Analyser

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. Klik på bjælkerne herunder for flere informationer om de enkelte analysetyper.

Tal-analyse

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. Se fx hvad der kom ud af en analyse for Lokale- og Anlægsfonden. Fonden bad os om at analysere den ofte oversete facilitetsdatabase.

Data-analyse

Data-analyse kan siges at dække alt. 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, branche, 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 risikovirksomhederne og de nærmeste daginstitutioner?

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 forskning, men er kun sjældent anvendt bevidst i journalistik eller kommunikation. Ubevidst sker det dog ofte.

For eksempel når man vil kategorisere kendelser fra et af vore mange ankenævn. Eller 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.

Statistiske analyser

Statistiske analyser bruges typisk, når man kun kan få data fra et udsnit af en population og skal se, hvor sikre konklusioner kan foretages.

En anden ofte brugt analyse er at måle på, hvor stor sammenhængen er mellem to variable. I hvor høj grad er det for eksempel skolernes størrelse, der forklarer skolernes gennemsnitskarakterer?

Tommy Kaas og Nils Mulvad har analyseret forskellige data gennem 20 år. Vi kan prioritere, analysere, konkludere, vinkle, og se historier i data, som andre derefter kan forstå og bruge i praksis.

Vi sikrer, at der er hold i konklusionerne.

Desværre fandt vi intet, der matcher din søgning.