Kazalo[Skrij][Pokaži]
Obkroženi smo s podatki, ki jih je vsak dan več. Vse več naših interakcij z okoljem oblikujejo različne oblike podatkov, vključno z našo uporabo interneta, nakupi avtomobilov, viri novic, ki si jih ogledujemo, in številnimi drugimi stvarmi.
V tej objavi bomo opredelili kvantitativne podatke, navedli primere kvantitativnih podatkov, razpravljali o tem, kako se kvalitativni in kvantitativni podatki razlikujejo, in še veliko več.
Toda najprej stopimo korak nazaj.
Vsak dan se ustvari 2.5 kvintiljona bajtov podatkov – vključno z rezultati testov, ocenami zadovoljstva strank in tviti. Vendar niso vsi podatki ustvarjeni enaki.
Anketa, v kateri vas prosimo, da storitev, jedilnik, okolje in ceno ocenite na lestvici od 1 do 10, daje drugačne podatke kot intervju, v katerem vas prosimo, da opišete svojo izkušnjo obedovanja.
Za analitike, ki pogosto delajo z nizi podatkov, je ključnega pomena, da razlikujejo med različnimi oblikami podatkov in razumejo, kako lahko vsaka vpliva na vašo študijo.
Postopek poglabljanja v podatke se pogosto začne z določenim vprašanjem, na katerega poskušate odgovoriti, na primer:
- Kakšen vpliv ima demografija na vedenje potrošnikov?
- Ali se bo določeno občinstvo pozitivno odzvalo na spremembo izdelka ali storitve?
- Kako odpraviti operativna ozka grla za povečanje učinkovitosti?
Zbrati in ovrednotiti boste morali kvantitativne podatke, odvisno od narave predmeta, vašega proračuna, časa in dostopnih virov. Mislim, da razumeš, kajne?
Začnimo zdaj.
Kaj so kvantitativni podatki?
Vsaka zbirka podatkov, ki jo je mogoče identificirati in kvantitativno ovrednotiti, se šteje za kvantitativne podatke.
Edina vrsta podatkov, ki jih je mogoče objektivno izmeriti, so kvantitativni podatki, zaradi česar so najbolj primerni vrsta podatkov za uporabo v matematiki in statistiki.
Imenuje se kot vrednost podatkov, kadar je izražen kot štetje ali števila, pri čemer ima vsak niz podatkov določeno številčno vrednost.
Vse merljive informacije, ki jih je mogoče uporabiti v statističnih izračunih in izračunih, ki temeljijo na aritmetiki, se štejejo za to vrsto podatkov, saj jih je mogoče uporabiti za podporo presojam v resničnem svetu.
Koliko, kako pogosto in koliko je nekaj primerov poizvedb, na katere lahko odgovori. Za enostavno preverjanje in oceno teh podatkov je mogoče uporabiti matematične metode.
Kvantitativni podatki, kot so čas, višina, teža, cena, stroški, dobiček, temperatura in razdalja, so tisto, s čimer podatkovni analitik običajno dela.
Lahko se izrazi kot odstotek, število, čas nalaganja strani ali druge metrike na področju upravljanja izdelkov, oblikovanja uporabniške izkušnje ali programskega inženiringa.
Koliko ljudi je kupilo določen artikel, je primer kvantitativnih podatkov v kontekstu nakupa. Kvalitativni podatki o avtomobilih bi lahko vključevali količino konjskih moči, ki jih imajo.
Katere so vrste kvantitativnih podatkov?
Podatki, ki jih je mogoče količinsko opredeliti, se imenujejo kvantitativni podatki, vendar se način, kako so ti podatki kvantificirani, razlikuje glede na vrsto zbiranja podatkov. Kvantitativne podatke lahko razdelimo v dve osnovni skupini: diskretne in kontinuirane. Glavne razlike med obema so naslednje:
Diskretni podatki
Kvantitativne informacije, ki so diskretne, imajo lahko samo določen obseg številskih vrednosti. Teh vrednosti ni mogoče razstaviti, ker so fiksne.
Kadarkoli se karkoli šteje, se pridobijo diskretni podatki. Trije otroci osebe bi bili na primer primer diskretnih podatkov.
Število otrok je določeno; ne morejo imeti npr. 3.2 otroka.
