Saturs[Paslēpt][Rādīt]
Mūs ieskauj dati, kas ar katru dienu kļūst arvien nozīmīgāki. Arvien vairāk mūsu mijiedarbības ar vidi nosaka dažādi datu veidi, tostarp interneta izmantošana, automašīnu iegāde, ziņu plūsmas, ko mēs skatām, un daudzas citas lietas.
Šajā ziņojumā mēs definēsim kvantitatīvos datus, sniegsim kvantitatīvo datu gadījumus, apspriedīsim, kā atšķiras kvalitatīvie un kvantitatīvie dati, un daudz ko citu.
Bet vispirms spersim soli atpakaļ.
Katru dienu tiek radīti 2.5 kvintiljoni baitu datu, tostarp testa rezultāti, klientu apmierinātības rādītāji un tvīti. Bet ne visi dati tiek izveidoti vienādi.
Aptauja, kurā jums tiek lūgts sakārtot pakalpojumu, ēdienkarti, vidi un cenas skalā no 1 līdz 10, iegūst atšķirīgus datus nekā intervija, kurā tiek lūgts aprakstīt savu ēdināšanas pieredzi.
Analītiķiem, kuri bieži strādā ar datu kopām, ir ļoti svarīgi atšķirt dažādas datu formas un saprast, kā katra no tām var ietekmēt jūsu pētījumu.
Datos iedziļināšanās process bieži sākas ar konkrētu jautājumu, uz kuru mēģināt atbildēt, piemēram:
- Kā demogrāfija ietekmē patērētāju uzvedību?
- Vai konkrēta auditorija labvēlīgi reaģēs uz produkta vai pakalpojuma izmaiņām?
- Kā var novērst darbības vājās vietas, lai palielinātu efektivitāti?
Jums būs jāapkopo un jānovērtē kvantitatīvie dati atkarībā no priekšmeta rakstura, jūsu budžeta, laika un pieejamiem resursiem. Es domāju, ka jūs saprotat, vai ne?
Sāksim tūlīt.
Kas ir kvantitatīvie dati?
Jebkurš datu kopums, ko var identificēt un kvantitatīvi novērtēt, tiek uzskatīts par kvantitatīviem datiem.
Vienīgais datu veids, ko var objektīvi izmērīt, ir kvantitatīvie dati, padarot tos par vispiemērotāko datu veids izmantošanai gan matemātikā, gan statistikā.
To sauc par datu vērtību, ja to izsaka kā skaitļus vai skaitļus, un katrai datu kopai ir piešķirta noteikta skaitliskā vērtība.
Jebkura izmērāma informācija, ko var izmantot statistikas aprēķinos un aprēķinos, kuru pamatā ir aritmētika, tiek uzskatīta par šāda veida datiem, jo to var izmantot, lai pamatotu spriedumus reālajā pasaulē.
Cik, cik bieži un cik ir daži vaicājumu piemēri, uz kuriem tas var atbildēt. Lai viegli pārbaudītu un novērtētu šos datus, var izmantot matemātiskās metodes.
Datu analītiķis parasti strādā ar tādiem kvantitatīviem datiem kā laiks, augstums, svars, cena, izmaksas, peļņa, temperatūra un attālums.
To var izteikt kā procentus, skaitli, lapas ielādes laiku vai citus rādītājus produktu pārvaldības, lietotāja pieredzes dizaina vai programmatūras inženierijas jomās.
Cik daudz cilvēku iegādājās noteiktu preci, ir kvantitatīvo datu piemērs pirkuma kontekstā. Kvalitatīvie dati par automašīnām varētu ietvert tai piederošo zirgspēku daudzumu.
Kādi ir kvantitatīvo datu veidi?
Dati, kurus var kvantitatīvi noteikt, tiek saukti par kvantitatīviem datiem, tomēr tas, kā šie dati tiek kvantificēti, atšķiras atkarībā no datu vākšanas veida. Kvantitatīvos datus var iedalīt divās pamatgrupās: diskrētos un nepārtrauktajos. Galvenās atšķirības starp abiem ir šādas:
Diskrēti dati
Kvantitatīvajai informācijai, kas ir diskrēta, var būt tikai noteikts skaitlisko vērtību diapazons. Šīs vērtības nevar sadalīt, jo tās ir fiksētas.
Ikreiz, kad kaut ko saskaita, tiek iegūti diskrēti dati. Piemēram, personas trīs bērni būtu diskrētu datu piemērs.
Ir noteikts bērnu skaits; viņiem nevar būt, piemēram, 3.2 bērni.
