Indholdsfortegnelse[Skjule][At vise]
Vi er omgivet af data, som bliver mere og mere betydningsfulde hver dag. Flere og flere af vores interaktioner med miljøet bliver formet af forskellige former for data, herunder vores brug af internettet, bilkøb, nyhedsfeeds, som vi ser, og mange andre ting.
Vi vil definere kvantitative data i dette indlæg, give forekomster af kvantitative data, diskutere hvordan kvalitative og kvantitative data varierer og meget mere.
Men lad os først tage et skridt tilbage.
Hver dag produceres 2.5 kvintillion bytes data – inklusive testresultater, kundetilfredshedsscore og tweets. Men ikke alle data er skabt lige.
En meningsmåling, der beder dig rangere servicen, menuen, miljøet og priserne på en skala fra 1 til 10, producerer andre data end et interview, der beder dig om at beskrive din madoplevelse.
Det er afgørende for analytikere, der ofte arbejder med datasæt, at skelne mellem forskellige former for data og forstå, hvordan hver enkelt kan påvirke din undersøgelse.
Processen med at dykke ned i data begynder ofte med et specifikt spørgsmål, du forsøger at besvare, såsom:
- Hvilken indflydelse har demografi på forbrugeradfærd?
- Vil en bestemt målgruppe reagere positivt på en ændring i et produkt eller en tjeneste?
- Hvordan kan operationelle flaskehalse elimineres for at øge effektiviteten?
Du bliver nødt til at indsamle og evaluere kvantitative data, afhængigt af emnets art, dit budget, tid og tilgængelige ressourcer. Jeg tror du forstår, ikke?
Lad os komme i gang nu.
Hvad er kvantitative data?
Enhver indsamling af data, der kan identificeres og vurderes kvantitativt, betragtes som kvantitative data.
Den eneste slags data, der kan måles objektivt, er kvantitative data, hvilket gør dem til de mest relevante type data til brug i både matematik og statistik.
Det omtales som værdien af data, når det udtrykkes som tællinger eller tal, hvor hvert datasæt har en specifik numerisk værdi tildelt det.
Enhver målbar information, der kan bruges i statistiske beregninger og beregninger baseret på aritmetik, anses for at være denne type data, da den kan bruges til at understøtte domme i den virkelige verden.
Hvor mange, hvor ofte og hvor mange er nogle eksempler på forespørgsler, den kan besvare. Matematiske metoder kan bruges til nemt at verificere og vurdere disse data.
Kvantitative data som tid, højde, vægt, pris, omkostninger, fortjeneste, temperatur og afstand er, hvad en dataanalytiker typisk arbejder med.
Det kan udtrykkes som en procentdel, et tal, en sideindlæsningstid eller andre målinger inden for produktstyring, brugeroplevelsesdesign eller softwareudvikling.
Hvor mange personer, der har købt en bestemt vare, er et eksempel på kvantitative data i forbindelse med køb. Kvalitative data om biler kan omfatte mængden af hestekræfter, den besidder.
Hvilke typer kvantitative data er der?
Data, der kan kvantificeres, omtales som kvantitative data, men hvordan disse data kvantificeres varierer afhængigt af typen af dataindsamling på hånden. Kvantitative data kan opdeles i to grundlæggende grupper: diskrete og kontinuerlige. De vigtigste variationer mellem de to er som følger:
Diskrete data
Kvantitativ information, der er diskret, kan kun have et specifikt område af numeriske værdier. Disse værdier kan ikke dekomponeres, da de er faste.
Når noget tælles, indhentes diskrete data. En persons tre børn, for eksempel, ville være et eksempel på diskrete data.
Antallet af børn er fastsat; de kan fx ikke få 3.2 børn.
Antallet af besøgende på dit websted er et andet eksempel på diskrete numeriske data; du kan modtage 150 besøg på en dag, men ikke 150.6. De mest almindelige diagrammer, der bruges til at vise diskrete data, er cirkeldiagrammer, søjlediagrammer og optællingsdiagrammer.
