Sadržaj[Sakrij][Prikaži]
Okruženi smo podacima koji su svakim danom sve značajniji. Sve više i više naše interakcije s okolinom oblikuju različiti oblici podataka, uključujući našu upotrebu interneta, kupovinu automobila, vijesti koje gledamo i mnoge druge stvari.
U ovom postu ćemo definirati kvantitativne podatke, dati primjere kvantitativnih podataka, raspravljati o tome kako se kvalitativni i kvantitativni podaci razlikuju i još mnogo toga.
Ali hajde da prvo napravimo korak unazad.
Svakog dana proizvede se 2.5 kvintiliona bajtova podataka – uključujući rezultate testova, rezultate zadovoljstva kupaca i tvitove. Ali nije svaki podatak stvoren jednak.
Anketa u kojoj se od vas traži da rangirate uslugu, meni, okruženje i cijene na skali od 1 do 10 daje različite podatke od intervjua u kojem se od vas traži da opišete svoje iskustvo u restoranu.
Za analitičare koji često rade sa skupovima podataka je ključno da razlikuju različite oblike podataka i shvate kako svaki može uticati na vašu studiju.
Proces udubljivanja u podatke često počinje određenim pitanjem na koje pokušavate odgovoriti, kao što je:
- Kakav uticaj demografija ima na ponašanje potrošača?
- Hoće li određena publika pozitivno reagirati na modifikaciju proizvoda ili usluge?
- Kako se mogu eliminisati operativna uska grla da bi se povećala efikasnost?
Moraćete da prikupite i procenite kvantitativne podatke, u zavisnosti od prirode predmeta, vašeg budžeta, vremena i dostupnih resursa. Mislim da razumete, zar ne?
Počnimo sada.
Šta su kvantitativni podaci?
Svaka zbirka podataka koja se može identifikovati i kvantitativno procijeniti smatra se kvantitativnim podacima.
Jedina vrsta podataka koja se može objektivno izmjeriti su kvantitativni podaci, što ih čini najrelevantnijim vrsta podataka za upotrebu u matematici i statistici.
Pominje se kao vrijednost podataka kada je izražena kao zbrojevi ili brojevi, pri čemu svakom skupu podataka pripada određena numerička vrijednost.
Svaka mjerljiva informacija koja se može koristiti u statističkim proračunima i proračunima zasnovanim na aritmetici smatra se ovom vrstom podataka jer se može koristiti za podršku prosudbi u stvarnom svijetu.
Koliko, koliko često i koliko su neki primjeri upita na koje može odgovoriti. Za laku provjeru i procjenu ovih podataka mogu se koristiti matematičke metode.
Kvantitativni podaci kao što su vrijeme, visina, težina, cijena, trošak, profit, temperatura i udaljenost su ono s čime analitičar podataka obično radi.
Može se izraziti kao procenat, broj, vrijeme učitavanja stranice ili druge metrike u oblastima upravljanja proizvodima, dizajna korisničkog iskustva ili softverskog inženjeringa.
Koliko je ljudi kupilo određeni artikl primjer je kvantitativnih podataka u kontekstu kupovine. Kvalitativni podaci o automobilima mogu uključivati količinu konjskih snaga koju posjeduju.
Koje su vrste kvantitativnih podataka?
Podaci koji se mogu kvantificirati nazivaju se kvantitativnim podacima, međutim, način na koji se ti podaci kvantificiraju varira ovisno o vrsti prikupljanja podataka. Kvantitativni podaci se mogu podijeliti u dvije osnovne grupe: diskretne i kontinuirane. Glavne varijacije između njih su sljedeće:
Diskretni podaci
Kvantitativne informacije koje su diskretne mogu imati samo određeni raspon numeričkih vrijednosti. Ove vrijednosti se ne mogu razložiti jer su fiksne.
Kad god se bilo šta broji, dobijaju se diskretni podaci. Troje djece osobe, na primjer, bilo bi primjer diskretnih podataka.
Broj djece je podešen; ne mogu, na primjer, imati 3.2 djece.
Količina posjetitelja vaše web stranice je još jedan primjer diskretnih numeričkih podataka; možete primiti 150 posjeta dnevno, ali ne 150.6. Najčešći grafikoni koji se koriste za prikazivanje diskretnih podataka su tortni grafikoni, trakasti grafikoni i grafikoni brojanja.
