In diesem Modul lernen wir eine Vielzahl von Visualisierungen kennen, die zur Veranschaulichung und Kommunikation von Daten verwendet werden. Wir beginnen mit den verschiedenen Mitteln, die zur Darstellung quantitativer Informationen verwendet werden. Dann sehen wir uns eine Reihe von Beispielen von Datenvisualisierungen an und diskutieren, was sie effektiv oder ineffektiv macht. Schließlich besprechen wir Excel-Diagramme und warum die meisten von ihnen vermieden werden sollten. Nach Abschluss dieses Moduls werden Sie in der Lage sein, die Merkmale einer guten Datenvisualisierung besser zu verstehen und häufige Fehler bei der Erstellung Ihrer eigenen Diagramme zu vermeiden

In diesem Modul behandeln wir eine Reihe von Themen rund um die Interpretation von Daten, das Sammeln zusätzlicher Daten und die Abgabe von Empfehlungen auf der Grundlage unserer Analyse. Zunächst werden wir erörtern, wie wir Daten fehlinterpretieren oder falsch darstellen und wie wir dies vermeiden können, z. B. indem wir Korrelation mit Kausalität verwechseln, uns von kognitiven Vorurteilen beeinflussen lassen, wie wir Daten sehen, und Daten auf irreführende Weise visualisieren. Wir werden auch lernen, wie wir durch Experimente mehr Daten erhalten können, einschließlich der Kompromisse, die wir bei der Messung möglicherweise eingehen müssen. Schließlich werden wir besprechen, wie wir unsere Ergebnisse und Empfehlungen kommunizieren. Dabei werden wir uns darauf konzentrieren, unser Publikum zu kennen, überzeugende Geschichten zu erzählen und klare und effektive Kommunikationsmaterialien zu erstellen

In unserem letzten Modul gehen wir zwei Fallstudien durch und veranschaulichen die Ideen, die wir im Kurs und in der Spezialisierung als Ganzes behandelt haben. Der erste Fall zeigt, wie Experimente genutzt werden können, um Daten zu erzeugen, manchmal mit überraschenden Ergebnissen. Im zweiten Fall wird eine umfassende Analyse vorgestellt, die den gesamten analytischen Lebenszyklus veranschaulicht und zeigt, wie verschiedene Methoden und sowohl quantitative als auch qualitative Analysen zusammengebracht werden können, um ein strategisch wichtiges analytisches Problem zu lösen.