Sisällysluettelo[Piilottaa][Näytä]
Ympärillämme on data, jonka merkitys kasvaa päivä päivältä. Yhä enemmän vuorovaikutustamme ympäristön kanssa muokkaavat erilaiset datan muodot, mukaan lukien internetin käyttö, autoostokset, katsomamme uutissyötteet ja monet muut asiat.
Määrittelemme tässä viestissä kvantitatiiviset tiedot, annamme esimerkkejä kvantitatiivisista tiedoista, keskustelemme siitä, miten laadulliset ja määrälliset tiedot vaihtelevat, ja paljon muuta.
Mutta otetaan ensin askel taaksepäin.
Joka päivä tuotetaan 2.5 kvintiljoonaa tavua dataa – mukaan lukien testitulokset, asiakastyytyväisyyspisteet ja tweetit. Mutta kaikki tiedot eivät ole samanarvoisia.
Kysely, jossa sinua pyydetään luokittelemaan palvelu, ruokalista, ympäristö ja hinnat asteikolla 1-10, tuottaa erilaista tietoa kuin haastattelu, jossa sinua pyydetään kuvaamaan ruokailukokemustasi.
On erittäin tärkeää, että analyytikot, jotka työskentelevät tietojoukkojen kanssa usein, erottavat eri datamuodot ja ymmärtävät, kuinka kukin voi vaikuttaa tutkimukseesi.
Tietoihin perehtyminen alkaa usein tietystä kysymyksestä, johon yrität vastata, kuten:
- Miten demografiset tiedot vaikuttavat kuluttajien käyttäytymiseen?
- Vastaako tietty yleisö myönteisesti tuotteen tai palvelun muutokseen?
- Miten toiminnan pullonkauloja voidaan poistaa tehokkuuden lisäämiseksi?
Sinun on kerättävä ja arvioitava määrällisiä tietoja aiheen luonteen, budjetin, ajan ja käytettävissä olevien resurssien mukaan. Luulen, että ymmärrät, eikö?
Aloitetaan nyt.
Mitä kvantitatiiviset tiedot ovat?
Kaikki kokoelmat tiedot, jotka voidaan tunnistaa ja arvioida kvantitatiivisesti, katsotaan kvantitatiivisiksi tiedoiksi.
Ainoa objektiivisesti mitattavissa oleva data on kvantitatiiviset tiedot, joten se on olennaisinta tietojen tyyppi käytettäväksi sekä matematiikassa että tilastoissa.
Sitä kutsutaan tietojen arvoksi, kun se ilmaistaan lukuina tai numeroina, ja jokaiselle tietojoukolle on määritetty tietty numeerinen arvo.
Kaikki mitattavissa olevat tiedot, joita voidaan hyödyntää tilastollisissa ja aritmeettisissa laskelmissa, katsotaan tämän tyyppisiksi tiedoiksi, koska niitä voidaan käyttää arvioiden tukena todellisessa maailmassa.
Kuinka monta, kuinka usein ja kuinka monta on esimerkkejä kyselyistä, joihin se voi vastata. Matemaattisten menetelmien avulla voidaan helposti tarkistaa ja arvioida nämä tiedot.
Kvantitatiiviset tiedot, kuten aika, pituus, paino, hinta, hinta, tuotto, lämpötila ja etäisyys, ovat niitä, joita dataanalyytikko yleensä käyttää.
Se voidaan ilmaista prosentteina, numeroina, sivun latausaikana tai muina mittareina tuotehallinnan, käyttökokemuksen suunnittelun tai ohjelmistosuunnittelun aloilla.
Se, kuinka monta ihmistä osti tietyn tuotteen, on esimerkki kvantitatiivisista tiedoista oston yhteydessä. Laadulliset tiedot autoista voisivat sisältää niiden hevosvoiman määrän.
Mitkä ovat kvantitatiivisten tietojen tyypit?
