Innehållsförteckning[Dölj][Visa]
Vi är omgivna av data, som blir mer och mer betydelsefull för varje dag. Fler och fler av våra interaktioner med miljön formas av olika former av data, inklusive vår användning av internet, bilköp, nyhetsflöden som vi tittar på och många andra saker.
Vi kommer att definiera kvantitativ data i det här inlägget, ge exempel på kvantitativ data, diskutera hur kvalitativ och kvantitativ data varierar och mycket mer.
Men låt oss först ta ett steg tillbaka.
Varje dag produceras 2.5 kvintiljoner byte med data – inklusive testresultat, kundnöjdhetspoäng och tweets. Men inte alla data är skapade lika.
En undersökning som ber dig att rangordna tjänsten, menyn, miljön och prissättningen på en skala från 1 till 10 ger andra uppgifter än en intervju som ber dig beskriva din matupplevelse.
Det är avgörande för analytiker som ofta arbetar med datamängder att skilja mellan olika former av data och förstå hur var och en kan påverka din studie.
Processen att fördjupa sig i data börjar ofta med en specifik fråga du försöker svara på, till exempel:
- Vilken inverkan har demografi på konsumentbeteende?
- Kommer en viss publik att reagera positivt på en modifiering av en produkt eller tjänst?
- Hur kan operativa flaskhalsar elimineras för att öka effektiviteten?
Du kommer att behöva samla in och utvärdera kvantitativa data, beroende på ämnets karaktär, din budget, tid och tillgängliga resurser. Jag tror du förstår, eller hur?
Låt oss börja nu.
Vad är kvantitativ data?
Varje insamling av data som kan identifieras och utvärderas kvantitativt betraktas som kvantitativ data.
Den enda sortens data som kan mätas objektivt är kvantitativ data, vilket gör den till den mest relevanta typ av data för användning i både matematik och statistik.
Det hänvisas till som värdet av data när det uttrycks som antal eller siffror, där varje datamängd har ett specifikt numeriskt värde tilldelat den.
All mätbar information som kan användas i statistiska beräkningar och beräkningar baserade på aritmetik anses vara denna typ av data eftersom den kan användas för att stödja bedömningar i den verkliga världen.
Hur många, hur ofta och hur många är några exempel på frågor den kan besvara. Matematiska metoder kan användas för att enkelt verifiera och bedöma dessa data.
Kvantitativa data som tid, längd, vikt, pris, kostnad, vinst, temperatur och avstånd är vad en dataanalytiker vanligtvis arbetar med.
Det kan uttryckas som en procentandel, en siffra, en sidladdningstid eller andra mätvärden inom produkthantering, användarupplevelsedesign eller mjukvaruutveckling.
Hur många som köpt en viss vara är ett exempel på kvantitativ data i samband med köp. Kvalitativa data om bilar kan inkludera mängden hästkrafter den har.
Vilka typer av kvantitativa data finns det?
Data som kan kvantifieras kallas kvantitativ data, men hur dessa data kvantifieras varierar beroende på vilken typ av datainsamling som finns. Kvantitativ data kan delas in i två grundläggande grupper: diskreta och kontinuerliga. De huvudsakliga variationerna mellan de två är följande:
Diskreta data
Kvantitativ information som är diskret kan bara ha ett specifikt intervall av numeriska värden. Dessa värden kan inte dekomponeras eftersom de är fasta.
Närhelst något räknas erhålls diskreta data. En persons tre barn, till exempel, skulle vara ett exempel på diskret data.
Antalet barn är satt; de kan till exempel inte få 3.2 barn.
Antalet besökare på din webbplats är ett annat exempel på diskret numerisk data; du kan få 150 besök på en dag, men inte 150.6. De vanligaste diagrammen som används för att visa diskreta data är cirkeldiagram, stapeldiagram och sammanräkningsdiagram.
Kontinuerlig data
Omvänt kan kontinuerlig data delas upp i mindre komponenter i oändlighet. Längden på ett snöre i centimeter eller temperaturen i grader Celsius är två exempel på den här typen av kvantitativa data som kan visas på en mätskala.
I huvudsak är kontinuerliga data inte begränsade till fasta värden; det kan ta vilket värde som helst. Kontinuerliga data kan också ändras över tiden; till exempel kommer rummets temperatur att ändras under dagen.
Ett linjediagram används vanligtvis för att illustrera kontinuerliga data.
Kvantitativa data vs kvalitativa data
Vi kan se att kvantitativ data kan mätas. Det handlar om belopp, värden och siffror. Denna typ av information kan anges numeriskt (dvs. mängd, varaktighet, längd, pris eller storlek).
Kvantitativ data har många trovärdigheter och ses som opartisk och pålitlig eftersom den produceras genom statistik. Det finns dock ytterligare en annan avgörande typ av data. Närmare bestämt kvalitativa data.
Denna information är i första hand beskrivande till sin natur. I de flesta fall kan det inte mätas direkt utan kan läras genom observation. Adjektiv och andra beskrivande termer används för att beskriva utseende, färg, textur och andra egenskaper i kvalitativa data.
