Enhavtabelo[Kaŝi][Montri]
Ni estas ĉirkaŭitaj de datumoj, kiuj ĉiutage pli kaj pli gravas. Pli kaj pli da niaj interagoj kun la medio estas formitaj per diversaj formoj de datumoj, inkluzive de nia uzo de la interreto, aŭtomobilaj aĉetoj, novaĵoj kiujn ni rigardas, kaj multaj aliaj aferoj.
Ni difinos kvantajn datumojn en ĉi tiu afiŝo, donos ekzemplojn de kvantaj datumoj, diskutos kiel kvalitaj kaj kvantaj datumoj varias, kaj multe pli.
Sed ni unue faru paŝon malantaŭen.
Ĉiutage, 2.5 kvinilionoj da bajtoj da datumoj—inkluzive de testrezultoj, klientkontento-poentaroj kaj tweets—estas produktitaj. Sed ne ĉiu datumo estas kreita egala.
Enketo petante vin rangigi la servon, menuon, medion kaj prezon sur skalo de 1 ĝis 10 produktas malsamajn datumojn ol intervjuo petante vin priskribi vian manĝan sperton.
Estas grave por analizistoj, kiuj ofte laboras kun datumaj aroj, distingi inter malsamaj formoj de datumoj kaj kompreni kiel ĉiu povus influi vian studon.
La procezo de enprofundiĝo en datumoj ofte komenciĝas per specifa demando, kiun vi provas respondi, kiel ekzemple:
- Kian efikon havas demografio sur konsumanta konduto?
- Ĉu aparta spektantaro respondos favore al modifo en produkto aŭ servo?
- Kiel operaciaj proplempunktoj povas esti eliminitaj por pliigi efikecon?
Vi devos kolekti kaj taksi kvantajn datumojn, depende de la naturo de la temo, via buĝeto, tempo kaj alireblaj rimedoj. Mi pensas, ke vi komprenas, ĉu ne?
Ni komencu nun.
Kio estas Kvantaj Datumoj?
Ĉiu kolekto de datumoj kiuj povas esti identigitaj kaj taksitaj kvante estas konsideritaj kvantaj datenoj.
La nura speco de datumoj, kiuj povas esti mezuritaj objektive, estas kvantaj datumoj, igante ĝin la plej trafa speco de datumoj por uzo en kaj matematiko kaj statistiko.
Ĝi estas referita kiel la valoro de datenoj kiam ĝi estas esprimita kiel kalkuloj aŭ nombroj, kie ĉiu datumaro havas specifan nombran valoron asignitan al ĝi.
Ajna mezurebla informo kiu povas esti utiligita en statistikaj kalkuloj kaj kalkuloj bazitaj sur aritmetiko estas konsiderita kiel ĉi tiu speco de datenoj ĉar ĝi povas esti uzita por apogi juĝojn en la reala mondo.
Kiom da, kiom ofte kaj kiom da ekzemploj de demandoj ĝi povas respondi. Matematikaj metodoj povas esti uzataj por facile kontroli kaj taksi ĉi tiujn datumojn.
Kvantaj datumoj kiel tempo, alteco, pezo, prezo, kosto, profito, temperaturo kaj distanco estas kun kio datum-analizisto kutime laboras.
Ĝi povas esti esprimita kiel procento, nombro, paĝa ŝarĝotempo, aŭ aliaj metrikoj en la kampoj de produkta administrado, uzanta sperto-dezajno aŭ programaro-inĝenierado.
Kiom da homoj aĉetis certan objekton estas ekzemplo de kvantaj datumoj en la kunteksto de aĉetado. Kvalitaj datumoj pri aŭtoj povus inkluzivi la kvanton da ĉevalforto kiun ĝi posedas.
Kiuj estas la tipoj de Kvantaj Datumoj?
Datenoj kiuj povas esti kvantigitaj estas referitaj kiel kvantaj datenoj, aliflanke, kiel tiuj datenoj estas kvantigitaj varias dependi de la speco de datumkolekto ĉe mano. Kvantaj datumoj povas esti dividitaj en du bazajn grupojn: diskretaj kaj kontinuaj. La ĉefaj varioj inter la du estas kiel sekvas:
Diskretaj Datumoj
Kvantaj informoj kiuj estas diskretaj povas nur havi specifan gamon da nombraj valoroj. Ĉi tiuj valoroj ne povas esti malkomponitaj ĉar ili estas fiksitaj.
Kiam ajn io ajn estas nombrita, diskretaj datenoj estas akiritaj. La tri infanoj de homo, ekzemple, estus ekzemplo de diskretaj datumoj.
La nombro de infanoj estas fiksita; ili ne povas, ekzemple, havi 3.2 infanojn.