Kvantitatiivisia tietoja kutsutaan kvantitatiivisiksi tiedoiksi, mutta se, miten nämä tiedot kvantifioidaan, vaihtelee käsillä olevan tiedonkeruun tyypin mukaan. Kvantitatiiviset tiedot voidaan jakaa kahteen perusryhmään: diskreettiin ja jatkuvaan. Tärkeimmät muunnelmat näiden kahden välillä ovat seuraavat:
Diskreetti Data
Kvantitatiivisella tiedolla, joka on diskreetti, voi olla vain tietty numeroarvoalue. Näitä arvoja ei voida hajottaa, koska ne ovat kiinteitä.
Aina kun jotain lasketaan, saadaan erillisiä tietoja. Esimerkiksi henkilön kolme lasta olisi esimerkki erillisistä tiedoista.
Lasten määrä on asetettu; heillä ei voi olla esimerkiksi 3.2 lasta.
Verkkosivustosi kävijöiden määrä on toinen esimerkki erillisistä numeerisista tiedoista. voit saada 150 käyntiä päivässä, mutta ei 150.6. Yleisimpiä erillisten tietojen näyttämiseen käytettyjä kaavioita ovat ympyräkaaviot, pylväskaaviot ja yhteenvetokaaviot.
Jatkuva data
Käänteisesti jatkuva data voidaan jakaa loputtomasti pienempiin komponentteihin. Nauhan pituus senttimetreinä tai lämpötila Celsius-asteina ovat kaksi esimerkkiä tällaisesta mitta-asteikolla näytettävästä kvantitatiivisesta tiedosta.
Pohjimmiltaan jatkuvaa dataa ei ole rajoitettu kiinteisiin arvoihin; se voi ottaa minkä tahansa arvon. Jatkuvat tiedot voivat myös muuttua ajan myötä; esimerkiksi huoneen lämpötila muuttuu päivän aikana.
Viivakaaviota käytetään tyypillisesti havainnollistamaan jatkuvaa dataa.
Kvantitatiiviset tiedot vs kvalitatiiviset tiedot
Näemme, että kvantitatiiviset tiedot voidaan mitata. Se käsittelee summia, arvoja ja numeroita. Tämäntyyppiset tiedot voidaan ilmaista numeerisesti (eli määrä, kesto, pituus, hinta tai koko).
Kvantitatiivisella tiedolla on paljon uskottavuutta, ja se nähdään puolueettomana ja luotettavana, koska se tuotetaan tilastojen avulla. On kuitenkin olemassa toinen tärkeä tietotyyppi. Erityisesti laadulliset tiedot.
Nämä tiedot ovat luonteeltaan ensisijaisesti kuvailevia. Useimmissa tapauksissa sitä ei voida mitata suoraan, mutta se voidaan oppia tarkkailemalla. Adjektiiveja ja muita kuvaavia termejä käytetään kuvaamaan ulkonäköä, väriä, rakennetta ja muita kvalitatiivisten tietojen ominaisuuksia.
Voit esimerkiksi väittää, että yksi huone on valoisampi kuin toinen.
Tämä tieto on laadukasta. Voit todella mitata huoneen kirkkauden ja antaa sille numeerisen numeron käyttämällä tieteellisiä laitteita ja laitteita (kuten valomittaria). Saat mitattavissa olevia tietoja tekemällä sen.
5 parasta menetelmää kvantitatiivisten tietojen keräämiseen
1. Todennäköisyysotanta
Tarkka otantatekniikka, jossa hyödynnetään jonkinlaista satunnaista valintaa ja jonka avulla tutkijat voivat tehdä todennäköisyysväitteen kohdeyleisöltä satunnaisesti kerättyjen tietojen perusteella.
Todennäköisyysotanta tarjoaa tutkijoille mahdollisuuden kerätä tietoja henkilöiltä, jotka ovat tyypillisiä tutkittavalle ryhmälle, mikä on yksi sen hienoimmista piirteistä.
Lisäksi tiedot poimittiin satunnaisesti valitusta näytteestä, mikä eliminoi otannan harhan mahdollisuuden.
