Skip to main content

2022 | OriginalPaper | Buchkapitel

6. Daten auswerten

verfasst von : Stefan Rippler

Erschienen in: Das Persona-Prinzip

Verlag: Springer Fachmedien Wiesbaden

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

In diesem Kapitel lernen Sie, wie Sie die Ergebnisse Ihrer eigenen Umfrage zur Erstellung einer Candidate Persona sinnvoll nutzen und auswerten. Dabei gehen wir auf die von uns empfohlene Variante – das qualitative Interview – ein. Wir zeigen, wie Sie Ihre Rohdaten richtig ordnen, um den größtmöglichen Nutzen daraus zu ziehen.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Literatur
1.
Zurück zum Zitat An, J., Kwak, H., Salminen, J., Jung, S., & Jansen, B. J. (2018). Imaginary people representing real numbers: Generating personas from online social media data. ACM Transactions on the Web (TWEB), 12(4), 27. An, J., Kwak, H., Salminen, J., Jung, S., & Jansen, B. J. (2018). Imaginary people representing real numbers: Generating personas from online social media data. ACM Transactions on the Web (TWEB), 12(4), 27.
2.
Zurück zum Zitat Backurs, A., Indyk, P., Onak, K., Schieber, B., Vakilian, A., and Wagner, T. (2019). Scalable fair clustering. ArXiv Preprint ArXiv:1902.03519. Backurs, A., Indyk, P., Onak, K., Schieber, B., Vakilian, A., and Wagner, T. (2019). Scalable fair clustering. ArXiv Preprint ArXiv:1902.03519.
3.
Zurück zum Zitat Baur, N., & Blasius, J. (Hrsg.). (2014). Handbuch Methoden der empirischen Sozialforschung. Springer VS. Baur, N., & Blasius, J. (Hrsg.). (2014). Handbuch Methoden der empirischen Sozialforschung. Springer VS.
4.
Zurück zum Zitat Bera, S., Chakrabarty, D., Flores, N., & Negahbani, M. (2019). Fair algorithms for clustering. Advances in Neural Information Processing Systems, 4954–4965. Bera, S., Chakrabarty, D., Flores, N., & Negahbani, M. (2019). Fair algorithms for clustering. Advances in Neural Information Processing Systems, 4954–4965.
5.
Zurück zum Zitat Fuβ, S., & Karbach, U. (2019). Grundlagen der Transkription. UTB. Fuβ, S., & Karbach, U. (2019). Grundlagen der Transkription. UTB.
7.
8.
Zurück zum Zitat Scheu, A. (2017). Auswertung qualitativer Daten: Strategien, Verfahren und Methoden der Interpretation nicht-standardisierter Daten in der Kommunikationswissenschaft. Springer VS. Scheu, A. (2017). Auswertung qualitativer Daten: Strategien, Verfahren und Methoden der Interpretation nicht-standardisierter Daten in der Kommunikationswissenschaft. Springer VS.
Metadaten
Titel
Daten auswerten
verfasst von
Stefan Rippler
Copyright-Jahr
2022
DOI
https://doi.org/10.1007/978-3-658-38979-6_6

Premium Partner