Løbende data
Omvendt kan kontinuerlige data opdeles uendeligt i mindre komponenter. Længden af et stykke snor i centimeter eller temperaturen i grader Celsius er to eksempler på denne form for kvantitative data, der kan vises på en måleskala.
I det væsentlige er kontinuerlige data ikke begrænset til faste værdier; det kan tage enhver værdi. Kontinuerlige data kan også ændre sig over tid; f.eks. vil rummets temperatur ændre sig i løbet af dagen.
En linjegraf bruges typisk til at illustrere kontinuerlige data.
Kvantitative data vs kvalitative data
Vi kan se, at kvantitative data kan måles. Det omhandler beløb, værdier og tal. Denne type information kan angives numerisk (dvs. mængde, varighed, længde, pris eller størrelse).
Kvantitative data har mange troværdigheder og ses som værende upartiske og pålidelige, fordi de er produceret gennem statistik. Der er dog endnu en anden afgørende type data. Specifikt kvalitative data.
Disse oplysninger er primært beskrivende. I de fleste tilfælde kan det ikke måles direkte, men kan læres ved observation. Adjektiver og andre beskrivende termer bruges til at beskrive udseende, farve, tekstur og andre egenskaber i kvalitative data.
For eksempel kan du argumentere for, at det ene rum er lysere end det andet.
Den information er kvalitativ. For virkelig at måle lysstyrken i rummet og tildele det et numerisk tal, kan du også bruge videnskabeligt udstyr og apparater (såsom en lysmåler). Du opnår kvantificerbare data ved at gøre det.
5 bedste metoder til at indsamle kvantitative data
1. Sandsynlighedsprøvetagning
En præcis stikprøveteknik, der gør brug af en form for tilfældig udvælgelse og gør det muligt for forskere at fremsætte en sandsynlighedspåstand baseret på information indsamlet tilfældigt fra det tiltænkte publikum.
Sandsynlighedsprøvetagning giver forskere mulighed for at indsamle data fra personer, der er typiske for den gruppe, de er interesseret i at undersøge, hvilket er en af dens fineste egenskaber.
Derudover blev dataene trukket tilfældigt fra den valgte prøve, hvilket eliminerer chancen for prøveudtagningsbias.
For sandsynlighedsstikprøver er der tre hovedkategorier.
- Simpel tilfældig stikprøve: Den tilsigtede population udvælges oftere til at være repræsenteret i stikprøven.
- Systematisk tilfældig stikprøve: Ethvert medlem af den ønskede population vil være repræsenteret i stikprøven, men kun den første enhed er valgt tilfældigt; de øvrige enheder er valgt som om hver tiende person på listen.
- Stratificeret tilfældig stikprøve: Mens du opretter en prøve, gør det muligt at vælge hver enhed fra en specifik undergruppe af den tilsigtede målgruppe. Det er nyttigt, når forskerne er kræsne med at inkludere en bestemt gruppe mennesker i stikprøven, såsom bare ledere eller ledere, folk, der arbejder i en given branche, eller mænd eller kvinder.
2. Interviews
Personer bliver typisk interviewet som en del af en dataindsamlingsproces. De interviews, der udføres for at indsamle kvantitative data, er dog mere organiserede, hvor forskerne kun stiller de foreskrevne spørgsmål og intet andet.
Der er tre hovedkategorier af interviews, der bruges til at indsamle data.
- Telefoninterviews: Telefoninterviews dominerede diagrammet over dataindsamlingsteknikker i mange år. Men ved at bruge internettet, Skype eller andet online videokonference tjenester til at gennemføre videointerviews er steget markant i de seneste år.
- Personlige interviews: Direkte deltagerdataindsamling er en gennemprøvet metode til at indsamle information. Det hjælper med at indsamle data af høj kvalitet, da det giver plads til dybdegående forespørgsler og yderligere sondering for at få omfattende og pædagogisk information. Deltagerens læsefærdighedsniveau er uden betydning, da face-to-face (F2F) undersøgelser giver mange muligheder for at observere og indsamle non-verbale data eller for at undersøge komplicerede og uløste emner. Selvom det kan være en dyr og tidskrævende tilgang, har ansigt-til-ansigt interviews ofte større svarprocenter.