Kontinuirani podaci
Obrnuto, kontinuirani podaci se mogu neograničeno dijeliti na manje komponente. Dužina konopca u centimetrima ili temperatura u stepenima Celzijusa dva su primjera ove vrste kvantitativnih podataka koji se mogu prikazati na mjernoj skali.
U suštini, kontinuirani podaci nisu ograničeni na fiksne vrijednosti; može imati bilo koju vrijednost. Kontinuirani podaci se također mogu mijenjati tokom vremena; na primjer, temperatura prostorije će se promijeniti tokom dana.
Linijski grafikon se obično koristi za ilustraciju kontinuiranih podataka.
Kvantitativni podaci vs kvalitativni podaci
Vidimo da se kvantitativni podaci mogu izmjeriti. Bavi se iznosima, vrijednostima i brojevima. Ova vrsta informacija može se navesti numerički (tj. količina, trajanje, dužina, cijena ili veličina).
Kvantitativni podaci imaju mnogo kredibiliteta i smatraju se nepristrasnim i pouzdanim jer se proizvode pomoću statistike. Međutim, postoji još jedna ključna vrsta podataka. Konkretno, kvalitativni podaci.
Ove informacije su prvenstveno opisne prirode. U većini slučajeva, ne može se direktno izmjeriti, ali se može naučiti posmatranjem. Pridjevi i drugi opisni izrazi koriste se za opisivanje izgleda, boje, teksture i drugih svojstava u kvalitativnim podacima.
Na primjer, možete tvrditi da je jedna soba svjetlija od druge.
Ta informacija je kvalitativna. Da biste zaista izmjerili svjetlinu u prostoriji i dodijelili joj brojčani broj, možete koristiti i naučnu opremu i aparate (kao što je svjetlomjer). Time dobijate mjerljive podatke.
5 najboljih metoda za prikupljanje kvantitativnih podataka
1. Uzorkovanje vjerovatnoće
Precizna tehnika uzorkovanja koja koristi neku vrstu slučajnog odabira i omogućava istraživačima da iznesu tvrdnju o vjerovatnoći na osnovu informacija prikupljenih nasumično od ciljane publike.
Uzorkovanje vjerovatnoće nudi istraživačima priliku da prikupe podatke od pojedinaca koji su tipični za grupu za koju su zainteresirani da istražuju, što je jedna od njegovih najboljih karakteristika.
Dodatno, podaci su izvučeni nasumično iz odabranog uzorka, što eliminira mogućnost pristranosti uzorkovanja.
Za uzorkovanje vjerovatnoće, postoje tri glavne kategorije.
- Jednostavno nasumično uzorkovanje: Predviđena populacija se češće bira da bude predstavljena u uzorku.
- Sistematsko nasumično uzorkovanje: Bilo koji član željene populacije bio bi zastupljen u uzorku, ali se samo prva jedinica bira nasumično; ostale jedinice se biraju kao da je jedna od deset osoba na listi.
- Stratificirano nasumično uzorkovanje: Prilikom kreiranja uzorka, omogućava odabir svake jedinice iz određenog podskupa namijenjene publike. Korisno je kada su istraživači izbirljivi oko uključivanja određene grupe ljudi u uzorak, kao što su samo menadžeri ili rukovodioci, ljudi koji rade u određenoj industriji, ili muškarci ili žene.
2. Intervjui
Ljudi se obično intervjuišu kao dio procesa prikupljanja podataka. Intervjui, međutim, koji se sprovode radi prikupljanja kvantitativnih podataka su organizovaniji, pri čemu istraživači postavljaju samo propisani set pitanja i ništa više.
Postoje tri glavne kategorije intervjua koji se koriste za prikupljanje podataka.
- Telefonski intervjui: Telefonski intervjui su godinama dominirali na grafikonima tehnika prikupljanja podataka. Ali korištenjem interneta, Skypea ili drugog online video konferencije usluga za vođenje video intervjua značajno je porasla posljednjih godina.
