Die Challenge

Science on Stage e.V. versuchte, stärker datenorientiert zu arbeiten, aber Daten aus vielen verschiedenen Quellen erwiesen sich als eine erhebliche Hürde. Vor allem die manuelle Vorgehensweise bei Export, Bereinigung und Analyse der Daten machte diese Prozesse mühsam, zeitaufwändig und fehleranfällig.

Die Datengrundlage

Das Projekt konzentrierte sich auf die Datenquellen Surveymonkey (Umfragedaten von Teilnehmern) und Matomo (anonymisierte Downloadstatistiken für das Bildungsmaterial der Organisation).

Der Ansatz

Das CorrelAid-Team arbeitete eng mit Daniela von Science on Stage e.V. zusammen und unterstützte **sie** durch die Entwicklung von R-Skripten, um diese Prozesse (teilweise) zu automatisieren und zu vereinheitlichen. Im Rahmen des Projekts teilten sich die CorrelAid-Freiwilligen in kleine Unterteams auf und nahmen verschiedene Datenprozesse in Angriff, z.B. die Extraktion und Aufbereitung von Umfragedaten von Surveymonkey inklusive des unmittelbaren und langfristigen Feedbacks für die Webinare der NPO. Das Team erstellte Analyseskripte für relevante Metriken wie Länge, Themen und Anzahl der Teilnehmer*innen. Ein anderer Teil des Teams konzentrierte sich auf die Extraktion und Analyse anonymisierter Webtracking-Daten von Matomo zu Download-Statistiken des Bildungsmaterials von Science on Stage. Die Volunteers analysierten die Daten und stellten CSV-Dateien und HTML-Berichte mit Visualisierungen zur Verfügung, die die relevanten Metriken nach verschiedenen Kategorien aufschlüsselten, die für Science on Stage relevant sind.

Die Skripte sowie die dazugehörige Ordnerstruktur wurden am Ende des Projekts an **sie**, Daniela Neumann, übergeben.

Die Wirkung

Durch die frühe und enge Einbeziehung von **ihr**, Daniela von Science on Stage, in den Projektprozess konnten Ergebnisse langfristig weiter genutzt und verstetigt werden: Noch zwei Jahre später werden die Skripte genutzt und **sie** kümmert **sich** eigenständig um notwendige Anpassungen im Code, z.B. beim Wechsel des Infrastrukturproviders von Surveymonkey zu Lamapoll. Die Outputs und Erfahrungen des Projekts dienten Science on Stage außerdem als Inspiration und Basis für neue Anwendungsfälle: So konnte **sie** den Code übertragen, um neben den Downloadzahlen von PDF-Dokumenten auch die Websitezugriffe auf Web-Angebote zu erfassen. Und nachdem jedes Jahr Stammdaten aus über 300 Word-Bewerbungsformularen manuell kopiert worden waren, erledigt dies jetzt ein von **ihr** entwickeltes R-Skript.

Durch die Verstetigung der Projektergebnisse sowie die Erarbeitung neuer Use Cases auf Basis des Codes konnte Science on Stage e.V. erheblich zeitliche Ressourcen sparen und folgenreiche Fehler in der Datenverarbeitung vermeiden. Ein wichtiger Schritt in der Entwicklung von Science on Stage zu mehr Datenorientierung in ihrer Arbeit!

projects.labels.sdg_singular