Jede Organisation bezeichnet sich gerne als „datengetrieben“. Dieser Begriff hat sich zum Maßstab für Glaubwürdigkeit entwickelt und wird oft verwendet, um in Besprechungen Widerspruch zu unterdrücken. Doch es gibt einen interessanten Aspekt, über den es sich nachzudenken lohnt: Der Ausdruck „laut Datenanalyse“ kann aus zwei sehr unterschiedlichen Quellen stammen.
Die eine Quelle ist echte Neugier. Die andere ist jemand, der bereits eine Meinung hat und nach einer Zahl sucht, um diese zu untermauern.
Das Merkwürdige daran? Beide Gruppen setzen sich für dieselbe Entscheidung ein, verwenden dieselbe Sprache und sitzen auf derselben Seite des Tisches. Diese Allianz ist häufiger anzutreffen, als man denkt, und sie hat einen Namen.
Bootleggers und Baptisten
Im Jahr 1983 stellte der Regulierungsökonom Bruce Yandle ein Konzept vor, das er „Bootleggers und Baptisten“ nannte. Diese Idee entstand aus einer Beobachtung zu den Sonntagsgesetzen für Alkohol im amerikanischen Süden. Baptisten setzten sich aus moralischen Gründen für diese Gesetze ein. Sie waren der Überzeugung, dass die Einschränkung des Verkaufs von Alkohol am Sonntag das Richtige sei. Bootleggers hingegen profitierten von denselben Gesetzen, da sie ihre legale Konkurrenz für einen Tag ausschalteten.
Beide Gruppen strebten dasselbe Ergebnis an, jedoch aus völlig unterschiedlichen Gründen. Die Baptisten lieferten die moralische Rechtfertigung, auf die Politiker verweisen konnten. Die Bootleggers arbeiteten im Hintergrund und profitierten stillschweigend von dem Ergebnis. Yandles Erkenntnis war, dass solche unwahrscheinlichen Allianzen tendenziell erfolgreichere regulatorische Ergebnisse erzielen als jede Gruppe für sich allein.
Dieses Konzept ist äußerst kraftvoll und lässt sich mit beunruhigender Präzision auf die Welt der Daten und Analysen übertragen.
Die Rolle der Baptisten in datengetriebenen Organisationen
In jeder datenbewussten Organisation finden sich Menschen, die ernsthaft versuchen, ihre Entscheidungen evidenzbasiert zu treffen. Diese Personen sind die Baptisten. Sie setzen sich für sauberere Datenpipelines, bessere Dashboards und rigorosere A/B-Tests ein. Ihr Ziel ist es, statistische Signifikanz zu erreichen, nicht weil es ihren Interessen dient, sondern weil sie überzeugt sind, dass bessere Daten zu besseren Ergebnissen führen. Ein tieferes Verständnis der Datenpraxis kann dabei helfen, wie die Struktur von Datensätzen den Programmierstil beeinflusst.
Diese Personen sind leicht zu erkennen. Sie sind bereit, ihre Meinung zu ändern, wenn die Daten ihren Hypothesen widersprechen. Sie scheuen sich nicht zu sagen: „Ich lag falsch“ oder „wir benötigen mehr Informationen, bevor wir fortfahren.“ Sie betrachten Daten als eine Taschenlampe in einem dunklen Raum – etwas, das allen hilft, klarer zu sehen, selbst wenn das, was es offenbart, unangenehm ist.
Die Bootleggers der Daten
Nun kommen wir zu der anderen Seite. Diese Personen haben bereits eine Schlussfolgerung und konstruieren die Datenstory, um diese zu unterstützen. Sie sind versiert im Umgang mit der Sprache der Evidenz. Sie können Zahlen zitieren, Dashboards referenzieren und Ergebnisse in ausgefeilten Präsentationen darstellen. Doch der analytische Prozess, den sie durchlaufen haben, war nie wirklich offen. Das Ziel war bereits festgelegt, bevor die Reise begann.
Die Bootleggers der Daten neigen dazu, Zeiträume auszuwählen, die ihren bevorzugten Trends entsprechen. Sie wählen Kennzahlen, die ihre Initiative schmeicheln, während sie die ignorieren, die das nicht tun. Sie stützen sich auf Korrelationen, wenn es ihnen passt, und blenden sie aus, wenn nicht. Selten präsentieren sie die Daten, die gegen ihre Position sprechen.