La kvanto de vizitantoj al via retejo estas alia ekzemplo de diskretaj nombraj datumoj; vi povas ricevi 150 vizitojn en tago, sed ne 150.6. La plej oftaj diagramoj uzataj por montri diskretajn datumojn estas kuk-diagramoj, stango-diagramoj kaj kalkul-diagramoj.
Daŭraj Datumoj
Inverse, kontinuaj datenoj povas esti senfine dividitaj en pli malgrandajn komponentojn. La longo de peco de ŝnuro en centimetroj aŭ la temperaturo en celsiaj gradoj estas du ekzemploj de ĉi tiu speco de kvantaj datumoj kiuj povas esti montritaj sur mezurskalo.
En esenco, kontinuaj datumoj ne estas limigitaj al fiksaj valoroj; ĝi povas preni ajnan valoron. Daŭraj datumoj ankaŭ povas ŝanĝiĝi laŭlonge de la tempo; ekzemple, la temperaturo de la ĉambro ŝanĝiĝos dum la tago.
Linia grafiko estas kutime uzata por ilustri kontinuajn datumojn.
Kvantaj Datumoj Vs Kvalitaj Datumoj
Ni povas vidi ke kvantaj datumoj povas esti mezuritaj. Ĝi traktas kvantojn, valorojn kaj nombrojn. Ĉi tiu tipo de informoj povas esti deklaritaj cifere (t.e., kvanto, daŭro, longeco, prezo aŭ grandeco).
Kvantaj datumoj havas multajn kredindecojn kaj estas rigardataj kiel nepartiaj kaj fidindaj ĉar ĝi estas produktita per statistiko. Tamen, ekzistas ankoraŭ alia decida tipo de datumoj. Specife, kvalitaj datumoj.
Ĉi tiu informo estas ĉefe priskriba en naturo. Plejofte, ĝi ne povas esti rekte mezurita sed povas esti lernita per observado. Adjektivoj kaj aliaj priskribaj esprimoj estas uzitaj por priskribi la aspekton, koloron, teksturon kaj aliajn trajtojn en kvalitaj datenoj.
Ekzemple, vi povus argumenti, ke unu ĉambro estas pli hela ol la alia.
Tiu informo estas kvalita. Por vere mezuri la helecon en la ĉambro kaj atribui al ĝi nombran nombron, vi ankaŭ povas uzi sciencajn ekipaĵojn kaj aparatojn (kiel lummezurilon). Vi akiras kalkuleblajn datumojn per tio.
5 Plej bonaj Metodoj por kolekti Kvantajn Datumojn
1. Probabla Specimeno
Preciza specimena tekniko, kiu uzas ian hazardan elekton kaj ebligas al esploristoj fari probablan aserton bazitan sur informoj hazarde kolektitaj de la celita spektantaro.
Probabla specimenigo ofertas al esploristoj la ŝancon kolekti datumojn de individuoj, kiuj estas tipaj de la grupo, kiun ili interesiĝas pri esploro, kio estas unu el ĝiaj plej bonaj trajtoj.
Aldone, la datumoj estis desegnitaj hazarde de la elektita specimeno, kio forigas la ŝancon de specimena biaso.
Por probabla specimenigo, ekzistas tri ĉefaj kategorioj.
- Simpla hazarda specimenigo: La celita populacio estas pli ofte elektita por esti reprezentita en la provaĵo.
- Sistema hazarda specimenigo: Ĉiu membro de la dezirata populacio estus reprezentita en la provaĵo, sed nur la unua unuo estas elektita hazarde; la aliaj unuoj estas elektitaj kvazaŭ unu el dek personoj en la listo.
- Tavoligita hazarda specimenigo: Dum kreado de specimeno, permesas elekti ĉiun unuon el specifa subaro de la celita publiko. Ĝi estas helpema kiam la esploristoj estas elekteblaj pri inkludo de certa grupo de homoj en la specimeno, kiel nur administrantoj aŭ oficuloj, homoj laborantaj en difinita industrio, aŭ viroj aŭ inoj.
2. Intervjuoj
Homoj estas tipe intervjuitaj kiel parto de datumkolekta procezo. La intervjuoj, kiuj estas faritaj por kolekti kvantajn datumojn, estas pli organizitaj, kun la esploristoj demandas nur la preskribitan aron de demandoj kaj nenio alia.
Estas tri ĉefaj kategorioj de intervjuoj uzataj por kolekti datumojn.
- Telefonaj intervjuoj: Telefonaj intervjuoj dominis la furorlistojn de datumaj kolektaj teknikoj dum multaj jaroj. Sed utiligante la interreton, Skajpon aŭ aliajn rete videokonferenco servoj por fari videointervjuojn signife pliiĝis en la lastaj jaroj.
