Obsah[Skrýt][Ukázat]
Jsme obklopeni daty, která jsou každým dnem stále významnější. Stále více našich interakcí s prostředím je utvářeno různými formami dat, včetně našeho používání internetu, nákupů automobilů, zpravodajských kanálů, které si prohlížíme, a mnoha dalších věcí.
V tomto příspěvku definujeme kvantitativní data, uvedeme příklady kvantitativních dat, prodiskutujeme, jak se kvalitativní a kvantitativní data liší, a mnoho dalšího.
Nejprve se ale vraťme o krok zpět.
Každý den se vytvoří 2.5 kvintilionů bajtů dat – včetně výsledků testů, skóre spokojenosti zákazníků a tweetů. Ale ne každý kus dat je vytvořen stejně.
Průzkum, který vás žádá o hodnocení služby, menu, prostředí a cen na stupnici od 1 do 10, poskytuje jiná data než rozhovor, který vás žádá, abyste popsali svůj jídelní zážitek.
Pro analytiky, kteří často pracují s datovými sadami, je klíčové rozlišovat mezi různými formami dat a pochopit, jak by každá mohla ovlivnit vaši studii.
Proces ponoření se do dat často začíná konkrétní otázkou, na kterou se pokoušíte odpovědět, například:
- Jaký vliv má demografie na chování spotřebitelů?
- Bude konkrétní publikum reagovat příznivě na úpravu produktu nebo služby?
- Jak lze odstranit provozní úzká místa pro zvýšení efektivity?
Budete muset shromáždit a vyhodnotit kvantitativní data v závislosti na povaze předmětu, vašem rozpočtu, času a dostupných zdrojích. Myslím, že rozumíte, že?
Začněme hned.
Co jsou kvantitativní data?
Jakýkoli soubor dat, který lze kvantitativně identifikovat a vyhodnotit, je považován za kvantitativní data.
Jediným typem dat, které lze objektivně měřit, jsou kvantitativní data, což je činí nejvíce relevantními typ dat pro použití v matematice i statistice.
Označuje se jako hodnota dat, když je vyjádřena jako počty nebo čísla, přičemž každá datová sada má přiřazenou specifickou číselnou hodnotu.
Za tento typ dat se považuje jakákoliv měřitelná informace, kterou lze využít ve statistických výpočtech a výpočtech založených na aritmetice, protože je lze použít k podpoře úsudků v reálném světě.
Kolik, jak často a kolik je několik příkladů dotazů, které dokáže zodpovědět. Pro snadné ověření a posouzení těchto údajů lze použít matematické metody.
Kvantitativní data jako čas, výška, hmotnost, cena, náklady, zisk, teplota a vzdálenost jsou to, s čím datový analytik obvykle pracuje.
Může být vyjádřen jako procento, číslo, doba načítání stránky nebo jiné metriky v oblasti produktového managementu, designu uživatelského dojmu nebo softwarového inženýrství.
Počet lidí, kteří si koupili určitou položku, je příkladem kvantitativních údajů v souvislosti s nákupem. Kvalitativní údaje o autech by mohly zahrnovat množství koňských sil, které má.
Jaké jsou typy kvantitativních dat?
Údaje, které lze kvantifikovat, se označují jako kvantitativní údaje, avšak způsob jejich kvantifikace se liší v závislosti na druhu shromažďování údajů. Kvantitativní data lze rozdělit do dvou základních skupin: diskrétní a spojitá. Hlavní rozdíly mezi těmito dvěma jsou následující:
Diskrétní data
Kvantitativní informace, které jsou diskrétní, mohou mít pouze určitý rozsah číselných hodnot. Tyto hodnoty nelze rozložit, protože jsou pevně dané.
Kdykoli se něco počítá, získávají se diskrétní data. Příkladem diskrétních dat by byly například tři děti osoby.
Počet dětí je stanoven; nemohou mít např. 3.2 dítěte.
Počet návštěvníků vašeho webu je dalším příkladem diskrétních číselných údajů; můžete obdržet 150 návštěv za den, ale ne 150.6. Nejběžnějšími grafy používanými k zobrazení diskrétních dat jsou výsečové grafy, sloupcové grafy a sčítací grafy.
