Session Brief: Scatter Diagram

Ziel

Artefakt: Scatter Plot

Arbeitsfrage

Zeigen die gepaarten Daten ein Muster, das die vermutete Ursache-Wirkungs-Hypothese stützt, widerlegt oder offen lässt?

Kontext

Hypothese als Satz („wir vermuten, dass X Y beeinflusst“); Definition der Variablen mit Einheiten; Messintervall und Erhebungszeitraum; bekannte Störgrößen; Mindest-Datenmenge (30+ Paare).

Setup

• Format: Methoden-Session
• Dauer: 30-90 min für Erstellung, plus Datenaufbereitung
• Modus: Workshop oder async
• Teilnehmende: Ein Analyst, der Daten aufbereitet und visualisiert; ein Domain Expert, der Kontext und Anomalien interpretiert; ein Owner der Datenquelle für Datenqualitäts-Rückfragen.
• Owner: Ein Analyst, der Daten aufbereitet und visualisiert
• Beteiligungsmodus: Teamrunde, gemeinsames Arbeiten und Alignment
• Ergebnislogik: Artefakt fertigstellen

Beteiligungslogik

Nutze die Session für gemeinsames Verständnis. Beiträge werden sichtbar gesammelt, Annahmen werden abgeglichen und offene Unterschiede bleiben im Artefakt nachvollziehbar.

Ergebnislogik

Die Session arbeitet direkt auf Scatter Plot hin. Das Artefakt soll nach der Session teilbar, reviewbar oder weiterverwendbar sein.

Input

Tabellenkalkulation oder Statistik-Tool (Excel, Google Sheets, R, Python mit pandas/matplotlib, JMP); Datenset mit gepaarten Werten; Zeitstempel pro Messung; optional Pareto-Tool für Vergleich.

Vorbereitung

Daten in zwei Spalten: X (Ursache), Y (Wirkung). Zeitstempel als dritte Spalte. Tool offen. Hypothese sichtbar oben im Sheet.

Agenda

1. Phase 1: Hypothese und Variablen schärfen (10 min) Owner: Facilitator Aktion: Hypothese als Wenn-Dann-Satz mit konkreten Variablen und Einheiten formulieren. Erwartete Richtung (positiv, negativ) festhalten. Mindestens 30 Datenpaare als Schwelle definieren. Hinweis: Wenn Hypothese mehrere Variablen mischt („Schlechtes Wetter macht Mitarbeiter müde“), je Paar eine Variable konkretisieren. Sonst ist das Diagramm nicht interpretierbar. Output: Scatter Plot

2. Phase 2: Daten erheben oder aufbereiten (Variable, oft 30-60 min) Owner: Facilitator Aktion: Datenset extrahieren oder erheben. Auf saubere Paarung achten (gleicher Zeitpunkt, gleicher Kontext). Datenqualität prüfen: Ausreißer, fehlende Werte, Erhebungsbedingungen. Hinweis: Datenkontext gehört dokumentiert: wer hat wann unter welchen Bedingungen gemessen. Ohne Kontext werden später Ausreißer fehlinterpretiert. Output: Korrelationsnotiz

3. Phase 3: Plot erzeugen (15-20 min) Owner: Facilitator Aktion: Scatter Plot mit X = Ursache, Y = Wirkung. Achsenbeschriftungen mit Einheit. Punkte ggf. nach Zeit oder Kontext einfärben. Trendlinie optional (mit Vorsicht). Hinweis: Trendlinie suggeriert oft mehr Aussage als Daten hergeben. Erst Plot ohne Linie zeigen, Linie nur als zweite Schicht, wenn Korrelation stark. Output: Hypothesenliste

4. Phase 4: Muster beschreiben (20-30 min) Owner: Facilitator Aktion: Muster systematisch durchgehen: positiver Trend, negativer Trend, Cluster, Ausreißer, kein Muster, U-Form. Korrelationskoeffizient (Pearson, Spearman) berechnen, aber nicht überinterpretieren. Hinweis: Korrelation 0.3 ist nicht „leicht“, sondern oft Rauschen. Erst ab 0.7 von robustem Zusammenhang sprechen, und auch dann nur im Kontext der Stichprobengröße. Output: Scatter Plot

5. Phase 5: Interpretation und Folgeschritt (15-20 min) Owner: Owner Aktion: Ergebnis als Hypothese bestätigt, widerlegt oder offen einordnen. Confounders besprechen. Maßnahme oder weitere Analyse ableiten (z. B. kontrolliertes Experiment, Pareto, Regression). Hinweis: Korrelation ist keine Kausalität. Vor Maßnahme-Ableitung mindestens kontrollierten Test planen oder Stratifizierung prüfen, sonst werden Symptome statt Ursachen behandelt. Output: Korrelationsnotiz

6. Artefakt veröffentlichen (10 min) Owner: Owner Aktion: Artefakt auf Vollständigkeit prüfen, Ablageort festlegen, Version oder Status setzen und Review-Empfänger benennen. Output: Scatter Plot

Abschluss

• Ergebnisartefakt aktualisieren: Scatter Plot
• Ablageort, Version und Review-Empfänger festlegen.
• Owner, nächster Schritt und Reviewtermin festlegen.

Scatter Plot: Scatter Diagram

Arbeitsfrage

Zeigen die gepaarten Daten ein Muster, das die vermutete Ursache-Wirkungs-Hypothese stützt, widerlegt oder offen lässt?

Kontext

Hypothese als Satz („wir vermuten, dass X Y beeinflusst“); Definition der Variablen mit Einheiten; Messintervall und Erhebungszeitraum; bekannte Störgrößen; Mindest-Datenmenge (30+ Paare).

Beteiligte

• Owner: Ein Analyst, der Daten aufbereitet und visualisiert
• Teilnehmende: Ein Analyst, der Daten aufbereitet und visualisiert; ein Domain Expert, der Kontext und Anomalien interpretiert; ein Owner der Datenquelle für Datenqualitäts-Rückfragen.

Input

Tabellenkalkulation oder Statistik-Tool (Excel, Google Sheets, R, Python mit pandas/matplotlib, JMP); Datenset mit gepaarten Werten; Zeitstempel pro Messung; optional Pareto-Tool für Vergleich.

Vorlage

Scatter Diagram Canvas

Kontext

Wofür wird die Methode eingesetzt?

Kernfrage

Welche Frage soll am Ende beantwortet sein?

Input

Welche Daten, Beobachtungen oder Materialien liegen vor?

Arbeitsfläche

• Bereich 1:
• Bereich 2:
• Bereich 3:
• Beziehungen / Muster:

Ergebnisartefakte

• Scatter Plot:
• Korrelationsnotiz:
• Hypothesenliste:

Offene Fragen

• ...

Nächster Schritt

Owner, Datum, Erfolgssignal.

Fertigstellungscheck

• Scatter Plot ist vollständig genug für Review:
• Ablageort:
• Version / Status:
• Review durch:
• Nächster Schritt:

Nächster Schritt

• Ergebnis prüfen
• offene Fragen markieren
• Review oder Entscheidung terminieren