Turinys[Slėpti][Rodyti]
Mus supa duomenys, kurie kasdien tampa vis reikšmingesni. Vis daugiau mūsų sąveikos su aplinka formuoja įvairių formų duomenys, įskaitant mūsų naudojimąsi internetu, automobilių pirkimą, mūsų peržiūrėtus naujienų kanalus ir daugelį kitų dalykų.
Šiame įraše apibūdinsime kiekybinius duomenis, pateiksime kiekybinių duomenų pavyzdžius, aptarsime, kaip skiriasi kokybiniai ir kiekybiniai duomenys, ir dar daugiau.
Bet pirmiausia ženkime žingsnį atgal.
Kasdien sukuriama 2.5 kvintilijono baitų duomenų, įskaitant testų rezultatus, klientų pasitenkinimo balus ir tviterius. Tačiau ne visi duomenys yra vienodi.
Apklausa, kurioje prašoma įvertinti paslaugą, meniu, aplinką ir kainodarą skalėje nuo 1 iki 10, pateikia kitokius duomenis nei interviu, kuriame prašoma apibūdinti savo valgymo patirtį.
Labai svarbu, kad analitikai, kurie dažnai dirba su duomenų rinkiniais, atskirtų skirtingas duomenų formas ir suprastų, kaip kiekviena gali paveikti jūsų tyrimą.
Gilinimosi į duomenis procesas dažnai prasideda nuo konkretaus klausimo, į kurį bandote atsakyti, pavyzdžiui:
- Kokią įtaką demografiniai rodikliai turi vartotojų elgesiui?
- Ar tam tikra auditorija palankiai reaguos į produkto ar paslaugos pakeitimą?
- Kaip galima pašalinti veiklos kliūtis siekiant padidinti efektyvumą?
Turėsite rinkti ir įvertinti kiekybinius duomenis, atsižvelgdami į dalyko pobūdį, biudžetą, laiką ir prieinamus išteklius. Manau, supranti, tiesa?
Pradėkime dabar.
Kas yra kiekybiniai duomenys?
Bet koks duomenų rinkinys, kurį galima nustatyti ir įvertinti kiekybiškai, laikomas kiekybiniais duomenimis.
Vienintelė duomenų rūšis, kurią galima išmatuoti objektyviai, yra kiekybiniai duomenys, todėl jie yra tinkamiausi duomenų tipas skirtas naudoti tiek matematikoje, tiek statistikoje.
Ji vadinama duomenų verte, kai ji išreiškiama skaičiais arba skaičiais, o kiekvienam duomenų rinkiniui priskiriama tam tikra skaitinė vertė.
Bet kokia išmatuojama informacija, kurią galima panaudoti atliekant statistinius ir aritmetikos skaičiavimus, laikoma tokio tipo duomenimis, nes ji gali būti naudojama sprendimams realiame pasaulyje pagrįsti.
Kiek, kaip dažnai ir kiek yra keletas užklausų pavyzdžių, į kurias jis gali atsakyti. Norint lengvai patikrinti ir įvertinti šiuos duomenis, galima naudoti matematinius metodus.
Duomenų analitikas paprastai dirba su kiekybiniais duomenimis, tokiais kaip laikas, ūgis, svoris, kaina, kaina, pelnas, temperatūra ir atstumas.
Jis gali būti išreikštas procentais, skaičiumi, puslapio įkėlimo laiku ar kitais metrikais produktų valdymo, naudotojo patirties projektavimo ar programinės įrangos inžinerijos srityse.
Kiek žmonių įsigijo tam tikrą prekę – tai kiekybinių duomenų pirkimo kontekste pavyzdys. Kokybiniai duomenys apie automobilius galėtų apimti jo turimą arklio galią.
Kokie yra kiekybinių duomenų tipai?
Duomenys, kuriuos galima kiekybiškai įvertinti, vadinami kiekybiniais duomenimis, tačiau tai, kaip tie duomenys kiekybiškai įvertinami, priklauso nuo renkamų duomenų rūšies. Kiekybinius duomenis galima suskirstyti į dvi pagrindines grupes: diskretinius ir tęstinius. Pagrindiniai skirtumai tarp šių dviejų yra šie:
Diskretūs duomenys
Kiekybinė informacija, kuri yra diskreti, gali turėti tik tam tikrą skaitinių reikšmių diapazoną. Šių verčių negalima išskaidyti, nes jos yra fiksuotos.
Kai tik kas nors skaičiuojama, gaunami atskiri duomenys. Pavyzdžiui, trys asmens vaikai būtų atskirų duomenų pavyzdys.
Nustatomas vaikų skaičius; jie negali turėti, pavyzdžiui, 3.2 vaiko.