Wenn jemand für KI-generierte Werbeanzeigen plädiert, wird er die Klickraten aus einem zweiwöchigen Test anführen und dies als Erfolg verkaufen. Was sie jedoch nicht erwähnen, ist, dass die Absprungraten sich verdoppelt haben, die Verweildauer auf der Seite gesunken ist und die Kosten pro Akquisition tatsächlich gestiegen sind. Die KI-Anzeigen haben zwar Klicks generiert, aber das tun auch irreführende Thumbnails. Das vollständige Bild erzählt eine ganz andere Geschichte, und genau deshalb zeigen sie nicht das gesamte Bild.
Warum die Allianz so gut funktioniert
Hier wird Yandles Rahmenwerk besonders deutlich. Die Baptisten verleihen der Entscheidung Legitimität. Wenn jemand mit echtem Engagement für evidenzbasiertes Denken eine Entscheidung unterstützt, senkt das die politischen Kosten für alle anderen, sich anzuschließen. Die Bootleggers nutzen diesen Rückenwind und verwenden die Glaubwürdigkeit der Baptisten als Deckmantel für ein Ergebnis, das sie schon immer wollten.
Und hier ist der entscheidende Punkt: Die Baptisten erkennen oft nicht, dass sie Teil einer Allianz sind. Sie glauben, die Entscheidung sei aufgrund von Verdiensten getroffen worden, weil die Daten aus ihrer Sicht tatsächlich in diese Richtung wiesen. Sie haben die Zahlen in gutem Glauben betrachtet und eine Schlussfolgerung gezogen. Der Bootlegger sorgte lediglich dafür, dass die richtigen Zahlen auf dem Tisch lagen.
Wie man sie unterscheiden kann
Was kann man also tatsächlich tun? Beginnen Sie damit, zu beobachten, was passiert, wenn Daten jemandes bevorzugtes Ergebnis widersprechen. Die Baptisten werden sich damit auseinandersetzen. Sie werden Folgefragen stellen, Annahmen überdenken und möglicherweise sogar die Richtung ändern. Die Bootleggers hingegen werden sich umorientieren. Sie werden die Frage umformulieren, die Kennzahl ändern oder plötzlich entscheiden, dass die Daten „das Gesamtbild nicht erfassen“.
Achten Sie auch darauf, wer die Daten präsentiert und wer entscheidet, welche Daten präsentiert werden. Es gibt einen bedeutenden Unterschied zwischen jemandem, der alle verfügbaren Beweise analysiert, und jemandem, der eine Teilmenge davon kuratiert.
Sie sollten sich auch fragen, ob der analytische Prozess wirklich explorativ war oder ob die Schlussfolgerung bereits zirkulierte, bevor die Daten überhaupt erhoben wurden. Es wird nicht immer möglich sein, sie zu unterscheiden.
Schlussfolgerungen
Der gesamte Punkt der Allianz ist, dass es schwierig ist, zwischen den beiden zu unterscheiden. Aber sich der Dynamik bewusst zu sein, ist bereits ein erheblicher Vorteil, denn die meisten Menschen in den meisten Organisationen haben noch nie in Betracht gezogen, dass ihre „datengetriebene“ Kultur möglicherweise gleichzeitig von zwei sehr unterschiedlichen Motoren betrieben wird. Für einen umfassenden Überblick über die notwendigen Fähigkeiten in der Datenwissenschaft ist der umfassende Leitfaden für Einsteiger in die Datenwissenschaft 2026 eine wertvolle Ressource.
Yandles Rahmenwerk wurde für die Regulierung der Wirtschaft entwickelt, aber das Muster, das es beschreibt, ist universell. Wo immer Entscheidungen moralische oder intellektuelle Legitimität tragen, wird es Menschen geben, die an das Prinzip glauben, und solche, die den Deckmantel, den es bietet, ausnutzen. Die datengetriebene Kultur ist da keine Ausnahme.
Die beste Verteidigung, die Sie haben, ist einfach: Bleiben Sie neugierig, wer von einer Entscheidung profitiert, nicht nur, was die Zahlen sagen. Denn die Zahlen können real sein, die Analyse kann fundiert sein, und dennoch kann das Ganze ein Traum der Bootleggers sein. Gute Datenpraxis bedeutet, „warum diese Daten?“ ebenso oft zu fragen wie „was sagen diese Daten?“
Nahla Davies ist Softwareentwicklerin und Technikautorin. Bevor sie sich voll und ganz dem technischen Schreiben widmete, war sie unter anderem als leitende Programmiererin in einem Unternehmen tätig, das in der Liste der Inc. 5.000 für erfahrungsbasiertes Branding aufgeführt ist und Kunden wie Samsung, Time Warner, Netflix und Sony bedient.
„`
Quellen: kdnuggets
Bildquelle: KI generiert