Število obiskovalcev vašega spletnega mesta je še en primer diskretnih numeričnih podatkov; lahko prejmete 150 obiskov na dan, ne pa 150.6. Najpogostejši grafikoni, ki se uporabljajo za prikaz diskretnih podatkov, so tortni grafikoni, palični grafikoni in diagrami seštevka.
Neprekinjeni podatki
In obratno, neprekinjene podatke je mogoče neomejeno razdeliti na manjše komponente. Dolžina kosa vrvice v centimetrih ali temperatura v stopinjah Celzija sta dva primera tovrstnih kvantitativnih podatkov, ki jih je mogoče prikazati na merilni lestvici.
V bistvu neprekinjeni podatki niso omejeni na fiksne vrednosti; ima lahko katero koli vrednost. Neprekinjeni podatki se lahko sčasoma tudi spreminjajo; sobna temperatura se bo na primer čez dan spremenila.
Linijski graf se običajno uporablja za ponazoritev zveznih podatkov.
Kvantitativni podatki v primerjavi s kvalitativnimi podatki
Vidimo lahko, da je kvantitativne podatke mogoče izmeriti. Ukvarja se z zneski, vrednostmi in številkami. To vrsto informacij je mogoče navesti številčno (tj. znesek, trajanje, dolžina, cena ali velikost).
Kvantitativni podatki so zelo verodostojni in veljajo za nepristranske in zanesljive, ker so pridobljeni s statistiko. Vendar pa obstaja še ena ključna vrsta podatkov. Natančneje, kvalitativni podatki.
Te informacije so predvsem opisne narave. V večini primerov ga ni mogoče neposredno izmeriti, lahko pa se ga naučimo z opazovanjem. Pridevniki in drugi opisni izrazi se uporabljajo za opisovanje videza, barve, teksture in drugih lastnosti v kvalitativnih podatkih.
Lahko bi na primer trdili, da je ena soba svetlejša od druge.
Ta informacija je kvalitativna. Če želite resnično izmeriti svetlost v prostoru in ji dodeliti številčno številko, lahko uporabite tudi znanstveno opremo in naprave (kot je svetlomer). S tem pridobite merljive podatke.
5 najboljših metod za zbiranje kvantitativnih podatkov
1. Vzorčenje verjetnosti
Natančna tehnika vzorčenja, ki uporablja nekakšno naključno izbiro in raziskovalcem omogoča, da podajo trditev o verjetnosti na podlagi informacij, naključno zbranih od ciljne publike.
Verjetnostno vzorčenje ponuja raziskovalcem možnost zbiranja podatkov od posameznikov, ki so značilni za skupino, ki jo zanimajo, kar je ena njegovih najboljših lastnosti.
Poleg tega so bili podatki naključno črpani iz izbranega vzorca, kar odpravlja možnost pristranskosti vzorčenja.
Za verjetnostno vzorčenje obstajajo tri glavne kategorije.
- Preprosto naključno vzorčenje: predvidena populacija je pogosteje izbrana za zastopanost v vzorcu.
- Sistematično naključno vzorčenje: v vzorcu bi bil zastopan kateri koli član želene populacije, vendar je naključno izbrana le prva enota; druge enote so izbrane kot ena od desetih oseb na seznamu.
- Stratificirano naključno vzorčenje: med ustvarjanjem vzorca omogoča izbiro vsake enote iz določene podmnožice ciljne publike. Koristno je, če so raziskovalci izbirčni glede vključitve določene skupine ljudi v vzorec, kot so samo menedžerji ali vodilni delavci, ljudje, ki delajo v določeni industriji, ali moški ali ženske.
2. Intervjuji
Ljudje se običajno anketirajo kot del postopka zbiranja podatkov. Intervjuji, ki se izvajajo za zbiranje kvantitativnih podatkov, pa so bolj organizirani, saj raziskovalci postavljajo le predpisan nabor vprašanj in nič drugega.
Obstajajo tri glavne kategorije intervjujev, ki se uporabljajo za zbiranje podatkov.
- Telefonski intervjuji: Telefonski intervjuji so dolga leta prevladovali na lestvicah tehnik zbiranja podatkov. Vendar z uporabo interneta, Skypea ali drugega spleta video konferenca storitev za izvajanje video intervjujev se je v zadnjih letih močno povečalo.
