Data + journalistisk indsigt

Vi arbejder ikke som de andre:

  1. Analytikere bevæger sig ofte i en lige linje fra A til B uden øje for det interessante, der måtte dukke op.
  2. Kommunikationsfolk og journalister har problemer med at forstå data og bruge dem.
  3. Og data-specialister har ofte svært ved at se, hvad data kan bruges til af andre end dem selv. For dem er alle data lige vigtige – eller næsten.

Kaas & Mulvad kombinerer det bedste fra de tre verdener. Vi ser på data med journalistens øjne.

Vi kan analysere data på et utal af måder, og vi kan se, hvor resultaterne er relevante for andre.

Vi prioriterer og vinkler i analyserne, så slutresultatet er en klar og letforståelig konklusion.

Seks slags analyser

  1. Talanalyser
  2. Data-analyse
  3. Geografiske analyser
  4. Indholdsanalyser
  5. Netværksanalyser

Tal-analyser
Journalisten analyserer data for at finde det mest interessante indhold, de mest interessante tendenser og det, der stikker ud. Oftest er det simple beregninger, der anvendes.

Vi ser på forskelle, på udvikling, på stigning og fald, og vi tjekker særligt yderpunkterne, hvor de gode historier ofte ligger:

Skal vi bruge cases eller eksempler er det også i analysen, at vi udpeger de dyreste huse, de dårligste veje, det værste arbejdsmiljø, de højeste karakterer, de rigeste forældre etc.

Data-analyse
Begrebet data-analyse kan siges at dække alt, men ofte opdager vi noget nyt, når vi sammenkobler to sæt data fra forskellige kilder. I processen fokuserer vi på gengangere – eller pointen kan være, at gengangerne mangler.

Fx får man via aktindsigt data som har cvr-numre, men ikke flere oplysninger. Vi slår cvr-numrene op i et erhvervsregister og kan nu trække på oplysninger som geografi, virksomhedens størrelse etc.

Eller vi ser på én database med giftgrunde og en med huse til salg. Prøver ejendomsmægleren at sælge huse, der ligger på en giftgrund, er det relevant at tjekke, om potentielle købere får det at vide, når der er åbent hus.

Geografiske analyser
Alle data, der har en adresse eller en geografisk placering kan analyseres på denne måde: Hvor mange sommerhuse, der koster under en halv million, ligger højst 500 meter fra stranden?

Hvor stor en andel af Skagens gule huse ejes af folk, der har hjemme i København? Hvor langt er der i snit mellem folkeskolerne og den nærmeste slik-butik?

Kort af enhver slags er populære, men for at kunne lave kort med de bedste og dårligste kommuner, skal man først have foretaget en form for geografisk analyse af sine data.

Indholdsanalyser
Indholdsanalysens systematiske optælling er velkendt fra fx medieforskning, men kun sjældent anvendt bevidst i journalistik. Ubevidst sker det dog ofte.

For eksempel når man vil analysere film-anmeldere: Hvilken er surest, hvilken er mest positiv, hvem kan bedst lide actionfilm – og hvem foretrækker smalle franske talefilm.

Her må man anmeldelse for anmeldelse se på indholdet og fylde indhold i databasen, man selv har designet til præcist at rumme denne type indhold.

Netværksanalyser
Netværksanalyser supplerer de traditionelle analysetyper, fordi vi ikke bare ser på ting, som vi åbenlyst kan måle og veje, alder, indkomst eller adresser, men pludselig kan vi også studere den indre dynamik i grupper.

I Danmark har DR Penge bl.a. brugt vores netværksanalyser til at kortlægge virksomheder, der er bundet sammen af bestyrelsesmedlemmer, der sidder i mange bestyrelser.

Samme analyse bruges også til at vise, hvem der fx dominerer twitterstrømmen under Folkemødet.