Průběžná data
Inverzně lze spojitá data neomezeně dělit na menší složky. Délka provázku v centimetrech nebo teplota ve stupních Celsia jsou dva příklady tohoto druhu kvantitativních údajů, které lze zobrazit na měřicí stupnici.
V zásadě nejsou spojitá data omezena na pevné hodnoty; může mít jakoukoli hodnotu. Průběžná data se také mohou v průběhu času měnit; například teplota v místnosti se bude během dne měnit.
Pro ilustraci spojitých dat se obvykle používá spojnicový graf.
Kvantitativní data vs kvalitativní data
Vidíme, že kvantitativní data lze měřit. Zabývá se částkami, hodnotami a čísly. Tento typ informací může být uveden číselně (tj. množství, doba trvání, délka, cena nebo velikost).
Kvantitativní údaje mají mnoho důvěryhodnosti a jsou považovány za nezaujaté a spolehlivé, protože jsou vytvářeny prostřednictvím statistik. Existuje však ještě jeden zásadní typ dat. Konkrétně kvalitativní data.
Tyto informace mají především popisný charakter. Ve většině případů to nelze přímo měřit, ale lze se naučit pozorováním. K popisu vzhledu, barvy, textury a dalších vlastností v kvalitativních datech se používají přídavná jména a další popisné termíny.
Můžete například namítnout, že jedna místnost je světlejší než druhá.
Tyto informace jsou kvalitativní. Chcete-li skutečně změřit jas v místnosti a přiřadit mu číselné číslo, můžete také použít vědecké zařízení a přístroje (např. expozimetr). Získáte tím kvantifikovatelná data.
5 nejlepších metod pro sběr kvantitativních dat
1. Pravděpodobnostní vzorkování
Přesná technika odběru vzorků, která využívá určitý druh náhodného výběru a umožňuje výzkumníkům učinit tvrzení o pravděpodobnosti na základě informací náhodně shromážděných od zamýšleného publika.
Pravděpodobnostní vzorkování nabízí výzkumníkům příležitost sbírat data od jednotlivců, kteří jsou typičtí pro skupinu, kterou mají zájem zkoumat, což je jedna z jeho nejlepších vlastností.
Data byla navíc čerpána náhodně z vybraného vzorku, což eliminuje možnost zkreslení vzorku.
U pravděpodobnostního vzorkování existují tři hlavní kategorie.
- Jednoduchý náhodný výběr: Zamýšlená populace je častěji vybírána, aby byla zastoupena ve vzorku.
- Systematický náhodný výběr: Ve vzorku by byl zastoupen jakýkoli člen požadované populace, ale náhodně je vybrána pouze první jednotka; ostatní jednotky jsou vybrány jako jedna z deseti osob na seznamu.
- Stratifikovaný náhodný výběr: Při vytváření vzorku umožňuje výběr každé jednotky ze specifické podmnožiny zamýšleného publika. Je užitečné, když jsou výzkumníci vybíraví, pokud jde o zahrnutí určité skupiny lidí do vzorku, jako jsou pouze manažeři nebo vedoucí pracovníci, lidé pracující v daném odvětví nebo muži či ženy.
2. Rozhovory
Lidé jsou obvykle dotazováni v rámci procesu shromažďování dat. Rozhovory, které se provádějí za účelem shromažďování kvantitativních dat, jsou však organizovanější, přičemž výzkumníci kladou pouze předepsanou sadu otázek a nic jiného.
Ke sběru dat se používají tři hlavní kategorie rozhovorů.
- Telefonické rozhovory: Telefonické rozhovory dominovaly tabulkám technik sběru dat po mnoho let. Ale pomocí internetu, Skype nebo jiného online video konference služby pro vedení videorozhovorů se v posledních letech výrazně zvýšily.