Jūsų svetainės lankytojų skaičius yra dar vienas atskirų skaitmeninių duomenų pavyzdys; per dieną galite sulaukti 150 apsilankymų, bet ne 150.6. Dažniausios diagramos, naudojamos atskiriems duomenims rodyti, yra skritulinės diagramos, juostinės diagramos ir sutapimo diagramos.
Nuolatiniai duomenys
Ir atvirkščiai, nuolatiniai duomenys gali būti neribotą laiką skaidomi į mažesnius komponentus. Stygos ilgis centimetrais arba temperatūra Celsijaus laipsniais yra du tokio tipo kiekybinių duomenų, kuriuos galima parodyti matavimo skalėje, pavyzdžiai.
Iš esmės nuolatiniai duomenys nėra apriboti fiksuotomis reikšmėmis; jis gali turėti bet kokią vertę. Nuolatiniai duomenys taip pat gali keistis laikui bėgant; pavyzdžiui, dienos metu kambario temperatūra pasikeis.
Linijinė diagrama paprastai naudojama nuolatiniams duomenims iliustruoti.
Kiekybiniai duomenys prieš kokybinius duomenis
Matome, kad galima išmatuoti kiekybinius duomenis. Tai susiję su sumomis, reikšmėmis ir skaičiais. Šio tipo informaciją galima pateikti skaitmenimis (ty suma, trukmė, ilgis, kaina arba dydis).
Kiekybiniai duomenys turi daug patikimumo ir yra laikomi nešališkais ir patikimais, nes gaunami naudojant statistiką. Tačiau yra dar vienas labai svarbus duomenų tipas. Tiksliau, kokybiniai duomenys.
Ši informacija pirmiausia yra aprašomojo pobūdžio. Daugeliu atvejų jo negalima išmatuoti tiesiogiai, bet galima sužinoti stebint. Būdvardžiai ir kiti aprašomieji terminai naudojami apibūdinti kokybinių duomenų išvaizdą, spalvą, tekstūrą ir kitas savybes.
Pavyzdžiui, galite ginčytis, kad vienas kambarys yra šviesesnis už kitą.
Ta informacija yra kokybiška. Norėdami iš tikrųjų išmatuoti ryškumą patalpoje ir priskirti jam skaitinį skaičių, taip pat galite naudoti mokslinę įrangą ir aparatūrą (pvz., šviesos matuoklį). Tai darydami gausite kiekybiškai įvertinamus duomenis.
5 geriausi kiekybinių duomenų rinkimo metodai
1. Tikimybių atranka
Tikslus atrankos metodas, kuris naudoja tam tikrą atsitiktinę atranką ir leidžia tyrėjams pateikti tikimybės teiginį, pagrįstą informacija, atsitiktinai surinkta iš numatytos auditorijos.
Tikimybių atranka suteikia tyrėjams galimybę rinkti duomenis iš asmenų, būdingų grupei, kurią jie domisi tirti, o tai yra viena geriausių jos savybių.
Be to, duomenys buvo paimti atsitiktinai iš pasirinktos imties, o tai pašalina atrankos šališkumo tikimybę.
Tikimybių atrankai yra trys pagrindinės kategorijos.
- Paprasta atsitiktinė atranka: numatyta populiacija dažniau pasirenkama, kad ji būtų atstovaujama imtyje.
- Sisteminė atsitiktinė atranka: imtyje būtų atstovaujamas bet kuris norimos populiacijos narys, tačiau atsitiktinai parenkamas tik pirmasis vienetas; kiti vienetai pasirenkami tarsi vienas iš dešimties sąrašo asmenų.
- Stratifikuota atsitiktinė atranka: kuriant imtį leidžia pasirinkti kiekvieną vienetą iš konkretaus numatytos auditorijos pogrupio. Tai naudinga, kai mokslininkai išrankūs į atranką įtraukti tam tikrą žmonių grupę, pvz., tiesiog vadovus ar vadovus, žmones, dirbančius tam tikroje pramonės šakoje, vyrus ar moteris.
2. Interviu
Žmonės paprastai apklausiami kaip duomenų rinkimo proceso dalis. Tačiau interviu, kurie atliekami siekiant surinkti kiekybinius duomenis, yra labiau organizuoti, tyrėjai užduoda tik nurodytą klausimų rinkinį ir nieko daugiau.
Duomenims rinkti naudojamos trys pagrindinės interviu kategorijos.
- Interviu telefonu: Duomenų rinkimo metodų lentelėse daugelį metų dominavo interviu telefonu. Tačiau naudodamiesi internetu, „Skype“ ar kitu internetu vaizdo konferencija paslaugų, skirtų vaizdo pokalbiams, pastaraisiais metais labai padaugėjo.