Jūsu vietnes apmeklētāju skaits ir vēl viens diskrētu skaitlisku datu piemērs; dienā var saņemt 150 apmeklējumus, bet ne 150.6. Diskrētu datu attēlošanai visbiežāk izmantotās diagrammas ir sektoru diagrammas, joslu diagrammas un sakritības diagrammas.
Nepārtraukti dati
Un otrādi, nepārtrauktus datus var bezgalīgi sadalīt mazākos komponentos. Auklas garums centimetros vai temperatūra Celsija grādos ir divi šāda veida kvantitatīvo datu piemēri, ko var parādīt mērīšanas skalā.
Būtībā nepārtraukti dati nav ierobežoti ar fiksētām vērtībām; tam var būt jebkura vērtība. Arī nepārtraukti dati laika gaitā var mainīties; piemēram, dienas laikā telpas temperatūra mainīsies.
Lai ilustrētu nepārtrauktus datus, parasti izmanto līniju diagrammu.
Kvantitatīvie dati pret kvalitatīvajiem datiem
Mēs redzam, ka kvantitatīvos datus var izmērīt. Tas attiecas uz summām, vērtībām un skaitļiem. Šāda veida informāciju var norādīt skaitliski (ti, daudzums, ilgums, garums, cena vai lielums).
Kvantitatīvie dati ir ļoti ticami, un tie tiek uzskatīti par objektīviem un uzticamiem, jo tie tiek iegūti, izmantojot statistiku. Tomēr ir vēl viens svarīgs datu veids. Konkrēti, kvalitatīvi dati.
Šī informācija galvenokārt ir aprakstoša. Vairumā gadījumu to nevar tieši izmērīt, bet to var uzzināt novērojot. Īpašības vārdi un citi aprakstoši termini tiek izmantoti, lai aprakstītu izskatu, krāsu, tekstūru un citas īpašības kvalitatīvajos datos.
Piemēram, jūs varētu iebilst, ka viena istaba ir gaišāka par otru.
Šī informācija ir kvalitatīva. Lai patiešām izmērītu telpas spilgtumu un piešķirtu tam skaitlisku numuru, varat izmantot arī zinātnisku aprīkojumu un aparātu (piemēram, gaismas mērītāju). To darot, jūs iegūstat kvantitatīvus datus.
5 labākās metodes kvantitatīvo datu vākšanai
1. Varbūtības izlase
Precīza izlases metode, kas izmanto sava veida nejaušu atlasi un ļauj pētniekiem izteikt varbūtības apgalvojumu, pamatojoties uz informāciju, kas nejauši savākta no paredzētās auditorijas.
Varbūtības izlase piedāvā pētniekiem iespēju vākt datus no personām, kas ir raksturīgas grupai, kuru viņi ir ieinteresēti izmeklēt, kas ir viena no tās labākajām iezīmēm.
Turklāt dati tika iegūti nejauši no izvēlētā parauga, kas novērš izlases novirzes iespēju.
Varbūtības izlasei ir trīs galvenās kategorijas.
- Vienkārša nejauša izlase: plānotā populācija tiek biežāk atlasīta, lai to pārstāvētu izlasē.
- Sistemātiska nejauša izlase: izlasē būtu pārstāvēts jebkurš vēlamās populācijas dalībnieks, bet nejauši tiek izvēlēta tikai pirmā vienība; pārējās vienības ir izvēlētas tā, it kā viena no desmit personām sarakstā.
- Stratificēta nejauša izlase: veidojot izlasi, ļauj izvēlēties katru vienību no noteiktas paredzētās auditorijas apakškopas. Tas ir noderīgi, ja pētnieki ir izvēlīgi, iekļaujot izlasē noteiktu cilvēku grupu, piemēram, tikai vadītājus vai vadītājus, cilvēkus, kas strādā noteiktā nozarē, vai vīriešus vai sievietes.
2. Intervijas
Cilvēki parasti tiek intervēti kā daļa no datu vākšanas procesa. Tomēr intervijas, kas tiek veiktas, lai savāktu kvantitatīvos datus, ir organizētākas, pētniekiem uzdodot tikai noteikto jautājumu kopumu un neko citu.
Datu vākšanai tiek izmantotas trīs galvenās interviju kategorijas.
- Telefona intervijas: telefonintervijas daudzus gadus dominēja datu vākšanas metožu diagrammās. Bet izmantojot internetu, Skype vai citus tiešsaistes pakalpojumus videokonferences pakalpojumu sniegšana video intervijām pēdējos gados ir ievērojami palielinājusies.