- Osebni razgovori: zbiranje podatkov o neposrednih udeležencih je preizkušena metoda zbiranja informacij. Pomaga pri zbiranju visokokakovostnih podatkov, saj daje prostor za poglobljena poizvedovanja in dodatna sondiranja za pridobitev celovitih in izobraževalnih informacij. Stopnja pismenosti udeleženca ni pomembna, saj ankete iz oči v oči (F2F) ponujajo veliko možnosti za opazovanje in zbiranje neverbalnih podatkov ali za raziskovanje zapletenih in nerešenih tem. Čeprav je to lahko drag in dolgotrajen pristop, imajo osebni razgovori pogosto več odzivov.
- Računalniško podprto osebno anketiranje (CAPI): To ni nič drugega kot nastavitev, ki je primerljiva z intervjujem iz oči v oči, kjer ima spraševalec pri sebi namizni ali prenosni računalnik, da naloži podatke, zbrane med intervjujem, naravnost v bazo podatkov. Ker anketarju ni treba nositi tone papirologije in vprašalnikov, CAPI bistveno skrajša čas, potreben za posodobitev in analizo podatkov.
3. Opažanja
Kot že ime pove, je to precej enostavna in nezapletena tehnika za zbiranje kvantitativnih podatkov.
Pri tem pristopu raziskovalci zbirajo kvantitativne podatke z metodičnim opazovanjem z uporabo pristopov, kot je štetje števila oseb, prisotnih na določenem dogodku ob določenem času in na določenem kraju, ali število posameznikov, ki se udeležijo dogodka na določenem mestu.
Raziskovalci pogosto uporabljajo naravoslovno strategijo opazovanja za pridobivanje kvantitativnih podatkov, kar zahteva odlične opazovalne sposobnosti in čute, da bi dobili podatke, ki so kvantitativni le o "kaj" in ne tudi o "zakaj" in "kako".
Zbiranje kvalitativnih in kvantitativnih podatkov poteka z naravoslovnim opazovanjem. Strukturirano opazovanje pa se večinoma uporablja za zbiranje kvantitativnih in ne kvalitativnih informacij.
- Strukturirano opazovanje: V nasprotju z naravoslovnim opazovanjem ali opazovanjem s sodelovanjem ta oblika metode opazovanja od raziskovalca zahteva, da opravi temeljita opazovanja enega ali več določenih vedenj v obsežnejšem ali nadzorovanem kontekstu. Pri strukturiranem opazovanju raziskovalci svojo pozornost zožijo le na nekaj ključnih zanimivih vedenj, namesto da bi opazovali vse. Omogoča jim, da vedenje, ki ga vidijo, pretvorijo v številke. Včasih se imenuje "kodiranje", ko opazovanja zahtevajo, da opazovalci podajo presojo. Za to je treba natančno definirati nabor ciljnih vedenj.
4. Ankete
Spletne ankete, izdelane s programsko opremo za ankete, so bistvenega pomena za zbiranje podatkov na spletu tako za kvantitativne kot kvalitativne raziskave. Ankete so ustvarjene na način, ki potrjuje dejanja in zaupanje anketirancev.
Večina kvantitativnih raziskav pogosto vključuje kontrolne sezname in elemente ocenjevalne lestvice, ker olajšajo merjenje odnosa in vedenja anketirancev.
Za zbiranje informacij na spletu za kvantitativno tržno raziskavo se uporabljata dva pomembna stila anketiranja.
- Spletno: Za internetne ali spletne raziskave je to ena najbolj priljubljenih in zanesljivih tehnik. Pri odgovarjanju na spletno anketo bo anketiranec prejel e-poštno sporočilo s povezavo do ankete, ki ga ob kliku pripelje do varne spletne anketne platforme, kjer lahko izpolni anketo. Raziskovalci dajejo prednost spletnim anketam, ker so bolj časovno in denarno učinkovite, hitrejše in imajo večje občinstvo. S pomočjo namizja, prenosnika, tablice ali mobilne naprave lahko anketiranci izpolnijo anketo, kadar koli jim ustreza, in to je glavna prednost spletnega vprašalnika.
- Po pošti: Anketa je poslana velikemu delu vzorčne populacije po pošti, kar raziskovalcu omogoča, da doseže različne ciljne skupine. Poštni vprašalnik običajno pride v paketu z naslovno stranjo, ki občinstvo obvešča o vrsti študije, ki se izvaja in zakaj, ter vnaprej plačano vračilo za zbiranje podatkov na spletu. Tudi če ima pošta večjo stopnjo odliva od drugih kvantitativnih tehnik zbiranja podatkov, vključno s spodbudami in opomniki za dokončanje ankete pomaga znatno znižati stopnjo odliva.