- Computer-Assisted Personal Interviewing (CAPI): Det er intet andet end en indstilling, der kan sammenlignes med et ansigt-til-ansigt interview, hvor intervieweren har en stationær eller bærbar computer med sig for at uploade de data, der er indsamlet under interviewet, direkte ind i databasen. På grund af at intervieweren ikke behøver at bære et væld af papirarbejde og spørgeskemaer, reducerer CAPI markant den tid, det tager at opdatere og analysere dataene.
3. Bemærkninger
Som navnet antyder, er det en ret nem og ukompliceret teknik til at indsamle kvantitative data.
I denne tilgang indsamler forskere kvantitative data ved hjælp af metodiske observationer ved hjælp af tilgange som at tælle antallet af personer til stede ved en given begivenhed på et bestemt tidspunkt og et bestemt sted eller antallet af personer, der deltager i begivenheden på et defineret sted.
Forskerne bruger ofte en naturalistisk observationsstrategi til at erhverve kvantitative data, som kræver fremragende observationsevner og sanser for at få data, der er kvantitative kun om "hvad" og ikke også om "hvorfor" og "hvordan."
Indsamlingen af både kvalitative og kvantitative data sker gennem naturalistisk observation. Struktureret observation bruges dog mest til at indsamle kvantitativ information frem for kvalitativ information.
- Struktureret observation: I modsætning til naturalistisk eller deltagende observation kræver denne form for observationsmetode, at forskeren udfører grundige observationer af en eller flere specificerede adfærdsmønstre i en mere omfattende eller kontrolleret kontekst. I en struktureret observation indskrænker forskerne deres opmærksomhed til kun nogle få nøgleadfærd af interesse i stedet for at se alt. Det gør dem i stand til at sætte den adfærd, de ser, i tal. Det omtales nogle gange som "kodning", når observationerne opfordrer observatørerne til at foretage en dom. For at gøre dette skal et sæt måladfærd defineres præcist.
4. Undersøgelser
Online undersøgelser lavet med undersøgelsessoftware er afgørende for at indsamle data online til både kvantitativ og kvalitativ forskning. Undersøgelserne er lavet på en måde, der validerer respondenternes handlinger og tillid.
Størstedelen af kvantitative undersøgelser inkluderer ofte tjeklister og punkter i vurderingsskalaen, fordi de gør det lettere at måle respondenternes holdninger og adfærd.
To vigtige undersøgelsesstile bruges til at indsamle information online til kvantitativ markedsundersøgelse.
- Web-baseret: Til internetbaseret eller online forskning er dette en af de mest populære og pålidelige teknikker. Når respondenten besvarer en webbaseret undersøgelse, vil respondenten modtage en e-mail med et link til undersøgelsen, som, når der klikkes på det, fører dem til en sikker online undersøgelsesplatform, hvor de kan gennemføre undersøgelsen. Forskere foretrækker webbaserede undersøgelser, fordi de er mere tids- og pengeeffektive, hurtigere og har et større publikum. Ved at bruge en stationær, bærbar computer, tablet eller mobilenhed kan respondenterne frit udfylde undersøgelsen, når det passer dem, og dette er den største fordel ved et webbaseret spørgeskema.
- Mail-baseret: Undersøgelsen sendes til en stor del af prøvepopulationen via mail, hvilket giver forskeren mulighed for at nå ud til en række forskellige målgrupper. Det postale spørgeskema kommer normalt i en pakke med en forside, der informerer publikum om den type undersøgelse, der udføres, og hvorfor, samt en forudbetalt retur, for at indsamle data online. Selv hvis posten har en større churn rate end andre kvantitative dataindsamlingsteknikker, herunder incitamenter og påmindelser om at afslutte undersøgelsen, hjælper det med at sænke churn raten markant.