- Asmeniniai interviu: tiesioginis dalyvių duomenų rinkimas yra išbandytas ir tikras informacijos rinkimo būdas. Tai padeda rinkti aukštos kokybės duomenis, nes suteikia galimybę atlikti išsamius tyrimus ir atlikti papildomus tyrimus, siekiant gauti išsamios ir mokomosios informacijos. Dalyvio raštingumo lygis nesvarbus, nes tiesioginės (F2F) apklausos suteikia daug galimybių stebėti ir rinkti neverbalinius duomenis arba tirti sudėtingas ir neišspręstas temas. Nors tai gali būti brangus ir daug laiko reikalaujantis metodas, tiesioginiai pokalbiai dažnai būna didesni.
- Kompiuterinis asmeninis interviu (CAPI): tai ne kas kita, kaip aplinka, panaši į akis į akį pokalbį, kai pašnekovas su savimi turi stalinį arba nešiojamąjį kompiuterį, kad pokalbio metu surinktus duomenis galėtų įkelti tiesiai į duomenų bazę. Kadangi pašnekovui nereikia nešiotis daugybės dokumentų ir anketų, CAPI žymiai sumažina laiką, reikalingą duomenims atnaujinti ir analizuoti.
3. Pastebėjimai
Kaip rodo pavadinimas, tai gana lengvas ir nesudėtingas kiekybinių duomenų rinkimo būdas.
Taikydami šį metodą, tyrėjai renka kiekybinius duomenis atlikdami metodinius stebėjimus, naudodami tokius metodus kaip asmenų, dalyvaujančių tam tikrame renginyje tam tikru metu ir konkrečioje vietoje, skaičiaus arba asmenų, dalyvaujančių renginyje tam tikroje vietoje, skaičius.
Tyrėjai dažnai naudoja natūralistinę stebėjimo strategiją, kad gautų kiekybinius duomenis, o tai reikalauja puikių stebėjimo gebėjimų ir pojūčių, kad gautų kiekybinius duomenis tik apie „ką“, o ne apie „kodėl“ ir „kaip“.
Tiek kokybiniai, tiek kiekybiniai duomenys renkami natūralistinio stebėjimo būdu. Tačiau struktūrinis stebėjimas dažniausiai naudojamas kiekybinei, o ne kokybinei informacijai rinkti.
- Struktūrinis stebėjimas: priešingai nei natūralistinis ar dalyvaujantis stebėjimas, ši stebėjimo metodo forma reikalauja, kad tyrėjas atliktų nuodugnius vieno ar kelių nurodytų elgesio stebėjimus platesniame ar kontroliuojamame kontekste. Atlikdami struktūrinį stebėjimą, tyrėjai susiaurina savo dėmesį tik į keletą pagrindinių dominančių elgsenų, o ne stebi viską. Tai leidžia jiems matomą elgesį išreikšti skaičiais. Kartais tai vadinama „kodavimu“, kai stebėjimai reikalauja, kad stebėtojai priimtų sprendimą. Norėdami tai padaryti, turi būti tiksliai apibrėžtas tikslinės elgsenos rinkinys.
4. Apklausos
Internetinės apklausos, atliekamos naudojant apklausų programinę įrangą, yra būtinos renkant duomenis internete tiek kiekybiniams, tiek kokybiniams tyrimams. Apklausos rengiamos taip, kad patvirtintų respondentų veiksmus ir pasitikėjimą.
Daugumoje kiekybinių tyrimų dažnai pateikiami kontroliniai sąrašai ir vertinimo skalės elementai, nes jais lengviau įvertinti respondentų požiūrį ir elgesį.
Du svarbūs apklausos stiliai naudojami informacijai internete rinkti kiekybiniams rinkos tyrimams.
- Žiniatinklio pagrindu: tai vienas iš populiariausių ir patikimiausių būdų, kaip atlikti internetinius arba internetinius tyrimus. Atsakydamas į internetinę apklausą, respondentas gaus el. laišką su nuoroda į apklausą, kurią spustelėjęs bus nukreiptas į saugią internetinių apklausų platformą, kurioje galės užpildyti apklausą. Tyrėjai pirmenybę teikia žiniatinklio apklausoms, nes jos yra efektyvesnės laiko ir pinigų taupymui, greitesnės ir turi didesnę auditoriją. Naudodami stalinį, nešiojamąjį kompiuterį, planšetinį kompiuterį ar mobilųjį įrenginį, respondentai gali laisvai užpildyti apklausą tada, kai jiems patogu, ir tai yra pagrindinis internetinės anketos privalumas.