5. Pregled dokumentacije
Po analizi trenutnih dokumentov je pregled dokumentov tehnika, ki se uporablja za zbiranje podatkov. Ker je dokumente mogoče nadzorovati in je praktičen vir za pridobivanje točnih podatkov iz preteklosti, je to učinkovita in uspešna metoda zbiranja podatkov.
Pregledovanje dokumentov je postalo ena od uporabnih tehnik za zbiranje kvantitativnih raziskovalnih podatkov, poleg tega, da krepi in podpira študijo s ponudbo dodatnih raziskovalnih podatkov.
Za namen zbiranja dopolnilnih kvantitativnih raziskovalnih podatkov se preučujejo tri glavne kategorije dokumentov.
- Javni dokumenti: Uradne, stalne evidence organizacije se pregledajo za dodatno preiskavo kot del tega pregleda dokumentov. Na primer letna poročila, vodniki po politikah, študentski dogodki, univerzitetne igre itd.
- Osebni zapisi: Ta vrsta analize dokumentov proučuje zasebna poročila o vedenju, obnašanju, zdravju, fizičnem stanju itd. v nasprotju z javnimi zapisi. Na primer velikost in teža učencev, čas potovanja učencev v šolo itd.
- Fizični dokaz: Fizični dokaz ali zapisi govorijo o preteklih uspehih osebe ali organizacije v smislu denarja in razširljive rasti.
Kvantitativni primeri
Tukaj je nekaj primerov kvantitativnih podatkov, ki vam bodo pomagali v celoti razumeti, na kaj se to nanaša:
- Najnovejšo mobilno aplikacijo si je naložilo 83 posameznikov.
- Lansko leto je moja teta izgubila 18 funtov.
- Cena artikla X je 1,000 USD.
- Dogodka se je udeležilo 500 udeležencev.
- Letos ima deset počitnic.
- V četrtletju sem šestkrat nadgradil svoj telefon.
- Lani je moj mladič zrasel za 3 cm.
- Dodatek novega izdelka bo povzročil 30-odstotno rast prihodkov.
- 54 % Američanov je dejalo, da bi raje kupovali prek spleta kot v nakupovalnem središču.
- 150 anketirancev je dejalo, da menijo, da funkcija novega izdelka ne bi bila hit.
prednosti
- Izvedite poglobljeno študijo: Zelo verjetno je, da bo raziskava temeljita, saj je kvantitativne podatke mogoče statistično pregledati.
- Minimalna pristranskost: včasih osebna pristranskost prispeva k raziskavam in povzroča netočne rezultate. Osebno pristranskost močno zmanjša numerični vidik kvantitativnih podatkov.
- Rezultati, ki so točni: Ker so bili rezultati objektivne narave, so bili precej točni.
Slabosti
- Omejene informacije: Ker kvantitativni podatki niso opisni, je za raziskovalce izziv sklepati le na podlagi podatkov, ki so jih zbrali.
- Odvisno od vrste vprašanja: Vrsta vprašanja, ki se uporablja za zbiranje kvantitativnih podatkov, vpliva na pristranskost rezultatov. Pri zbiranju kvantitativnih podatkov je ključnega pomena raziskovalčevo razumevanje ciljev in ciljev raziskave.
zaključek
Pri kvantitativnih podatkih gre za divergentno razmišljanje, ne za konvergentno sklepanje. Ukvarja se z numeričnim, logičnim in objektivnim vidikom s poudarkom na numeričnih in stalnih dejstvih.
Edina vrsta podatkov, ki je sposobna prikazati analitične zaključke v grafikonih in grafih, je kvantitativna raziskava podatkov, ki je temeljita.
Analiza podatkov je zagotovo ključen korak, ki lahko, če je manjka, ne le ogrozi objektivnost in avtentičnost vaše študije, ampak tudi naredi zaključke nestabilne. Dobri podatki vam bodo pomagali doseči natančne rezultate.
Zato ne glede na tehniko, ki jo uporabljate za zbiranje kvantitativnih podatkov, poskrbite, da bodo informacije dovolj visoke kakovosti, da bodo prinesle dragocene in uporabne vpoglede.
Pustite Odgovori