Talaan ng nilalaman[Tago][Ipakita]
Napapaligiran tayo ng data, na nagiging mas makabuluhan araw-araw. Parami nang parami ang ating mga pakikipag-ugnayan sa kapaligiran ay hinuhubog ng iba't ibang anyo ng data, kabilang ang paggamit natin ng internet, mga pagbili ng sasakyan, mga news feed na ating tinitingnan, at marami pang iba.
Tutukuyin namin ang quantitative data sa post na ito, magbibigay ng mga instance ng quantitative data, tatalakayin kung paano nag-iiba-iba ang qualitative at quantitative data, at marami pang iba.
Ngunit tumalikod muna tayo.
Araw-araw, 2.5 quintillion bytes ng data—kabilang ang mga resulta ng pagsubok, mga marka ng kasiyahan ng customer, at tweet—ang ginagawa. Ngunit hindi lahat ng piraso ng data ay nilikhang pantay.
Ang isang poll na humihiling sa iyo na i-rank ang serbisyo, menu, kapaligiran, at pagpepresyo sa sukat na 1 hanggang 10 ay gumagawa ng ibang data kaysa sa isang panayam na humihiling sa iyo na ilarawan ang iyong karanasan sa kainan.
Napakahalaga para sa mga analyst na madalas na nagtatrabaho sa mga set ng data na makilala sa pagitan ng iba't ibang anyo ng data at maunawaan kung paano makakaapekto ang bawat isa sa iyong pag-aaral.
Ang proseso ng paghahanap ng data ay madalas na nagsisimula sa isang partikular na tanong na sinusubukan mong sagutin, gaya ng:
- Ano ang epekto ng demograpiko sa pag-uugali ng consumer?
- Makatugon ba ang isang partikular na madla sa isang pagbabago sa isang produkto o serbisyo?
- Paano maaalis ang mga bottleneck sa pagpapatakbo upang mapataas ang kahusayan?
Kakailanganin mong mangalap at suriin ang dami ng data, depende sa uri ng paksa, iyong badyet, oras, at naa-access na mga mapagkukunan. I think naiintindihan mo naman diba?
Magsimula tayo ngayon.
Ano ang Quantitative Data?
Anumang koleksyon ng data na maaaring matukoy at masuri sa dami ay itinuturing na quantitative data.
Ang tanging uri ng data na masusukat nang objectively ay quantitative data, na ginagawa itong pinakamahalaga uri ng data para magamit sa parehong matematika at istatistika.
Ito ay tinutukoy bilang ang halaga ng data kapag ito ay ipinahayag bilang mga bilang o mga numero, kung saan ang bawat set ng data ay may partikular na numerical na halaga na nakatalaga dito.
Anumang masusukat na impormasyon na maaaring magamit sa mga istatistikal na kalkulasyon at kalkulasyon batay sa arithmetic ay itinuturing na ganitong uri ng data dahil magagamit ito upang suportahan ang mga paghatol sa totoong mundo.
Ilan, gaano kadalas, at ilan ang ilang halimbawa ng mga query na masasagot nito. Maaaring gamitin ang mga pamamaraan sa matematika upang madaling ma-verify at masuri ang data na ito.
Ang dami ng data tulad ng oras, taas, timbang, presyo, gastos, tubo, temperatura, at distansya ang karaniwang ginagamit ng isang data analyst.
Maaari itong ipahayag bilang porsyento, numero, oras ng pag-load ng page, o iba pang sukatan sa mga larangan ng pamamahala ng produkto, disenyo ng karanasan ng user, o software engineering.
Ilang tao ang bumili ng isang partikular na item ay isang halimbawa ng dami ng data sa konteksto ng pagbili. Maaaring kabilang sa qualitative data sa mga sasakyan ang dami ng horsepower na taglay nito.
Ano ang mga uri ng Quantitative Data?
Ang data na maaaring ma-quantify ay tinutukoy bilang quantitative data, gayunpaman, kung paano na-quantify ang data na iyon ay nag-iiba depende sa uri ng pagkolekta ng data sa kamay. Ang dami ng data ay maaaring nahahati sa dalawang pangunahing grupo: discrete at tuloy-tuloy. Ang mga pangunahing pagkakaiba-iba sa pagitan ng dalawa ay ang mga sumusunod:
Hiwalay na Data
Ang dami ng impormasyon na discrete ay maaari lamang magkaroon ng partikular na hanay ng mga numeric na halaga. Ang mga halagang ito ay hindi maaaring mabulok dahil ang mga ito ay naayos na.