Du kan till exempel hävda att det ena rummet är ljusare än det andra.
Den informationen är kvalitativ. För att verkligen mäta ljusstyrkan i rummet och tilldela det ett numeriskt nummer kan du också använda vetenskaplig utrustning och apparater (som en ljusmätare). Du får kvantifierbar data genom att göra det.
5 bästa metoderna för att samla in kvantitativa data
1. Sannolikhetsprovtagning
En exakt urvalsteknik som använder sig av någon form av slumpmässigt urval och gör det möjligt för forskare att göra ett sannolikhetspåstående baserat på information som samlats in slumpmässigt från den tilltänkta publiken.
Sannolikhetssampling ger forskare möjlighet att samla in data från individer som är typiska för den grupp de är intresserade av att undersöka, vilket är en av dess finaste egenskaper.
Dessutom drogs data slumpmässigt från det valda urvalet, vilket eliminerar risken för provtagningsbias.
För sannolikhetsurval finns tre huvudkategorier.
- Enkelt slumpmässigt urval: Den avsedda populationen väljs oftare ut för att vara representerad i urvalet.
- Systematiskt slumpmässigt urval: Varje medlem av den önskade populationen skulle vara representerad i urvalet, men endast den första enheten väljs slumpmässigt; de andra enheterna väljs ut som om en av tio personer på listan.
- Stratifierat slumpmässigt urval: Medan du skapar ett urval kan du välja varje enhet från en specifik undergrupp av den avsedda målgruppen. Det är användbart när forskarna är kräsna med att ta med en viss grupp människor i urvalet, till exempel bara chefer eller chefer, personer som arbetar i en viss bransch eller män eller kvinnor.
2. intervjuer
Människor intervjuas vanligtvis som en del av en datainsamlingsprocess. Intervjuerna som genomförs för att samla in kvantitativa data är dock mer organiserade, där forskarna bara ställer den föreskrivna uppsättningen frågor och inget annat.
Det finns tre huvudkategorier av intervjuer som används för att samla in data.
- Telefonintervjuer: Telefonintervjuer dominerade diagrammen över datainsamlingstekniker under många år. Men att använda internet, Skype eller annat online videokonferenser tjänster för att genomföra videointervjuer har ökat avsevärt de senaste åren.
- Personliga intervjuer: Direkt datainsamling av deltagare är en beprövad metod för att samla in information. Det hjälper till att samla in data av hög kvalitet eftersom det ger utrymme för djupgående förfrågningar och ytterligare sondering för att få omfattande och pedagogisk information. Deltagarens nivå av läskunnighet är oviktig eftersom ansikte mot ansikte (F2F) undersökningar ger många möjligheter att observera och samla in icke-verbala data eller att undersöka komplicerade och olösta ämnen. Även om det kan vara ett kostsamt och tidskrävande tillvägagångssätt, har intervjuer ansikte mot ansikte ofta högre svarsfrekvens.
- Datorstödd personlig intervju (CAPI): Det är inget annat än en inställning som kan jämföras med en intervju ansikte mot ansikte där intervjuaren har en stationär eller bärbar dator med sig för att ladda upp data som samlats in under intervjun rakt in i databasen. På grund av att intervjuaren inte behöver bära massor av pappersarbete och frågeformulär, minskar CAPI avsevärt tiden som behövs för att uppdatera och analysera data.
3. Observationer
Som namnet antyder är det en ganska enkel och okomplicerad teknik för att samla in kvantitativ data.
I detta tillvägagångssätt samlar forskare in kvantitativa data genom metodiska observationer som använder tillvägagångssätt som att räkna antalet personer som är närvarande vid en given händelse vid en viss tidpunkt och en specifik plats eller antalet individer som deltar i evenemanget på en definierad plats.
Forskarna använder ofta en naturalistisk observationsstrategi för att skaffa kvantitativ data, som kräver utmärkta observationsförmåga och sinnen för att få data som är kvantitativa bara om "vad" och inte också om "varför" och "hur."
Insamlingen av både kvalitativ och kvantitativ data sker genom naturalistisk observation. Strukturerad observation används mest för att samla in kvantitativ information snarare än kvalitativ information.
- Strukturerad observation: I motsats till naturalistisk eller deltagande observation kräver denna form av observationsmetod att forskaren gör noggranna observationer av ett eller flera specificerade beteenden i ett mer omfattande eller kontrollerat sammanhang. I en strukturerad observation begränsar forskarna sin uppmärksamhet till endast ett fåtal nyckelbeteenden av intresse snarare än att titta på allt. Det gör det möjligt för dem att sätta de beteenden de ser i siffror. Det kallas ibland för "kodning" när observationerna uppmanar observatörerna att göra en bedömning. För att göra detta måste en uppsättning målbeteenden definieras exakt.
4. Undersökningar
Onlineundersökningar gjorda med undersökningsprogram är viktiga för att samla in data online för både kvantitativ och kvalitativ forskning. Undersökningarna är skapade på ett sätt som validerar svararnas agerande och förtroende.