- Lični intervjui: Direktno prikupljanje podataka o učesnicima je isprobana i istinita metoda prikupljanja informacija. Pomaže u prikupljanju visokokvalitetnih podataka jer daje prostor za detaljne upite i dodatno ispitivanje kako bi se dobile sveobuhvatne i edukativne informacije. Nivo pismenosti učesnika nije važan jer ankete licem u lice (F2F) pružaju mnoge mogućnosti za posmatranje i prikupljanje neverbalnih podataka ili za istraživanje komplikovanih i nerešenih tema. Iako bi to mogao biti skup i dugotrajan pristup, intervjui licem u lice često imaju veće stope odgovora.
- Kompjuterski potpomognuto lično intervjuisanje (CAPI): To nije ništa drugo do postavka koja se može uporediti sa intervjuom licem u lice u kojem anketar sa sobom ima desktop ili laptop za učitavanje podataka prikupljenih tokom intervjua direktno u bazu podataka. Zbog toga što anketar ne mora nositi tonu papirologije i upitnika, CAPI značajno smanjuje vrijeme potrebno za ažuriranje i analizu podataka.
3. Zapažanja
Kao što naziv implicira, to je prilično laka i nekomplicirana tehnika za prikupljanje kvantitativnih podataka.
U ovom pristupu, istraživači prikupljaju kvantitativne podatke metodičkim zapažanjima koristeći pristupe kao što je brojanje broja osoba prisutnih na datom događaju u određeno vrijeme i određenom mjestu ili broj pojedinaca koji prisustvuju događaju na određenom mjestu.
Istraživači često koriste strategiju naturalističkog posmatranja kako bi došli do kvantitativnih podataka, što zahtijeva odlične sposobnosti zapažanja i osjetila kako bi dobili podatke koji su kvantitativni samo o "šta", a ne i o "zašto" i "kako".
Prikupljanje i kvalitativnih i kvantitativnih podataka vrši se naturalističkim posmatranjem. Međutim, strukturirano posmatranje se uglavnom koristi za prikupljanje kvantitativnih nego kvalitativnih informacija.
- Strukturirano posmatranje: Za razliku od naturalističkog ili participativnog posmatranja, ovaj oblik metode posmatranja zahteva od istraživača da sprovede detaljna zapažanja jednog ili više određenih ponašanja u širem ili kontrolisanom kontekstu. U strukturiranom zapažanju, istraživači sužavaju svoju pažnju samo na nekoliko ključnih ponašanja od interesa, a ne na sve. Omogućava im da ponašanja koja vide u brojke. Ponekad se naziva “kodiranje” kada zapažanja pozivaju posmatrače da donesu sud. Da biste to učinili, skup ciljnih ponašanja mora biti precizno definiran.
4. Ankete
Online ankete napravljene pomoću softvera za anketiranje su ključne za prikupljanje podataka na mreži i za kvantitativna i za kvalitativna istraživanja. Ankete su kreirane na način koji potvrđuju radnje i povjerenje ispitanika.
Većina kvantitativnih istraživanja često uključuje kontrolne liste i stavke na skali za ocjenjivanje jer one olakšavaju mjerenje stavova i ponašanja ispitanika.
Dva važna stila anketiranja se koriste za prikupljanje informacija na mreži za kvantitativno istraživanje tržišta.
- Web-bazirano: Za internetsko ili online istraživanje, ovo je jedna od najpopularnijih i najpouzdanijih tehnika. Prilikom odgovaranja na web-baziranu anketu, ispitanik će dobiti e-mail sa vezom do ankete, koja će ga, kada klikne, dovesti do sigurne platforme za online anketiranje na kojoj mogu popuniti anketu. Istraživači preferiraju web-bazirane ankete jer su efikasnije u vremenu i novcu, brže i imaju veću publiku. Koristeći desktop, laptop, tablet ili mobilni uređaj, ispitanici su slobodni da popune anketu kad god im to odgovara i to je glavna prednost upitnika baziranog na webu.
- Na osnovu pošte: anketa se šalje velikom dijelu populacije uzorka putem pošte, omogućavajući istraživaču da dopre do različite publike. Poštanski upitnik obično dolazi u paketu s naslovnom stranom koja obavještava publiku o vrsti studije koja se radi i zašto, kao i unaprijed plaćenom povratu, za prikupljanje podataka na mreži. Čak i ako pošta ima veću stopu odljeva od drugih tehnika prikupljanja kvantitativnih podataka, uključujući poticaje i podsjetnike da se završi anketa, pomaže da se značajno smanji stopa odljeva.