- Personiskās intervijas: tieša dalībnieku datu vākšana ir pārbaudīta un patiesa informācijas vākšanas metode. Tas palīdz apkopot augstas kvalitātes datus, jo ļauj veikt padziļinātu izmeklēšanu un papildu zondēšanu, lai iegūtu visaptverošu un izglītojošu informāciju. Dalībnieka lasītprasmes līmenim nav nozīmes, jo klātienes (F2F) aptaujas sniedz daudz iespēju novērot un apkopot neverbālos datus vai izpētīt sarežģītas un neatrisinātas tēmas. Lai gan tā varētu būt dārga un laikietilpīga pieeja, klātienes intervijās bieži vien ir lielāks atbildes līmenis.
- Datorizēta personiskā intervija (CAPI): tas ir nekas vairāk kā iestatījums, kas ir salīdzināms ar klātienes interviju, kad intervētājam ir līdzi galddators vai klēpjdators, lai intervijas laikā savāktos datus augšupielādētu tieši datu bāzē. Tā kā intervētājam nav jānēsā līdzi daudz dokumentu un anketu, CAPI ievērojami samazina datu atjaunināšanai un analīzei nepieciešamo laiku.
3. Novērojumi
Kā norāda nosaukums, tas ir diezgan vienkāršs un nesarežģīts paņēmiens kvantitatīvo datu vākšanai.
Izmantojot šo pieeju, pētnieki apkopo kvantitatīvus datus, veicot metodiskus novērojumus, izmantojot tādas pieejas kā personu skaita, kas atrodas noteiktā pasākumā noteiktā laikā un konkrētā norises vietā, vai personu skaitu, kas apmeklē pasākumu noteiktā vietā, skaitīšana.
Pētnieki bieži izmanto naturālistisku novērošanas stratēģiju, lai iegūtu kvantitatīvus datus, kas prasa izcilas novērošanas spējas un sajūtas, lai iegūtu kvantitatīvus datus tikai par "ko", nevis arī par "kāpēc" un "kā".
Gan kvalitatīvo, gan kvantitatīvo datu vākšana tiek veikta, izmantojot naturālistiskus novērojumus. Tomēr strukturētu novērošanu galvenokārt izmanto, lai iegūtu kvantitatīvu informāciju, nevis kvalitatīvu informāciju.
- Strukturēta novērošana: Atšķirībā no naturālistiskā vai dalībnieku novērošanas šī novērošanas metodes forma prasa, lai pētnieks veiktu rūpīgus vienas vai vairāku noteiktu uzvedības veidu novērojumus plašākā vai kontrolētākā kontekstā. Strukturētā novērojumā pētnieki sašaurina uzmanību tikai uz dažām galvenajām interesējošām uzvedībām, nevis skatās visu. Tas ļauj viņiem redzēto uzvedību izteikt skaitļos. To dažreiz sauc par "kodēšanu", kad novērojumi liek novērotājiem pieņemt lēmumu. Lai to izdarītu, ir precīzi jādefinē mērķa uzvedības kopums.
4. Aptaujas
Tiešsaistes aptaujas, kas veiktas, izmantojot aptauju programmatūru, ir būtiskas datu vākšanai tiešsaistē gan kvantitatīviem, gan kvalitatīviem pētījumiem. Aptaujas ir izveidotas tā, lai apstiprinātu respondentu rīcību un pārliecību.
Lielākajā daļā kvantitatīvo aptauju bieži ir iekļauti kontrolsaraksti un vērtēšanas skalas vienumi, jo tie atvieglo respondentu attieksmes un uzvedības mērīšanu.
Tiek izmantoti divi svarīgi aptauju stili, lai tiešsaistē savāktu informāciju un veiktu kvantitatīvus tirgus pētījumus.
- Tīmeklī: interneta vai tiešsaistes izpētei šī ir viena no populārākajām un uzticamākajām metodēm. Atbildot uz tīmekļa aptauju, respondents saņems e-pastu ar saiti uz aptauju, uz kuras noklikšķinot, tiks atvērta droša tiešsaistes aptauju platforma, kurā varēs aizpildīt aptauju. Pētnieki dod priekšroku tīmekļa aptaujām, jo tās ir efektīvākas laika un naudas ziņā, ātrākas un tām ir lielāka auditorija. Izmantojot galddatoru, klēpjdatoru, planšetdatoru vai mobilo ierīci, respondenti var brīvi aizpildīt aptauju, kad vien viņiem tas ir ērti, un tā ir galvenā tīmekļa anketas priekšrocība.
- Pa pastu: aptauja lielai daļai izlases kopas tiek nosūtīta pa pastu, ļaujot pētniekam sasniegt dažādas auditorijas. Pasta anketa parasti tiek piegādāta iepakojumā ar titullapu, kas informē auditoriju par veiktā pētījuma veidu un iemeslu, kā arī priekšapmaksas atgriešana, lai apkopotu datus tiešsaistē. Pat tad, ja pastam ir lielāks atteikšanās rādītājs nekā citas kvantitatīvās datu vākšanas metodes, tostarp stimuli un atgādinājumi pabeigt aptauju, palīdz ievērojami samazināt adrešu skaitu.
