, die gesehen oder erfahren haben, welche Hintergründe und Zusammenhänge eine gute Datenanalyse sichtbar machen kann, auch in Zukunft nicht mehr darauf verzichten wollen. Ich bin der festen Überzeugung, dass Entscheidungen, die auf einer breiten und guten Datengrundlage anstatt auf anekdotischer Evidenz ("Ich habe gehört, dass jemand gesagt hat, dass…") basieren, die besseren sind. Und von vielen guten Einzelentscheidungen profitiert schließlich auch unsere ganze Gesellschaft.

Dennoch darf man aus lauter Euphorie folgendes nicht vergessen: Jeder, der selbst schon einmal eine eigene statistische Analyse durchgeführt hat, weiß, dass es sichere Erkenntnisse nicht gibt und dass Ergebnisse schnell ins Wanken geraten können. Es können auch Zusammenhänge "bewiesen" werden, die es nicht gibt. Das heißt weitergedacht, dass Organisationen oder Institutionen jeweils die Datenanalyseexpertin oder den -experten fragen, die oder der die Ergebnisse präsentiert, die sie sehen wollen. Das ist meines Erachtens eine große Gefahr, bedeutet für mich aber keineswegs die Abkehr von oben beschriebener Evidenzorientierung. Es zeigt nur nochmals, wie wichtig es ist, dass Menschen lernen, kritisch mit solchen statistischen Ergebnissen umzugehen, Daten und Erkenntnisse zu bewerten, usw. Und genau hier sehe ich einen weiteren, vielleicht auch den viel wichtigeren Mehrwert von CorrelAid für unsere Gesellschaft. Junge Menschen werden früh für das Thema Datenanalyse begeistert, lernen die Grenzen und Möglichkeiten dieser kennen. Und je früher man damit anfängt, desto besser lernt man es.

Dank Digitalisierung nimmt auch die Bedeutung von digitaler Kommunikation in der Arbeitswelt immer stärker zu. Welchen Social Media-Kanälen (Blogs, Twitter-Accounts und/oder Facebook-Seiten) sollte man in deinem Fachgebiet auf jeden Fall folgen, um inhaltlich auf dem Laufenden zu bleiben?

Dafür muss ich zunächst meine zwei "Arbeitswelten" trennen. Der Dienstleistungsbereich Evaluation hängt, aus meiner Sicht: leider, diesem Trend hinterher. Austausch und Wissenstransfer findet hier immer noch ganz klassisch über Konferenzen, Workshops und Publikationen statt. Das für mich in diesem Kontext wichtigste Netzwerk ist die DeGEval – Gesellschaft für Evaluation e.V. und über deren E-Mail-Newsletter erhalte ich die wichtigsten Informationen.

Für meine eigene wissenschaftliche Forschung lese ich sehr gerne, aber unregelmäßig, Blogs von verschiedenen Kolleginnen und Kollegen. Aber was ich genau lese hängt immer von meinem aktuellen Forschungsinteresse ab und wie aktiv und regelmäßig die jeweiligen Blogger schreiben. Einer der ersten Blogs, die ich begonnen habe regelmäßig zu lesen und dem ich immer noch treu bin ist der von Andrew Gelman. In den letzten Monaten schaue ich außerdem immer häufiger bei R-Bloggers vorbei, weil dort immer irgendwas neues dabei ist, was ich für eigene Analysen oder die Lehre gebrauchen kann.

Das Management-Magazin Harvard Business Review bezeichnete den Beruf des Data Scientist bereits 2012 als "sexiest job in the 21st century". Welchen Stellenwert nehmen DatenanalystInnen heutzutage in deinem Berufsfeld ein und wie sieht deine Prognose für die Zukunft aus?

Die Frage ist, wie weit man den Begriff DatenanalystInnen fasst? Make sense of data ist meiner Meinung nach die zentrale Aufgabe von DatenanalystInnen und dazu gehört nicht nur die reine Datenauswertung, sondern auch die kritische Auseinandersetzung mit dem Datengenerierungsprozess und die Kommunikation der Ergebnisse an eine Zielgruppe, die in den meisten Fällen nicht datenversiert ist. Wenn man den Begriff so weit fasst, dann ist es meiner Meinung nach einer der Schlüsselberufe der Zukunft, allerdings glaube ich, dass sich die Aufgaben ändern.

Auf ARD gab es vor einiger Zeit eine Themenwoche zur Zukunft der Arbeit und der Frage, ob manche Berufe obsolet werden, weil sie von Maschinen übernommen werden können. Auf https://job-futuromat.ard.de/ kann man seinen eigenen Beruf suchen und schauen, wieviel Prozent der Tätigkeit heute schon maschinell ausgeführt werden kann. Bei einem Statistiker sind das immerhin 14%. Das ist wenig, aber das wird in Zukunft mit Sicherheit mehr werden, weil immer mehr Analysen automatisiert werden können. Aber DatenanalystInnen werden deshalb nicht weniger wichtig, sondern im Gegenteil: Zum einen muss schließlich jemand diese Prozesse automatisieren, ständig überprüfen und anpassen und zum anderen müssen diese automatisierten Prozesse verstanden werden, um sie kommunizieren zu können. Ich denke, dass DatenanalystInnen in einer komplexen und informationsüberfluteten Welt immer mehr an Bedeutung gewinnen, weil Sie Kommunikationsaufgaben übernehmen und Mittelsperson zwischen den vielen Informationen auf der einen und EntscheidungsträgerInnen auf der anderen Seite sein müssen.

Einer deiner methodischen Forschungsschwerpunkte ist die Soziale Netzwerkanalyse. Welche Software kannst du für Netzwerkanalysen besonders empfehlen und warum?

Das kann man so einfach nicht sagen, denn es gibt nicht die Netzwerkanalyse. Netzwerkanalyse beschreibt eine Toolbox mit vielen verschiedenen Methoden, womit unterschiedlichste Fragestellungen untersucht werden können. Ich persönlich finde an der Netzwerkanalyse schön, dass man über Visualisierungen immer schon einen sehr guten Einblick in die Daten gewinnen kann. Wenn man ganz neu im Feld ist und sich erstmal nur die Daten "anschauen möchte", dann würde ich Visone empfehlen. Wenn man dann stärker in die Analyse von Zusammenhängen und deren Wirkungen geht, braucht man wegen der komplexen Datenstruktur ein flexibles und mächtiges Programm und es geht damit kein Umweg an R vorbei. Je nach Methode braucht man dann unterschiedliche Pakte wie zum Beispiel RSiena oder statnet für die dynamische Netzwerkanalyse, bei der man die Veränderungen von Netzwerken über Zeit untersuchen kann.