- Enpersonaj intervjuoj: Rekta partoprenanto-kolektado de datumoj estas provita kaj vera metodo por kolekti informojn. Ĝi helpas kolekti altkvalitajn datumojn ĉar ĝi donas lokon por profundaj enketoj kaj plia sondado por akiri ampleksajn kaj edukajn informojn. La nivelo de alfabeteco de la partoprenanto estas negrava ĉar vizaĝ-al-vizaĝaj (F2F) enketoj disponigas multajn eblecojn por observi kaj kolekti nevortajn datumojn aŭ por esplori komplikajn kaj nesolvitajn temojn. Kvankam ĝi povus esti multekosta kaj tempopostula aliro, vizaĝ-al-vizaĝaj intervjuoj ofte havas pli grandajn respondajn indicojn.
- Komputil-Asistita Persona Intervjuado (CAPI): Ĝi estas nenio pli ol agordo kiu estas komparebla al vizaĝ-al-vizaĝa intervjuo kie la intervjuanto havas labortablon aŭ tekkomputilon kun li por alŝuti la datumojn kolektitajn dum la intervjuo rekte en la datumbazon. Pro la intervjuanto ne devi porti multon da paperaĵoj kaj demandaroj, CAPI signife reduktas la tempon necesan por ĝisdatigi kaj analizi la datumojn.
3. Observoj
Kiel la nomo implicas, ĝi estas sufiĉe facila kaj nekomplika tekniko por kolekti kvantajn datumojn.
En tiu aliro, esploristoj kolektas kvantajn datenojn per metodaj observaĵoj utiligantaj alirojn kiel ekzemple nombrado de la nombro da personoj ĉeestantaj ĉe antaŭfiksita okazaĵo en certa tempo kaj specifa ejo aŭ la nombro da individuoj partoprenantaj la okazaĵon en difinita loko.
La esploristoj ofte uzas naturalisman observstrategion por akiri kvantajn datumojn, kiuj postulas bonegajn observajn kapablojn kaj sentojn por akiri datumojn kvantajn nur pri la "kio" kaj ne ankaŭ pri la "kial" kaj "kiel".
La kolekto de kaj kvalitaj kaj kvantaj datenoj estas farita per naturalisma observado. Strukturita observado estas plejparte utiligita por kolekti kvantajn informojn prefere ol kvalitajn informojn, tamen.
- Strukturita observado: Kontraste al naturalisma aŭ partoprenanta observado, tiu formo de observa metodo postulas la esploriston fari ĝisfundajn observaĵojn de unu aŭ pluraj precizigitaj kondutoj en pli ampleksa aŭ kontrolita kunteksto. En strukturita observado, la esploristoj malvastigas sian atenton al nur kelkaj ŝlosilaj kondutoj de intereso prefere ol rigardi ĉion. Ĝi ebligas ilin meti la kondutojn kiujn ili vidas en nombrojn. Ĝi foje estas referita kiel "kodigo" kiam la observaĵoj postulas ke la observantoj faru juĝon. Por fari tion, aro de celkondutoj devas esti precize difinita.
4. Enketoj
Interretaj enketoj faritaj per enketprogramaro estas esencaj por kolekti datumojn interrete por kaj kvanta kaj kvalita esplorado. La enketoj estas kreitaj en maniero kiel kiu validigas la agojn kaj fidon de la respondantoj.
La plimulto de kvantaj enketoj ofte inkluzivas kontrolajn listojn kaj taksajn skalobjektojn ĉar ili faciligas mezuri la sintenojn kaj kondutojn de respondantoj.
Du gravaj enketstiloj estas uzataj por kolekti informojn interrete por kvanta merkata esploro.
- Rete-bazita: Por interreta aŭ interreta esplorado, ĉi tiu estas unu el la plej popularaj kaj fidindaj teknikoj. Respondante al ret-bazita enketo, la respondanto ricevos retpoŝton kun ligilo al la enketo, kiu alklakitaj kondukos ilin al sekura interreta enketa platformo kie ili povas plenumi la enketon. Esploristoj preferas interretajn enketojn ĉar ili estas pli da tempo kaj mono efikaj, pli rapidaj kaj havas pli grandan spektantaron. Uzante labortablon, tekkomputilon, tablojdon aŭ moveblan aparaton, respondantoj povas libere plenumi la enketon kiam ajn ĝi estas oportuna por ili kaj ĉi tio estas la ĉefa avantaĝo de ret-bazita demandaro.