5. Dokumentācijas apskats
Pēc pašreizējo dokumentu analīzes dokumentu pārskatīšana ir datu vākšanas metode. Tā kā dokumenti ir kontrolējami un praktisks resurss precīzu pagātnes datu iegūšanai, tā ir efektīva un veiksmīga datu vākšanas metode.
Dokumentu pārskatīšana ir kļuvusi par vienu no noderīgajiem paņēmieniem kvantitatīvo pētījumu datu vākšanai, papildus pētījuma stiprināšanai un atbalstam, piedāvājot papildu pētījumu datus.
Papildu kvantitatīvo pētījumu datu vākšanas nolūkos tiek apskatītas trīs galvenās dokumentu kategorijas.
- Publiski dokumenti: šīs dokumentu pārskatīšanas ietvaros tiek pārbaudīti organizācijas oficiālie, pastāvīgie ieraksti, lai veiktu papildu izmeklēšanu. Piemēram, gada pārskati, politikas ceļveži, studentu pasākumi, universitātes spēļu aktivitātes utt.
- Personiskie ieraksti: šāda veida dokumentu analīze pārbauda privātus ziņojumus par cilvēku uzvedību, uzvedību, veselību, ķermeņa uzbūvi utt., nevis publiskiem ierakstiem. Piemēram, skolēnu lielums un svars, studentu ceļojuma laiks, lai dotos uz skolu utt.
- Fizisks pierādījums: fiziski pierādījumi vai ieraksti norāda uz personas vai organizācijas pagātnes panākumiem naudas un mērogojamās izaugsmes izteiksmē.
Kvantitatīvie piemēri
Šeit ir daži kvantitatīvo datu piemēri, lai palīdzētu jums pilnībā saprast, uz ko tas attiecas.
- Jaunāko mobilo aplikāciju lejupielādējuši 83 cilvēki.
- Pagājušajā gadā mana tante nometa 18 mārciņas.
- Preces X cena ir 1,000 USD.
- Pasākumu apmeklēja 500 dalībnieku.
- Šogad viņai ir desmit brīvdienas.
- Ceturkšņa laikā es sešas reizes jaunināju savu tālruni.
- Pagājušajā gadā mans jauneklis izauga par 3 collām.
- Jauna produkta pievienošana palielinās ieņēmumus par 30%.
- 54% amerikāņu teica, ka viņi labprātāk iepirktos tiešsaistē, nevis tirdzniecības centrā.
- 150 respondenti teica, ka viņi nedomā, ka jaunā produkta funkcija būtu hit.
Priekšrocības
- Veikt padziļinātu izpēti: ļoti iespējams, ka pētījums būs rūpīgs, jo kvantitatīvos datus var pārbaudīt statistiski.
- Minimālā neobjektivitāte: ir gadījumi, kad personīgā neobjektivitāte veicina izpēti un rada neprecīzus rezultātus. Personisko neobjektivitāti daudz mazina kvantitatīvo datu skaitliskais aspekts.
- Rezultāti, kas ir precīzi: tā kā rezultāti bija objektīvi, tie bija diezgan precīzi.
Trūkumi
- Ierobežota informācija: tā kā kvantitatīvie dati nav aprakstoši, pētniekiem ir grūti izdarīt secinājumus tikai no savāktajiem datiem.
- Atkarīgs no jautājuma veida: jautājuma veids, ko izmanto kvantitatīvo datu vākšanai, ietekmē rezultātu novirzi. Vācot kvantitatīvos datus, izšķiroša nozīme ir pētnieka izpratnei par pētījuma mērķiem un mērķiem.
Secinājumi
Kvantitatīvie dati attiecas uz atšķirīgu domāšanu, nevis konverģentu spriešanu. Tajā aplūkots skaitliskais, loģikas un objektīvais skatījums, uzsvaru liekot uz skaitliskiem un nemainīgiem faktiem.
Vienīgais datu veids, kas spēj attēlot analītiskos secinājumus diagrammās un grafikos, ir rūpīga kvantitatīvo datu izpēte.
Datu analīze noteikti ir būtisks solis, kas, ja tā trūkst, var ne tikai apdraudēt jūsu pētījuma objektivitāti un autentiskumu, bet arī padarīt secinājumus nestabilus. Labi dati palīdzēs iegūt precīzus rezultātus.
Tāpēc neatkarīgi no metodes jūs izmantojat kvantitatīvo datu apkopošanai, lai nodrošinātu, ka informācija ir pietiekami kvalitatīva, lai sniegtu vērtīgu un noderīgu ieskatu.
Atstāj atbildi