Sa tuwing binibilang ang anumang bagay, nakukuha ang discrete data. Ang tatlong anak ng isang tao, halimbawa, ay magiging isang halimbawa ng discrete data.
Ang bilang ng mga bata ay nakatakda; hindi sila maaaring, halimbawa, magkaroon ng 3.2 anak.
Ang dami ng mga bisita sa iyong website ay isa pang halimbawa ng discrete numeric data; maaari kang makatanggap ng 150 pagbisita sa isang araw, ngunit hindi 150.6. Ang pinakakaraniwang mga chart na ginagamit upang magpakita ng discrete data ay mga pie chart, bar chart, at tally chart.
Tuloy-tuloy na Data
Sa kabaligtaran, ang tuluy-tuloy na data ay maaaring hatiin nang walang katiyakan sa mas maliliit na bahagi. Ang haba ng isang piraso ng string sa sentimetro o ang temperatura sa degrees Celsius ay dalawang halimbawa ng ganitong uri ng quantitative data na maaaring ipakita sa isang sukatan ng pagsukat.
Sa esensya, ang tuluy-tuloy na data ay hindi pinipigilan sa mga nakapirming halaga; maaari itong tumagal ng anumang halaga. Ang patuloy na data ay maaari ding magbago sa paglipas ng panahon; halimbawa, magbabago ang temperatura ng silid sa araw.
Ang isang line graph ay karaniwang ginagamit upang ilarawan ang tuluy-tuloy na data.
Dami ng Data Kumpara sa Kwalitatibong Data
Makikita natin na masusukat ang quantitative data. Tinatalakay nito ang mga halaga, halaga, at numero. Ang ganitong uri ng impormasyon ay maaaring sabihin ayon sa numero (ibig sabihin, halaga, tagal, haba, presyo, o laki).
Ang dami ng data ay may maraming mga kredibilidad at nakikita bilang walang kinikilingan at maaasahan dahil ito ay ginawa sa pamamagitan ng mga istatistika. Gayunpaman, may isa pang mahalagang uri ng data. Sa partikular, data ng husay.
Pangunahing mapaglarawan ang impormasyong ito. Sa karamihan ng mga kaso, hindi ito direktang masusukat ngunit maaaring matutunan sa pamamagitan ng pagmamasid. Ginagamit ang mga adjectives at iba pang mapaglarawang termino upang ilarawan ang hitsura, kulay, texture, at iba pang katangian sa qualitative data.
Halimbawa, maaari kang magtaltalan na ang isang silid ay mas maliwanag kaysa sa isa.
Ang impormasyong iyon ay husay. Upang talagang sukatin ang liwanag sa silid at italaga ito ng isang numerical na numero, maaari ka ring gumamit ng siyentipikong kagamitan at apparatus (tulad ng light meter). Makakakuha ka ng quantifiable data sa pamamagitan ng paggawa nito.
5 Pinakamahusay na Paraan sa Pagkolekta ng Dami ng Data
1. Probability Sampling
Isang tumpak na sampling technique na gumagamit ng ilang uri ng random na pagpili at nagbibigay-daan sa mga mananaliksik na gumawa ng probability claim batay sa impormasyong random na nakalap mula sa nilalayong audience.
Ang probability sampling ay nag-aalok sa mga mananaliksik ng pagkakataong mangolekta ng data mula sa mga indibidwal na karaniwan sa pangkat na interesado silang imbestigahan, na isa sa pinakamagagandang tampok nito.
Bilang karagdagan, ang data ay random na iginuhit mula sa napiling sample, na nag-aalis ng pagkakataon ng sampling bias.
Para sa probability sampling, mayroong tatlong pangunahing kategorya.
- Simple random sampling: Ang nilalayong populasyon ay mas madalas na pinipili upang katawanin sa sample.
- Systematic random sampling: Ang sinumang miyembro ng gustong populasyon ay kakatawanin sa sample, ngunit ang unang yunit lamang ang pinipili nang random; ang iba pang mga yunit ay pinipili na parang isa sa sampung tao sa listahan.
- Stratified random sampling: Habang gumagawa ng sample, nagbibigay-daan sa pagpili ng bawat unit mula sa isang partikular na subset ng nilalayong audience. Nakatutulong kapag ang mga mananaliksik ay mapili sa pagsasama ng isang partikular na grupo ng mga tao sa sample, gaya ng mga manager o executive lang, mga taong nagtatrabaho sa isang partikular na industriya, o mga lalaki o babae.
