Daten spielen eine wesentliche Rolle in vielen Entscheidungsprozessen und sind auch in den Medien allgegenwärtig. Um Schüler:innen auf Herausforderungen im Umgang mit Daten vorzubereiten und sie damit zu mündigen Bürger:innen zu machen, so Prof. Dr. Daniel Frischemeier von der Universität Münster in seinem Vortrag, ist die Förderung einer frühen Datenkompetenz ab der Grundschule fundamental. Statistische Allgemeinbildung wird von den aktuellen KMK Bildungsstandards schon für den Mathematikunterricht in der Grundschule eingefordert und ist ebenso aufgrund der Digitalisierungsdebatte relevant, um Teilhabe an gesellschaftlichen Prozesse und insbesondere das Verstehen der Prozesse anzubahnen. Zu den wesentlichen Aspekten dieser Kompetenz zählen neben der Einführung in den Datenanalysezyklus, die Datenoperationen, der Einsatz von digitalen Werkzeugen sowie die Betrachtung kategorialer und numerischer Merkmale von Daten.

Datenkompetenz beginnt mit Lerngelegenheiten, zum bewussten Formulieren guter statistischer Fragestellungen. Hierbei sind Fragen, die sich an ein Gegenüber wenden (‚Welche Augenfarbe hast du?‘) von sogenannten Forscher:innenfragen (‚Wie ist die Verteilung der Augenfarben in unserer Klasse?‘) zu unterscheiden.Mit den durch Untersuchungen/Befragungen, Beobachtungen oder durch einfache Experimente erhobenen Daten gilt es dann statistisch weiterzuarbeiten. Bereits im stochastischen Anfangsunterricht erlaubt beispielsweise der Umgang mit Datenkarten durch Umlegen und Ordnen eigenständig händische Entdeckungen im Universum realer und multivariater Daten zu machen und eigene Darstellungen für Daten zu erfinden. Unterstützend können digitale Tools wie zum Beispiel die Software TinkerPlots oder auch CODAP (Common Online Data Analysis Platform) ermöglichen umfangreiche Datensätze zu explorieren und statistische Projekte durchzuführen. Die Analyse der aufbereiteten Daten bewegt sich, so Frischemeier, in einer Balance zwischen der Betrachtung lokaler Datenpunkte und der Verteilung als Ganzes (Denken in Verteilungen, vgl. Biehler, 2007). Auf den ersten Blick lokale Kennwerte, wie z. B. Mittelwert oder Modus, nehmen jedoch dabei implizit die Verteilung mit in den Blick. Um den Fokus der Datenanalyse genauer zu erfassen und fachdidaktisch fruchtbar zu machen, empfiehlt Frischemeier, den Dreiklang (nach Friel et., 2001) reading the data (lokaler Blick auf Daten und Merkmale), reading between data (Vergleiche, Operationen, Minimum, Maximum etc.) und reading beyond data (Interpretationen, Hypothesen unter Einbezug von Kontextwissen). Insbesondere stellte er die Identifikation modaler Klumpen sowie Hutplots (Verknüpfung gestapelter Punktdiagramme mit Boxplots) als tragfähige Ideen für den Unterricht in der Grundschule vor.