Geht mir regelmäßig so mit Statistiken.

Bin professioneller Datenverdreher. Naja, eigentlich Analyst, aber selbst die “ehrlichste” Analyse dreht die Zahlen in eine bestimmte Perspektive. Die Ehrlichkeit liegt dann darin, den Kontext transparent zu machen: Die Kriterien, nach denen du deinen Datensatz zusammenstellst und filterst, was genau du als Anteil oder Gesamtes betrachtest, welches Maß du verwendest…

Sei jetzt mal fiktiv aus der Luft gegriffen und definitiv an keinen echten Beispielen orientiert:
Ein Betrieb mit Warenversand, nennen wir in BWV, hat zwei unterschiedliche Versandsysteme für innerhalb der Region und außerhalb. Innerhalb der Region haben sie einen Zusteller, der morgens die Pakete abholt und ausliefert. Für alles weiter weg verwenden sie einen Paketservice, dem sie das dann erst bringen müssen und der das dann eben in seine Versandsysteme packt.

Entsprechend variiert die Lieferzeit, von (meistens) 1 WT zu 3-4 WT. Einfach einen Durchschnitt von 1.2 WT hinwerfen ist schlichtweg nicht aussagekräftig. Jede Statistik die ich darüber machen will muss klarstellen, welchen der beiden Teile ich betrachte. Wenn ich beides in einem haben muss, muss ich die Natur und Abhängigkeit dieser Streuung kommunizieren. Wenn ich die stornierten Bestellungen nicht mitzähle, muss ich das zumindest erwähnen.

Überraschung, das tun Journalisten halt oft genug nicht. Bei jeder Aussage “52% der X sind Y” will ich wissen wie X zusammengesetzt ist und was eben ausgelassen wurde, und welche Kriterien für Y angesetzt wurden. Gerade bei Stichproben ist auch immer die Frage, was sie repräsentieren.

Ganz krasses Beispiel ist der MMR-Impf-Hoax. Die “Studie” war eine Pilotstudie mit zwölf Kindern, die Auffälligkeiten hatten. Da kann ich genausogut mit gezinkten Würfeln einen Datensatz generieren und dann erfinden was er aussagen soll. (Da hängt noch mehr Dreck an dem Stecken, ist aber nicht mein Feld – da darf gerne jemand anderes zu beitragen.)