2. Panayam
Karaniwang kinakapanayam ang mga tao bilang bahagi ng proseso ng pagkolekta ng data. Ang mga panayam, gayunpaman, na isinasagawa upang mangalap ng dami ng data ay mas organisado, na ang mga mananaliksik ay nagtatanong lamang ng mga iniresetang hanay ng mga katanungan at wala nang iba pa.
May tatlong pangunahing kategorya ng mga panayam na ginagamit sa pangangalap ng datos.
- Mga panayam sa telepono: Nangibabaw ang mga panayam sa telepono sa mga tsart ng mga diskarte sa pangangalap ng data sa loob ng maraming taon. Ngunit ang paggamit ng internet, Skype, o iba pang online video conferencing ang mga serbisyo upang magsagawa ng mga panayam sa video ay tumaas nang malaki sa mga nakaraang taon.
- Mga panayam sa tao: Ang direktang pangongolekta ng data ng kalahok ay isang sinubukan-at-totoong paraan ng pangangalap ng impormasyon. Nakakatulong ito sa pangangalap ng mataas na kalidad na data dahil nagbibigay ito ng puwang para sa malalim na mga katanungan at karagdagang pagsisiyasat upang makakuha ng komprehensibo at pang-edukasyon na impormasyon. Ang antas ng literacy ng kalahok ay hindi mahalaga dahil ang face-to-face (F2F) na mga survey ay nagbibigay ng maraming posibilidad na mag-obserba at mangalap ng di-berbal na data o mag-imbestiga ng mga kumplikado at hindi nalutas na mga paksa. Bagama't maaaring ito ay isang magastos at nakakaubos ng oras na diskarte, ang mga harapang panayam ay madalas na may mas mataas na mga rate ng pagtugon.
- Computer-Assisted Personal Interviewing (CAPI): Ito ay hindi hihigit sa isang setting na maihahambing sa isang face-to-face na panayam kung saan ang tagapanayam ay may desktop o laptop na kasama niya upang i-upload ang data na nakolekta sa panahon ng pakikipanayam diretso sa database. Dahil sa hindi kinakailangang magdala ng isang toneladang papeles at mga talatanungan ang tagapanayam, makabuluhang binabawasan ng CAPI ang oras na kinakailangan upang i-update at pag-aralan ang data.
3. Obserbasyon
Tulad ng ipinahihiwatig ng pangalan, ito ay isang medyo madali at hindi kumplikadong pamamaraan para sa pangangalap ng dami ng data.
Sa pamamaraang ito, ang mga mananaliksik ay kumukuha ng dami ng data sa pamamagitan ng mga pamamaraang obserbasyon na gumagamit ng mga diskarte tulad ng pagbibilang ng bilang ng mga taong naroroon sa isang partikular na kaganapan sa isang partikular na oras at isang partikular na lugar o ang bilang ng mga indibidwal na dumalo sa kaganapan sa isang tinukoy na lugar.
Ang mga mananaliksik ay madalas na gumagamit ng isang naturalistic na diskarte sa pagmamasid upang makakuha ng dami ng data, na nangangailangan ng mahusay na mga kakayahan at pandama sa pagmamasid upang makakuha ng data na dami lamang tungkol sa "ano" at hindi rin tungkol sa "bakit" at "paano."
Ang koleksyon ng parehong qualitative at quantitative data ay ginagawa sa pamamagitan ng naturalistic observation. Ang structured observation ay kadalasang ginagamit upang mangalap ng quantitative na impormasyon sa halip na qualitative na impormasyon, bagaman.
- Structured observation: Sa kaibahan sa naturalistic o participant observation, ang form na ito ng observation method ay nangangailangan ng researcher na magsagawa ng masusing obserbasyon ng isa o higit pang partikular na pag-uugali sa isang mas malawak o kontroladong konteksto. Sa isang nakabalangkas na obserbasyon, pinaliit ng mga mananaliksik ang kanilang pansin sa ilang pangunahing pag-uugali ng interes sa halip na panoorin ang lahat. Ito ay nagbibigay-daan sa kanila na ilagay ang mga pag-uugali na kanilang nakikita sa mga numero. Minsan ito ay tinutukoy bilang "coding" kapag ang mga obserbasyon ay tumawag para sa mga tagamasid na gumawa ng paghatol. Upang magawa ito, dapat na tiyak na tukuyin ang isang hanay ng mga target na gawi.