- Poŝtbazita: La enketo estas sendita al granda parto de la specimena loĝantaro per poŝto, permesante al la esploristo atingi diversajn spektantarojn. La poŝta demandaro kutime venas en paketo kun kovrilpaĝo, kiu informas la spektantaron pri la speco de studo farita kaj kial, same kiel antaŭpagita reveno, kolekti datumojn interrete. Eĉ se la poŝto havas pli grandan forton ol aliaj kvantaj datumaj kolektaj teknikoj, inkluzive de instigoj kaj memorigiloj fini la enketon helpas signife malpliigi la churn-procenton.
5. Dokumenta Revizio
Post analizo de la nunaj artikoloj, dokumenta revizio estas tekniko uzata por kolekti datumojn. Ĉar dokumentoj estas kontroleblaj kaj la praktika rimedo por akiri precizajn datumojn de la pasinteco, ĝi estas efika kaj sukcesa metodo de datumkolektado.
Dokumenta revizio fariĝis unu el la utilaj teknikoj por kolekti kvantajn esplordatenojn, krom plifortigi kaj subteni la studon proponante suplementajn esplorajn datumojn.
Por kolekti suplementajn kvantajn esplordatenojn, tri ĉefaj dokumentkategorioj estas ekzamenitaj.
- Publikaj dokumentoj: La oficialaj, daŭraj rekordoj de organizo estas ekzamenitaj por plia enketo kiel parto de ĉi tiu dokumenta revizio. Ekzemple, ĉiujaraj raportoj, politikaj gvidiloj, studentaj eventoj, universitataj ludaj agadoj, ktp.
- Personaj Rekordoj: Ĉi tiu speco de dokumentanalizo ekzamenas privatajn raportojn pri la kondutoj, konduto, sano, fiziko, ktp de homoj kontraste al publikaj rekordoj. Ekzemple, la grandeco kaj pezo de la lernantoj, la vojaĝdaŭro kiun studentoj prenas por iri al lernejo, ktp.
- Fizika Pruvo: Fizikaj pruvoj aŭ rekordoj parolas pri la pasintaj sukcesoj de persono aŭ organizo laŭ mono kaj skalebla kresko.
Kvantaj Ekzemploj
Jen kelkaj kazoj de kvantaj datumoj por helpi vin plene kompreni, al kio ĉi tio rilatas:
- La plej nova poŝtelefona aplikaĵo estis elŝutita de 83 individuoj.
- Pasintjare, mia onklino ŝparis 18 funtojn.
- Kosto de ero X estas $1,000.
- La eventon partoprenis 500 partoprenantoj.
- Ĉi-jare ŝi havas dek feriojn.
- En kvarono, mi ĝisdatigis mian telefonon ses fojojn.
- Pasintjare, mia junulo kreskis je 3 coloj.
- La aldono de nova produkto rezultos en 30% pliiĝo de enspezo.
- 54% de usonanoj diris, ke ili preferus aĉeti interrete ol ĉe butikcentro.
- 150 respondantoj diris, ke ili ne pensas, ke la nova produkta funkcio estus sukceso.
Avantaĝoj
- Faru profundan studon: Estas tre verŝajne, ke la esplorado estos ĝisfunda, ĉar kvantaj datumoj povas esti statistike ekzamenitaj.
- Minimuma biaso: Estas tempoj kiam persona biaso kontribuas al esplorado kaj kaŭzas malprecizajn rezultojn. Persona biaso estas multe malpliigita per la nombra aspekto de kvantaj datenoj.
- Rezultoj precizaj: Ĉar la rezultoj estis objektivaj en naturo, ili estis sufiĉe precizaj.
malavantaĝoj
- Restriktitaj informoj: Ĉar kvantaj datumoj ne estas priskribaj, estas defie por esploristoj tiri konkludojn nur el la datumoj kiujn ili kolektis.
- Dependas de la demandotipo: La demandotipo uzata por kolekti kvantajn datumojn influas la antaŭjuĝon en la rezultoj. Dum kolektado de kvantaj datumoj, la kompreno de la esploristo pri la celoj kaj celoj de la esplorado estas decida.
konkludo
Kvantaj datumoj temas pri diverĝa pensado, ne konverĝa rezonado. Ĝi traktas la nombran, logikan, kaj objektivan vidpunkton metante la emfazon de nombraj kaj konstantaj faktoj.
La nura datumspeco, kiu kapablas montri analizajn konkludojn en diagramoj kaj grafikaĵoj, kvanta datuma esplorado estas ĝisfunda.
Analizo de datumoj certe estas decida paŝo, kiu, se mankas, povas ne nur endanĝerigi la objektivecon kaj aŭtentikecon de via studo sed ankaŭ malstabiligi la konkludojn. Bonaj datumoj helpos vin produkti precizajn rezultojn.
Tial, sendepende de la tekniko, vi uzas por kolekti kvantajn datumojn, certigi, ke la informoj estas sufiĉe altkvalitaj por doni valorajn kaj utilajn komprenojn.
Lasi Respondon