- Osobní rozhovory: Přímý sběr dat o účastnících je vyzkoušenou a osvědčenou metodou shromažďování informací. Pomáhá při shromažďování vysoce kvalitních dat, protože poskytuje prostor pro hloubkové dotazy a další sondování za účelem získání komplexních a vzdělávacích informací. Úroveň gramotnosti účastníků není důležitá, protože osobní průzkumy (F2F) poskytují mnoho možností, jak pozorovat a shromažďovat neverbální data nebo zkoumat komplikovaná a nevyřešená témata. Ačkoli to může být nákladný a časově náročný přístup, osobní rozhovory mají často vyšší míru odezvy.
- Osobní pohovor za pomoci počítače (CAPI): Není to nic jiného než nastavení, které je srovnatelné s osobním pohovorem, kdy má tazatel u sebe stolní počítač nebo notebook, aby nahrál data shromážděná během pohovoru přímo do databáze. Vzhledem k tomu, že tazatel nemusí nosit tuny papírování a dotazníků, CAPI výrazně zkracuje čas potřebný k aktualizaci a analýze dat.
3. Pozorování
Jak název napovídá, jedná se o poměrně snadnou a nekomplikovanou techniku pro sběr kvantitativních dat.
V tomto přístupu výzkumníci shromažďují kvantitativní data metodickým pozorováním s využitím přístupů, jako je počítání počtu osob přítomných na dané akci v určitou dobu a na konkrétním místě nebo počtu jednotlivců účastnících se akce na definovaném místě.
Výzkumníci často používají naturalistickou pozorovací strategii k získávání kvantitativních dat, která vyžaduje vynikající pozorovací schopnosti a smysly, aby získali data, která jsou kvantitativní pouze o „co“ a ne také o „proč“ a „jak“.
Sběr kvalitativních i kvantitativních dat se provádí naturalistickým pozorováním. Strukturované pozorování se však většinou používá ke sběru kvantitativních informací spíše než kvalitativních informací.
- Strukturované pozorování: Na rozdíl od naturalistického nebo zúčastněného pozorování tato forma pozorovací metody vyžaduje, aby výzkumník prováděl důkladné pozorování jednoho nebo více specifikovaných chování v rozsáhlejším nebo kontrolovaném kontextu. Ve strukturovaném pozorování vědci zúžili svou pozornost pouze na několik klíčových chování, které je zajímají, místo aby sledovali vše. Umožňuje jim to vyjádřit chování, které vidí, do čísel. Někdy se nazývá „kódování“, když pozorování vyžadují, aby pozorovatelé učinili úsudek. K tomu musí být přesně definován soubor cílového chování.
4. Průzkumy
Online průzkumy provedené pomocí softwaru pro průzkumy jsou nezbytné pro online sběr dat pro kvantitativní i kvalitativní výzkum. Průzkumy jsou vytvářeny způsobem, který ověřuje akce a důvěru respondentů.
Většina kvantitativních průzkumů často obsahuje kontrolní seznamy a položky hodnotící škály, protože usnadňují měření postojů a chování respondentů.
Ke shromažďování informací online pro kvantitativní průzkum trhu se používají dva důležité styly průzkumu.
- Webové: Pro internetový nebo online výzkum je to jedna z nejoblíbenějších a nejspolehlivějších technik. Při odpovědi na webový průzkum obdrží respondent e-mail s odkazem na průzkum, na který se po kliknutí dostane na zabezpečenou online platformu průzkumu, kde může průzkum vyplnit. Výzkumníci upřednostňují webové průzkumy, protože jsou časově a finančně efektivnější, rychlejší a mají větší publikum. Pomocí stolního počítače, notebooku, tabletu nebo mobilního zařízení mohou respondenti dotazník vyplnit, kdykoli se jim to hodí, a to je hlavní výhoda webového dotazníku.
- Pošta: Průzkum je zasílán velké části populace vzorku poštou, což výzkumníkovi umožňuje oslovit různé cílové skupiny. Poštovní dotazník obvykle přichází v balíčku s titulní stránkou, která informuje publikum o druhu prováděné studie a proč, stejně jako o předplacené návratnosti, shromažďovat data online. I když má pošta vyšší míru odchodu než jiné techniky shromažďování kvantitativních dat, včetně pobídek a připomínek k dokončení průzkumu pomáhá výrazně snížit míru odchodu.