5. Pregled dokumentacije
Nakon analize tekućih radova, pregled dokumenata je tehnika koja se koristi za prikupljanje podataka. Budući da su dokumenti podložni kontroli i praktičan resurs za dobijanje tačnih podataka iz prošlosti, to je efikasan i uspješan metod prikupljanja podataka.
Pregled dokumenata je postao jedna od korisnih tehnika za prikupljanje kvantitativnih istraživačkih podataka, uz podršku i podršku studiji nudeći dodatne istraživačke podatke.
U svrhu prikupljanja dopunskih kvantitativnih podataka istraživanja, ispituju se tri glavne kategorije dokumenata.
- Javne isprave: Službena, stalna evidencija organizacije se ispituje radi dodatne istrage kao dio pregleda ovog dokumenta. Na primjer, godišnji izvještaji, vodiči za politike, studentski događaji, aktivnosti na univerzitetskim igrama, itd.
- Lični zapisi: Ova vrsta analize dokumenata ispituje privatne izvještaje o ponašanju ljudi, ponašanju, zdravlju, tjelesnom stanju, itd. za razliku od javnih evidencija. Na primjer, veličina i težina učenika, vrijeme koje učenici trebaju putovati do škole, itd.
- Fizički dokaz: Fizički dokazi ili zapisi govore o prošlim uspjesima osobe ili organizacije u smislu novca i skalabilnog rasta.
Kvantitativni primjeri
Evo nekoliko primjera kvantitativnih podataka koji će vam pomoći da u potpunosti shvatite na što se to odnosi:
- Najnoviju mobilnu aplikaciju preuzela su 83 osobe.
- Prošle godine, moja tetka je smršala 18 funti.
- Cijena stavke X je 1,000 dolara.
- Događaju je prisustvovalo 500 učesnika.
- Ove godine ima deset praznika.
- U kvartalu sam šest puta nadogradio svoj telefon.
- Prošle godine, moj mali je porastao za 3 inča.
- Dodavanje novog proizvoda će rezultirati povećanjem prihoda od 30%.
- 54% Amerikanaca je reklo da bi radije kupovali preko interneta nego u tržnom centru.
- 150 ispitanika je reklo da ne misle da bi nova karakteristika proizvoda bila hit.
prednosti
- Sprovesti dubinsku studiju: Vrlo je vjerovatno da će istraživanje biti temeljno, budući da se kvantitativni podaci mogu statistički ispitati.
- Minimalna pristrasnost: Postoje slučajevi kada lična pristrasnost doprinosi istraživanju i uzrokuje netačne rezultate. Lična pristrasnost je znatno umanjena numeričkim aspektom kvantitativnih podataka.
- Rezultati koji su tačni: Kako su rezultati bili objektivne prirode, bili su prilično tačni.
nedostaci
- Ograničene informacije: Budući da kvantitativni podaci nisu deskriptivni, za istraživače je izazov da izvuku zaključke samo iz podataka koje su prikupili.
- Zavisi od tipa pitanja: Tip pitanja koji se koristi za prikupljanje kvantitativnih podataka utiče na pristrasnost u rezultatima. Prilikom prikupljanja kvantitativnih podataka, istraživačevo razumijevanje ciljeva i ciljeva istraživanja je ključno.
zaključak
Kvantitativni podaci se odnose na divergentno razmišljanje, a ne na konvergentno rezonovanje. Bavi se numeričkim, logičkim i objektivnim gledištem stavljajući naglasak na numeričke i konstantne činjenice.
Jedina vrsta podataka koja može biti sposobna da prikaže analitičke zaključke u grafikonima i grafikonima, kvantitativno istraživanje podataka je temeljito.
Analiza podataka je svakako ključni korak koji, ako nedostaje, ne samo da može ugroziti objektivnost i autentičnost vaše studije, već i učiniti zaključke nestabilnim. Dobri podaci će vam pomoći da postignete točne rezultate.
Stoga, bez obzira na tehniku koju koristite za prikupljanje kvantitativnih podataka, provjerite jesu li informacije dovoljno visokog kvaliteta da daju vrijedne i korisne uvide.
Ostavite odgovor