Majoriteten av kvantitativa undersökningar innehåller ofta checklistor och betygsskalor eftersom de gör det lättare att mäta respondenternas attityder och beteenden.
Två viktiga undersökningsstilar används för att samla information online för kvantitativ marknadsundersökning.
- Webbaserat: För internetbaserad eller onlineforskning är detta en av de mest populära och pålitliga teknikerna. När respondenten svarar på en webbaserad enkät kommer respondenten att få ett e-postmeddelande med en länk till enkäten, som när du klickar på den leder dem till en säker onlineundersökningsplattform där de kan fylla i enkäten. Forskare föredrar webbaserade undersökningar eftersom de är mer tids- och pengareffektiva, snabbare och har en större publik. Med hjälp av en stationär dator, bärbar dator, surfplatta eller mobil enhet kan respondenterna fylla i undersökningen när det passar dem och detta är den största fördelen med ett webbaserat frågeformulär.
- E-postbaserad: Undersökningen skickas till en stor del av urvalspopulationen via post, vilket gör att forskaren kan nå en mängd olika målgrupper. Det postala frågeformuläret kommer vanligtvis i ett paket med ett försättsblad som informerar publiken om vilken typ av undersökning som görs och varför, samt en förbetald retur, för att samla in data online. Även om posten har en högre churn rate än andra kvantitativa datainsamlingstekniker, inklusive incitament och påminnelser om att slutföra undersökningen hjälper det till att sänka churn raten avsevärt.
5. Dokumentationsgranskning
Efter att ha analyserat de aktuella dokumenten är dokumentgranskning en teknik som används för att samla in data. Eftersom dokument är kontrollerbara och den praktiska resursen för att få korrekta data från det förflutna, är det en effektiv och framgångsrik metod för datainsamling.
Dokumentgranskning har blivit en av de användbara teknikerna för att samla in kvantitativ forskningsdata, förutom att stärka och stödja studien genom att erbjuda kompletterande forskningsdata.
I syfte att samla in kompletterande kvantitativ forskningsdata undersöks tre huvuddokumentkategorier.
- Offentliga dokument: En organisations officiella, löpande register granskas för ytterligare utredning som en del av denna dokumentgranskning. Till exempel årsrapporter, policyguider, studentevenemang, universitetsspelaktiviteter etc.
- Personliga register: Denna typ av dokumentanalys undersöker privata rapporter om människors beteenden, beteende, hälsa, kroppsbyggnad etc. i motsats till offentliga register. Till exempel elevernas storlek och vikt, den restid eleverna tar för att gå till skolan osv.
- Fysiska bevis: Fysiska bevis eller uppgifter talar om en persons eller en organisations tidigare framgångar i form av pengar och skalbar tillväxt.
Kvantitativa exempel
Här är några exempel på kvantitativa data för att hjälpa dig att helt förstå vad detta syftar på:
- Den senaste mobilapplikationen har laddats ner av 83 personer.
- Förra året gick min moster ner 18 kilo.
- Kostnaden för artikel X är 1,000 XNUMX USD.
- Evenemanget besöktes av 500 deltagare.
- I år har hon tio helgdagar.
- På en kvart uppgraderade jag min telefon sex gånger.
- Förra året växte min unge med 3 tum.
- Tillägget av en ny produkt kommer att resultera i en ökning av intäkterna med 30 %.
- 54 % av amerikanerna sa att de hellre skulle köpa online än i ett köpcentrum.
- 150 svarande sa att de inte tror att den nya produktfunktionen skulle bli en hit.
Fördelar
- Genomför en fördjupad studie: Det är mycket troligt att forskningen kommer att bli grundlig, eftersom kvantitativa data kan undersökas statistiskt.
- Minsta partiskhet: Det finns tillfällen då personlig fördomar bidrar till forskning och orsakar felaktiga resultat. Personlig partiskhet minskar mycket av den numeriska aspekten av kvantitativ data.
- Resultat som är korrekta: Eftersom resultaten var objektiva till sin natur var de ganska korrekta.
Nackdelar
- Begränsad information: Eftersom kvantitativa data inte är beskrivande är det en utmaning för forskare att dra slutsatser endast från den data de har samlat in.
- Beror på frågetyp: Frågan som används för att samla in kvantitativa data påverkar biasen i resultaten. Vid insamling av kvantitativ data är forskarens förståelse för forskningens mål och mål avgörande.
Slutsats
Kvantitativ data handlar om divergent tänkande, inte konvergent resonemang. Den behandlar den numeriska, logiska och objektiva synvinkeln genom att lägga tonvikten på numeriska och konstanta fakta.
Den enda typen av data som kan visa analytiska slutsatser i diagram och grafer, kvantitativ dataforskning är grundlig.
Dataanalys är verkligen ett avgörande steg som, om det saknas, inte bara kan äventyra objektiviteten och äktheten av din studie utan också göra slutsatserna instabila. Bra data hjälper dig att producera korrekta resultat.
Därför, oavsett teknik, använder du för att samla in kvantitativ data, se till att informationen är av tillräckligt hög kvalitet för att ge värdefulla och användbara insikter.
Kommentera uppropet