Todennäköisyysnäytteenottoa varten on kolme pääluokkaa.
- Yksinkertainen satunnaisotos: Tarkoitettu populaatio valitaan useammin edustettuna otoksessa.
- Systemaattinen satunnaisotos: Mikä tahansa halutun perusjoukon jäsen olisi edustettuna otoksessa, mutta vain ensimmäinen yksikkö valitaan satunnaisesti; muut yksiköt valitaan ikään kuin yksi kymmenestä listalla olevasta henkilöstä.
- Ositettu satunnainen otanta: Kun luot otosta, voit valita kunkin yksikön tietystä kohdeyleisön alajoukosta. Siitä on hyötyä, kun tutkijat ovat nirso sisällyttää otokseen tietyn ryhmän ihmisiä, kuten vain johtajia tai johtajia, tietyllä toimialalla työskenteleviä tai miehiä tai naisia.
2. haastattelut
Ihmisiä haastatellaan yleensä osana tiedonkeruuprosessia. Haastattelut, jotka tehdään kvantitatiivisen tiedon keräämiseksi, ovat kuitenkin organisoituneempia, ja tutkijat kysyvät vain määrättyjä kysymyksiä eivätkä mitään muuta.
Tietojen keräämiseen käytetään kolmea pääluokkaa haastatteluja.
- Puhelinhaastattelut: Puhelinhaastattelut hallitsivat tiedonkeruutekniikoiden kaavioita useiden vuosien ajan. Mutta käyttämällä Internetiä, Skypeä tai muuta verkossa videoneuvottelu videohaastatteluiden tekeminen on lisääntynyt merkittävästi viime vuosina.
- Henkilöhaastattelut: Suora osallistujan tiedonkeruu on hyväksi havaittu tapa kerätä tietoa. Se auttaa keräämään korkealaatuista tietoa, koska se antaa tilaa perusteellisille tiedusteluille ja lisäselvityksiä saada kattavaa ja opettavaista tietoa. Osallistujan lukutaitotasolla ei ole merkitystä, sillä face-to-face (F2F) -kyselyt tarjoavat monia mahdollisuuksia havainnoida ja kerätä ei-sanallista tietoa tai tutkia monimutkaisia ja ratkaisemattomia aiheita. Vaikka se saattaa olla kallis ja aikaa vievä lähestymistapa, kasvokkain tapahtuvissa haastatteluissa on usein suurempi vastausprosentti.
- Tietokoneavusteinen henkilökohtainen haastattelu (CAPI): Se ei ole muuta kuin kasvokkain tapahtuvaan haastatteluun verrattavissa oleva asetus, jossa haastattelijalla on mukanaan pöytätietokone tai kannettava tietokone haastattelun aikana kerättyjen tietojen lataamiseksi suoraan tietokantaan. Koska haastattelijan ei tarvitse kantaa mukanaan paljon papereita ja kyselylomakkeita, CAPI vähentää merkittävästi tietojen päivittämiseen ja analysointiin tarvittavaa aikaa.
3. Havainnot
Kuten nimestä voi päätellä, se on melko helppo ja mutkaton tekniikka kvantitatiivisten tietojen keräämiseen.
Tässä lähestymistavassa tutkijat keräävät kvantitatiivisia tietoja metodisilla havainnoilla käyttämällä sellaisia lähestymistapoja, kuten laskemalla tietyssä tapahtumassa tiettynä ajankohtana ja tietyssä paikassa läsnä olevien henkilöiden lukumäärä tai määrätyssä paikassa tapahtumaan osallistuvien henkilöiden lukumäärä.
Tutkijat käyttävät usein naturalistista havainnointistrategiaa kvantitatiivisen tiedon hankkimiseen, mikä vaatii erinomaisia havainnointikykyjä ja aisteja saadakseen kvantitatiivista tietoa vain "mitä" eikä myöskään "miksi" ja "miten" suhteen.