5. Dokumentationsgennemgang
Efter at have analyseret de aktuelle papirer er dokumentgennemgang en teknik, der bruges til at indsamle data. Fordi dokumenter er kontrollerbare og den praktiske ressource til at opnå nøjagtige data fra fortiden, er det en effektiv og vellykket metode til dataindsamling.
Dokumentgennemgang er blevet en af de nyttige teknikker til at indsamle kvantitative forskningsdata, ud over at styrke og understøtte undersøgelsen ved at tilbyde supplerende forskningsdata.
Med henblik på indsamling af supplerende kvantitative forskningsdata undersøges tre hoveddokumentkategorier.
- Offentlige dokumenter: En organisations officielle, løbende optegnelser undersøges med henblik på yderligere undersøgelse som en del af denne dokumentgennemgang. For eksempel årsrapporter, politiske vejledninger, studenterarrangementer, universitetsspilaktiviteter osv.
- Personlige optegnelser: Denne form for dokumentanalyse undersøger private rapporter om folks adfærd, adfærd, helbred, fysik osv. i modsætning til offentlige optegnelser. For eksempel elevernes størrelse og vægt, den rejsetid eleverne tager for at gå i skole osv.
- Fysisk bevis: Fysiske beviser eller optegnelser taler om en persons eller en organisations tidligere succeser i form af penge og skalerbar vækst.
Kvantitative eksempler
Her er et par eksempler på kvantitative data for at hjælpe dig med fuldt ud at forstå, hvad dette refererer til:
- Den nyeste mobilapplikation er blevet downloadet af 83 personer.
- Sidste år tabte min tante 18 kilo.
- Prisen på vare X er $1,000.
- Arrangementet blev overværet af 500 deltagere.
- I år har hun ti ferier.
- På et kvarter opgraderede jeg min telefon seks gange.
- Sidste år voksede min unge med 3 tommer.
- Tilføjelsen af et nyt produkt vil resultere i en stigning i omsætningen på 30%.
- 54 % af amerikanerne sagde, at de hellere ville købe online end i et indkøbscenter.
- 150 respondenter sagde, at de ikke tror, at den nye produktfunktion ville være et hit.
Fordele
- Udfør dybdegående undersøgelse: Det er meget sandsynligt, at forskningen vil være grundig, da kvantitative data kan undersøges statistisk.
- Minimum bias: Der er tidspunkter, hvor personlig bias bidrager til forskning og forårsager unøjagtige resultater. Personlig skævhed formindskes meget af det numeriske aspekt af kvantitative data.
- Resultater, der er nøjagtige: Da resultaterne var objektive, var de ret nøjagtige.
Ulemper
- Begrænset information: Da kvantitative data ikke er beskrivende, er det en udfordring for forskere kun at drage konklusioner ud fra de data, de har indsamlet.
- Afhænger af spørgsmålstypen: Spørgsmålstypen, der bruges til at indsamle kvantitative data, påvirker bias i resultaterne. Ved indsamling af kvantitative data er forskerens forståelse af forskningens mål og mål afgørende.
Konklusion
Kvantitative data handler om divergerende tænkning, ikke konvergent ræsonnement. Den beskæftiger sig med det numeriske, logiske og objektive synspunkt ved at lægge vægt på numeriske og konstante fakta.
Den eneste datatype, der kan være i stand til at vise analytiske konklusioner i diagrammer og grafer, er kvantitativ dataforskning grundig.
Dataanalyse er bestemt et afgørende skridt, der, hvis det mangler, ikke kun kan kompromittere objektiviteten og ægtheden af din undersøgelse, men også gøre konklusionerne ustabile. Gode data vil hjælpe dig med at producere nøjagtige resultater.
Derfor, uanset hvilken teknik, du bruger til at indsamle kvantitative data, sørg for at informationen er af høj nok kvalitet til at give værdifuld og brugbar indsigt.
Giv en kommentar