5. Kontrola dokumentace
Po analýze aktuálních dokumentů je revize dokumentů technika používaná ke sběru dat. Vzhledem k tomu, že dokumenty jsou kontrolovatelné a jsou praktickým zdrojem pro získání přesných dat z minulosti, jedná se o efektivní a úspěšnou metodu sběru dat.
Kontrola dokumentů se stala jednou z užitečných technik pro shromažďování kvantitativních výzkumných dat, navíc k posílení a podpoře studie nabídkou doplňkových výzkumných dat.
Pro účely shromažďování doplňkových kvantitativních výzkumných dat se zkoumají tři hlavní kategorie dokumentů.
- Veřejné dokumenty: Oficiální průběžné záznamy organizace jsou zkoumány za účelem dalšího šetření jako součást tohoto přezkoumání dokumentu. Například výroční zprávy, průvodce zásadami, studentské akce, univerzitní herní aktivity atd.
- Osobní záznamy: Tento druh analýzy dokumentů zkoumá soukromé zprávy o chování lidí, jejich chování, zdraví, tělesné postavě atd. na rozdíl od veřejných záznamů. Například velikost a váha žáků, doba cesty studentů do školy atd.
- Fyzický důkaz: Fyzický důkaz nebo záznamy hovoří o minulých úspěších osoby nebo organizace z hlediska peněz a škálovatelného růstu.
Kvantitativní příklady
Zde je několik příkladů kvantitativních údajů, které vám pomohou plně pochopit, co to znamená:
- Nejnovější mobilní aplikaci si stáhlo 83 jednotlivců.
- Minulý rok moje teta shodila 18 kilo.
- Cena položky X je 1,000 XNUMX $.
- Akce se zúčastnilo 500 účastníků.
- Letos má deset prázdnin.
- Za čtvrtletí jsem upgradoval telefon šestkrát.
- Loni moje mládě vyrostlo o 3 palce.
- Přidání nového produktu povede k 30% nárůstu příjmů.
- 54 % Američanů uvedlo, že by raději nakupovali online než v nákupním centru.
- 150 respondentů uvedlo, že si nemyslí, že by nová funkce produktu byla hitem.
Výhody
- Proveďte hloubkovou studii: Je velmi pravděpodobné, že výzkum bude důkladný, protože kvantitativní data lze statisticky zkoumat.
- Minimální zaujatost: Jsou chvíle, kdy osobní zaujatost přispívá k výzkumu a způsobuje nepřesné výsledky. Osobní zaujatost je výrazně snížena numerickým aspektem kvantitativních dat.
- Výsledky, které jsou přesné: Vzhledem k tomu, že výsledky byly objektivní povahy, byly docela přesné.
Nevýhody
- Omezené informace: Vzhledem k tomu, že kvantitativní údaje nejsou popisné, je pro výzkumníky náročné vyvozovat závěry pouze z údajů, které shromáždili.
- Závisí na typu otázky: Typ otázky použitý ke shromažďování kvantitativních dat ovlivňuje zkreslení výsledků. Při shromažďování kvantitativních dat je zásadní, aby výzkumník porozuměl cílům a záměrům výzkumu.
Proč investovat do čističky vzduchu?
Kvantitativní data se týkají divergentního myšlení, nikoli konvergentního uvažování. Zabývá se numerickým, logickým a objektivním hlediskem s důrazem na numerická a konstantní fakta.
Jediný druh dat, který může být schopen zobrazit analytické závěry v tabulkách a grafech, je kvantitativní výzkum dat důkladný.
Analýza dat je jistě zásadním krokem, který, pokud chybí, může nejen ohrozit objektivitu a autenticitu vaší studie, ale také způsobit nestabilitu závěrů. Dobrá data vám pomohou získat přesné výsledky.
Proto bez ohledu na techniku, kterou ke shromažďování kvantitativních dat používáte, zajistěte, aby informace byly dostatečně kvalitní, aby poskytovaly cenné a užitečné poznatky.
Napsat komentář