BestExperts BestExperts WBI / WBT

Fachbeitrag · Wirtschaftsinformatik ·

Kennzahlen aggregieren: Warum der Durchschnitt von Quoten die Gesamtquote verzerren kann

Zwei Bereiche melden jeweils eine Erfolgsquote. Es liegt nahe, daraus einen einfachen Durchschnitt zu bilden. Das ist jedoch nur unter passenden Voraussetzungen sinnvoll. Wenn die zugrunde liegenden Fallzahlen unterschiedlich groß sind, kann eine kleine Gruppe das Gesamtergebnis unverhältnismäßig beeinflussen. Für eine fachlich richtige Verdichtung müssen deshalb häufig die ursprünglichen Zähler und Nenner erhalten bleiben.

Quoten sind keine additiven Mengen

Eine Quote entsteht aus dem Verhältnis zweier Größen. Ihre Prozentwerte lassen sich nicht wie Stückzahlen beliebig aufsummieren. Auch ein ungewichteter Durchschnitt beantwortet eine andere Frage als das Verhältnis der gesamten Zähler und Nenner. Er gibt jeder Gruppe dasselbe Gewicht, unabhängig von ihrer Größe. Das kann gewünscht sein, etwa bei einer gleichgewichteten Bewertung von Standorten. Soll dagegen die Gesamtquote aller Fälle berechnet werden, müssen die zugrunde liegenden Mengen zusammengeführt werden. Welche Sicht gilt, ist eine fachliche Festlegung.

Ein Beispiel mit unterschiedlich großen Gruppen

Team A bearbeitet zehn Fälle und löst neun davon innerhalb einer vereinbarten Frist. Team B bearbeitet neunzig Fälle und löst fünfundvierzig fristgerecht. Die Quoten betragen neunzig und fünfzig Prozent. Ihr einfacher Durchschnitt ist siebzig Prozent. Insgesamt sind aber vierundfünfzig von hundert Fällen fristgerecht erledigt, also vierundfünfzig Prozent. Beide Ergebnisse sind berechenbar, doch nur das zweite beschreibt den Anteil aller fristgerecht bearbeiteten Fälle. Die Differenz entsteht nicht durch Rundung, sondern durch die Gewichtung.

Die Bausteine im Datenmodell halten

Für eine flexible Auswertung sollten bearbeitete und fristgerechte Fälle auf derselben fachlichen Ebene vorliegen. Eine Berichtsschicht kann beide Größen innerhalb des gewünschten Filters summieren und anschließend die Quote berechnen. Wird nur ein bereits berechneter Prozentwert je Team gespeichert, fehlt später möglicherweise die Grundlage für eine korrekte Gesamtansicht. Leere Nenner brauchen eine eigene Behandlung; null Prozent ist nicht automatisch gleichbedeutend mit keiner vorhandenen Beobachtung. Auch Filter auf Zeitraum, Fallart und Zuständigkeit müssen für beide Komponenten konsistent wirken.

Gesamtzeile und Detailzeilen abstimmen

Eine Gesamtzeile sollte die Kennzahl nach derselben Definition für die gesamte Auswahl neu berechnen. Dass sie nicht dem Mittelwert der sichtbaren Prozente entspricht, kann gerade richtig sein. Hilfreich sind sichtbare Fallzahlen und eine kurze Erklärung der Gewichtung. Bei der Abnahme sollten ungleich große Gruppen sowie ein Fall ohne gültigen Nenner vorkommen. So lässt sich prüfen, ob die Anzeige fachlich verständlich bleibt. Der zentrale Grundsatz lautet: Erst die passenden Grundgrößen verdichten, dann das vereinbarte Verhältnis berechnen.

Eine kleine Kontrolltabelle mit beiden Ausgangsmengen je Gruppe macht die Aggregation nachvollziehbar. Damit können Fachbereich und technische Umsetzung dieselben Beispiele prüfen und unterschiedliche Erwartungen früh klären.

Technical article · Business informatics ·

Aggregating metrics: Why averaging rates can distort the overall result

Two departments each report a success rate. Taking their simple average seems natural, but is appropriate only under suitable assumptions. When the underlying case counts differ substantially, a small group can exert disproportionate influence on the combined result. Business-consistent aggregation therefore often requires retaining the original numerators and denominators rather than only the percentages already calculated for each group.

Rates are not additive quantities

A rate is a relationship between two quantities. Percentages cannot simply be added in the same way as unit counts. An unweighted average also answers a different question from the ratio of total numerators to total denominators. It gives every group equal weight regardless of size. That may be intentional, for example in an equally weighted comparison of sites. To calculate the rate across all cases, however, the underlying quantities need to be combined. The intended perspective is a business choice, not a formatting preference.

Compare unequal groups

Team A handles ten cases and completes nine within an agreed deadline. Team B handles ninety cases and completes forty-five on time. Their rates are ninety and fifty percent. The simple average is seventy percent. Across both teams, however, fifty-four out of one hundred cases were completed on time: fifty-four percent. Both figures can be calculated, but only the second describes the share of all cases meeting the deadline. The difference comes from weighting, not from rounding or a malfunction in the reporting tool.

Retain the components in the model

Flexible reporting should retain handled-case and on-time-case counts at the same business grain. A reporting layer can sum both quantities within the requested filters and calculate the ratio afterwards. If only a previously calculated percentage per team is stored, the basis for a correct overall view may later be unavailable. A missing or zero denominator needs explicit treatment: zero percent is not automatically equivalent to having no valid observations. Time, case-type and ownership filters must also affect both components consistently.

Align totals and detail rows

A total row should recalculate the metric for the complete selection using the same definition. It may correctly differ from the average of the displayed percentages. Visible case counts and a short explanation of weighting help users understand this behaviour. Acceptance tests should include groups of unequal size and a case without a valid denominator. This checks that the display remains meaningful instead of merely producing a number. The central principle is to aggregate the relevant components first and then calculate the agreed relationship, rather than treating a percentage as an ordinary additive measurement.

A small control table showing both underlying quantities for each group makes aggregation transparent. Business owners and implementers can use the same examples to resolve different expectations before publication.

WordPress Cookie Plugin von Real Cookie Banner