- Pagrįsta paštu: apklausa siunčiama didelei imties populiacijos daliai paštu, todėl tyrėjas gali pasiekti įvairias auditorijas. Klausimynas paštu paprastai pateikiamas pakete su tituliniu puslapiu, kuriame auditorija informuojama apie atliekamo tyrimo rūšį ir kodėl, taip pat iš anksto apmokėta grąža, norint rinkti duomenis internete. Net jei laiškas yra didesnis nei kiti kiekybiniai duomenų rinkimo metodai, įskaitant paskatas ir priminimus baigti apklausą, tai padeda žymiai sumažinti siuntimo dažnį.
5. Dokumentacijos peržiūra
Išanalizavus dabartinius dokumentus, dokumentų peržiūra yra metodas, naudojamas duomenims rinkti. Kadangi dokumentai yra kontroliuojami ir yra praktiškas išteklius gauti tikslius duomenis iš praeities, tai yra efektyvus ir sėkmingas duomenų rinkimo būdas.
Dokumentų peržiūra tapo vienu iš naudingų kiekybinių tyrimų duomenų rinkimo metodų, be to, sustiprina ir remia tyrimą siūlant papildomus tyrimų duomenis.
Siekiant surinkti papildomus kiekybinius tyrimo duomenis, nagrinėjamos trys pagrindinės dokumentų kategorijos.
- Viešieji dokumentai: oficialiai nuolatiniai organizacijos įrašai yra tikrinami papildomam tyrimui atliekant šią dokumentų peržiūrą. Pavyzdžiui, metinės ataskaitos, politikos vadovai, studentų renginiai, universiteto žaidimų veikla ir kt.
- Asmeniniai įrašai: tokia dokumentų analizė nagrinėja privačius pranešimus apie žmonių elgesį, elgesį, sveikatą, kūno sudėjimą ir kt., o ne viešuosius įrašus. Pavyzdžiui, mokinių dydis ir svoris, studentų kelionės į mokyklą laikas ir kt.
- Fizinis įrodymas: fizinis įrodymas arba įrašai byloja apie asmens ar organizacijos praeities sėkmę pinigų ir keičiamo augimo požiūriu.
Kiekybiniai pavyzdžiai
Štai keli kiekybinių duomenų pavyzdžiai, padėsiantys visiškai suprasti, ką tai reiškia:
- Naujausią mobiliąją programėlę atsisiuntė 83 asmenys.
- Praėjusiais metais mano teta atsikratė 18 svarų.
- X prekės kaina yra 1,000 USD.
- Renginyje dalyvavo 500 dalyvių.
- Šiais metais ji turi dešimt atostogų.
- Per ketvirtį telefoną atnaujinau šešis kartus.
- Praėjusiais metais mano jaunuolis paaugo 3 coliais.
- Pridėjus naują produktą, pajamos padidės 30 proc.
- 54 % amerikiečių teigė, kad mieliau pirktų internetu nei prekybos centre.
- 150 respondentų teigė nemanantys, kad naujoji produkto funkcija būtų sėkminga.
Privalumai
- Atlikite išsamų tyrimą: labai tikėtina, kad tyrimas bus išsamus, nes kiekybinius duomenis galima išnagrinėti statistiškai.
- Minimalus šališkumas: kartais asmeninis šališkumas prisideda prie tyrimų ir sukelia netikslius rezultatus. Asmeninį šališkumą labai sumažina skaitinis kiekybinių duomenų aspektas.
- Tikslūs rezultatai: kadangi rezultatai buvo objektyvaus pobūdžio, jie buvo gana tikslūs.
Trūkumai
- Riboto naudojimo informacija: kadangi kiekybiniai duomenys nėra aprašomieji, tyrėjams sunku padaryti išvadas tik iš surinktų duomenų.
- Priklauso nuo klausimo tipo: kiekybiniams duomenims rinkti naudojamas klausimo tipas turi įtakos rezultatų paklaidai. Renkant kiekybinius duomenis, labai svarbu, kad tyrėjas suprastų tyrimo tikslus ir uždavinius.
Išvada
Kiekybiniai duomenys yra apie skirtingą mąstymą, o ne apie konvergentinį samprotavimą. Jame nagrinėjamas skaitinis, loginis ir objektyvus požiūris, pabrėžiant skaitinius ir pastovius faktus.
Vienintelis duomenų tipas, galintis pateikti analitines išvadas diagramose ir diagramose, yra išsamus kiekybinis duomenų tyrimas.
Duomenų analizė neabejotinai yra esminis žingsnis, kurio, jei trūksta, gali ne tik pakenkti jūsų tyrimo objektyvumui ir autentiškumui, bet ir padaryti išvadas nestabilias. Geri duomenys padės gauti tikslius rezultatus.
Todėl, nepaisant technikos, naudojate kiekybiniams duomenims rinkti, įsitikinkite, kad informacija yra pakankamai aukštos kokybės, kad gautumėte vertingų ir naudingų įžvalgų.
Palikti atsakymą