Sekä laadullisen että kvantitatiivisen tiedon kerääminen tapahtuu naturalistisen havainnoinnin avulla. Strukturoitua havainnointia käytetään kuitenkin enimmäkseen kvantitatiivisen tiedon keräämiseen laadullisen tiedon sijaan.
- Strukturoitu havainnointi: Toisin kuin naturalistinen tai osallistuva havainto, tämä havainnointimenetelmä vaatii tutkijalta perusteellisia havaintoja yhdestä tai useammasta määritellystä käyttäytymisestä laajemmassa tai kontrolloidussa kontekstissa. Jäsennellyssä havainnossa tutkijat rajoittavat huomionsa vain muutamiin kiinnostaviin keskeisiin käyttäytymismuotoihin sen sijaan, että katsoisivat kaikkea. Sen avulla he voivat laskea näkemänsä käyttäytymisen numeroiksi. Sitä kutsutaan joskus "koodaukseksi", kun havainnot vaativat tarkkailijoita tekemään tuomion. Tätä varten joukko kohdekäyttäytymistä on määriteltävä tarkasti.
4. Tutkimukset
Kyselyohjelmistolla tehdyt online-kyselyt ovat olennaisia tiedon keräämisessä verkossa sekä kvantitatiivista että laadullista tutkimusta varten. Kyselyt tehdään tavalla, joka vahvistaa vastaajien toimia ja luottamusta.
Suurin osa kvantitatiivisista tutkimuksista sisältää usein tarkistuslistoja ja arviointiasteikkokohteita, koska ne helpottavat vastaajien asenteiden ja käyttäytymisen mittaamista.
Kahta tärkeää kyselytyyliä käytetään tiedon keräämiseen verkossa kvantitatiivista markkinatutkimusta varten.
- Verkkopohjainen: Internet-pohjaisessa tai online-tutkimuksessa tämä on yksi suosituimmista ja luotettavimmista tekniikoista. Verkkopohjaiseen kyselyyn vastatessaan vastaaja saa sähköpostin, jossa on linkki kyselyyn, jota klikkaamalla pääsee turvalliselle verkkokyselyyn, jossa hän voi vastata kyselyyn. Tutkijat suosivat verkkopohjaisia kyselyitä, koska ne ovat ajan ja rahan kannalta tehokkaampia, nopeampia ja niillä on suurempi yleisö. Pöytätietokoneella, kannettavalla tietokoneella, tabletilla tai mobiililaitteella vastaajat voivat vapaasti täyttää kyselyn silloin, kun heille sopii, ja tämä on verkkopohjaisen kyselyn tärkein etu.
- Postipohjainen: Kysely lähetetään suurelle osalle otosjoukosta postitse, jolloin tutkija voi tavoittaa useita yleisöjä. Postikyselylomake toimitetaan yleensä paketissa, jossa on kansilehti, joka kertoo yleisölle, millaista tutkimusta tehdään ja miksi, sekä ennakkoon maksettu palautus tiedon keräämiseksi verkossa. Vaikka postin vaihtuvuusprosentti olisi suurempi kuin muilla kvantitatiivisilla tiedonkeruutekniikoilla, mukaan lukien kannustimet ja muistutukset kyselyn loppuun saattamisesta, auttavat merkittävästi alentamaan vaihtumisprosenttia.
5. Dokumentaation tarkistus
Nykyisten papereiden analysoinnin jälkeen asiakirjojen tarkistus on tekniikka, jota käytetään tietojen keräämiseen. Koska asiakirjat ovat hallittavissa ja käytännöllinen resurssi tarkkojen tietojen hankkimiseen menneisyydestä, se on tehokas ja onnistunut tiedonkeruutapa.
Asiakirjatarkastelusta on tullut yksi hyödyllisistä tekniikoista kvantitatiivisen tutkimustiedon keräämiseen sen lisäksi, että se vahvistaa ja tukee tutkimusta tarjoamalla täydentävää tutkimustietoa.
Täydentävän kvantitatiivisen tutkimusaineiston keräämistä varten tarkastellaan kolmea pääasiakirjaluokkaa.
- Julkiset asiakirjat: Organisaation viralliset, jatkuvat asiakirjat tutkitaan lisäselvitystä varten osana tätä asiakirjatarkistusta. Esimerkiksi vuosiraportit, politiikkaoppaat, opiskelijatapahtumat, yliopistopelitoiminta jne.
- Henkilökohtaiset asiakirjat: Tällainen asiakirja-analyysi tutkii yksityisiä raportteja ihmisten käyttäytymisestä, käytöksestä, terveydestä, ruumiinrakenteesta jne. toisin kuin julkisissa tiedoissa. Esimerkiksi oppilaiden koko ja paino, opiskelijoiden koulumatka-aika jne.
- Fyysinen todiste: Fyysiset todisteet tai asiakirjat kertovat henkilön tai organisaation aiemmista menestyksestä rahan ja skaalautuvan kasvun suhteen.
Kvantitatiivisia esimerkkejä
Tässä on muutamia esimerkkejä kvantitatiivisista tiedoista, jotka auttavat sinua ymmärtämään täysin, mitä tämä tarkoittaa:
- Uusimman mobiilisovelluksen on ladannut 83 henkilöä.
- Viime vuonna tätini laihtui 18 kiloa.
- Tuotteen X hinta on 1,000 dollaria.
- Tapahtumaan osallistui 500 osallistujaa.
- Tänä vuonna hänellä on kymmenen lomaa.
- Neljänneksen aikana päivitin puhelimeni kuusi kertaa.
- Viime vuonna lapseni kasvoi 3 tuumaa.
- Uuden tuotteen lisääminen lisää liikevaihtoa 30 %.
- 54 % amerikkalaisista sanoi ostavansa mieluummin verkosta kuin ostoskeskuksesta.
- 150 vastaajaa sanoi, että he eivät usko, että uusi tuoteominaisuus olisi menestys.
edut
- Suorita syvällinen tutkimus: On hyvin todennäköistä, että tutkimus on perusteellinen, koska kvantitatiiviset tiedot voidaan tarkastella tilastollisesti.
- Vähimmäisharha: Joskus henkilökohtainen puolueettomuus vaikuttaa tutkimukseen ja aiheuttaa epätarkkoja tuloksia. Henkilökohtaista ennakkoluulottomuutta vähentää paljon kvantitatiivisten tietojen numeerinen puoli.
- Tarkat tulokset: Koska tulokset olivat luonteeltaan objektiivisia, ne olivat melko tarkkoja.
Haitat
- Rajoitettu tieto: Koska kvantitatiiviset tiedot eivät ole kuvailevia, tutkijoiden on haastavaa tehdä johtopäätöksiä vain keräämistään tiedoista.
- Riippuu kysymystyypistä: Kvantitatiivisen tiedon keräämiseen käytetty kysymystyyppi vaikuttaa tulosten harhaan. Kvantitatiivista dataa kerättäessä tutkijan ymmärrys tutkimuksen tavoitteista ja päämääristä on ratkaisevan tärkeää.
Yhteenveto
Kvantitatiiviset tiedot koskevat erilaista ajattelua, ei konvergenttia päättelyä. Se käsittelee numeerista, logiikkaa ja objektiivista näkökulmaa korostamalla numeerisia ja pysyviä tosiasioita.
Ainoa tietolaji, joka pystyy esittämään analyyttisiä johtopäätöksiä kaavioissa ja kaavioissa, on kvantitatiivinen datatutkimus on perusteellista.
Tietojen analysointi on varmasti ratkaiseva askel, joka, jos se puuttuu, voi paitsi vaarantaa tutkimuksesi objektiivisuuden ja aitouden, myös tehdä johtopäätöksistä epävakaita. Hyvät tiedot auttavat sinua saamaan tarkkoja tuloksia.
Siksi tekniikasta riippumatta käytät kvantitatiivisten tietojen keräämiseen ja varmista, että tiedot ovat riittävän laadukkaita arvokkaan ja hyödyllisen oivalluksen saamiseksi.
Jätä vastaus