4. Pagsusuri
Ang mga online na survey na ginawa gamit ang software ng survey ay mahalaga para sa pangangalap ng data online para sa parehong quantitative at qualitative na pananaliksik. Ang mga survey ay ginawa sa paraang nagpapatunay sa mga aksyon at kumpiyansa ng mga tumutugon.
Ang karamihan sa mga quantitative survey ay kadalasang kinabibilangan ng mga checklist at rating scale item dahil pinapadali ng mga ito ang pagsukat ng mga saloobin at pag-uugali ng mga respondent.
Dalawang mahalagang istilo ng survey ang ginagamit upang mangalap ng impormasyon online para sa quantitative market research.
- Web-based: Para sa internet-based o online na pananaliksik, isa ito sa pinakasikat at maaasahang mga diskarte. Kapag tumugon sa isang web-based na survey, ang respondent ay makakatanggap ng email na may link sa survey, na kapag na-click ay magdadala sa kanila sa isang secure na online survey platform kung saan nila makumpleto ang survey. Pinapaboran ng mga mananaliksik ang mga web-based na survey dahil mas mahusay ang oras at pera, mas mabilis, at may mas malaking audience. Gamit ang desktop, laptop, tablet, o mobile device, malayang kumpletuhin ng mga respondent ang survey sa tuwing maginhawa para sa kanila at ito ang pangunahing bentahe ng isang web-based na questionnaire.
- Batay sa mail: Ang survey ay ipinapadala sa isang malaking bahagi ng sample na populasyon sa pamamagitan ng koreo, na nagpapahintulot sa mananaliksik na maabot ang iba't ibang mga madla. Ang postal questionnaire ay kadalasang nasa isang packet na may cover page na nagpapaalam sa audience tungkol sa uri ng pag-aaral na ginagawa at kung bakit, pati na rin ang pre-paid return, upang mangalap ng data online. Kahit na ang mail ay may mas mataas na churn rate kaysa sa iba pang quantitative data collecting techniques, kabilang ang mga insentibo at paalala para tapusin ang survey ay nakakatulong na makabuluhang mapababa ang churn rate.
5. Pagsusuri ng Dokumentasyon
Pagkatapos pag-aralan ang kasalukuyang mga papeles, ang pagsusuri ng dokumento ay isang pamamaraan na ginagamit sa pangangalap ng datos. Dahil ang mga dokumento ay nakokontrol at ang praktikal na mapagkukunan upang makakuha ng tumpak na data mula sa nakaraan, ito ay isang mahusay at matagumpay na paraan ng pagkolekta ng data.
Ang pagsusuri sa dokumento ay naging isa sa mga kapaki-pakinabang na pamamaraan para sa pangangalap ng dami ng data ng pananaliksik, bilang karagdagan sa pagpapatibay at pagsuporta sa pag-aaral sa pamamagitan ng pag-aalok ng karagdagang data ng pananaliksik.
Para sa layunin ng pangangalap ng karagdagang dami ng data ng pananaliksik, tatlong pangunahing kategorya ng dokumento ang sinusuri.
- Mga pampublikong dokumento: Ang opisyal, patuloy na mga rekord ng isang organisasyon ay sinusuri para sa karagdagang pagsisiyasat bilang bahagi ng pagsusuri ng dokumentong ito. Halimbawa, mga taunang ulat, gabay sa patakaran, mga kaganapan ng mag-aaral, mga aktibidad sa laro sa unibersidad, atbp.
- Mga Personal na Tala: Sinusuri ng ganitong uri ng pagsusuri ng dokumento ang mga pribadong ulat ng mga pag-uugali, pag-uugali, kalusugan, pangangatawan, atbp ng mga tao kumpara sa mga pampublikong talaan. Halimbawa, ang laki at bigat ng mga mag-aaral, ang oras ng paglalakbay ng mga mag-aaral upang pumasok sa paaralan, atbp.
- Pisikal na Katibayan: Ang pisikal na patunay o mga tala ay nagsasalita sa mga nakaraang tagumpay ng isang tao o isang organisasyon sa mga tuntunin ng pera at nasusukat na paglago.
Mga Halimbawang Dami
Narito ang ilang pagkakataon ng quantitative data upang matulungan kang lubos na maunawaan kung ano ang tinutukoy nito:
- Ang pinakabagong mobile application ay na-download ng 83 indibidwal.
- Noong nakaraang taon, bumaba ng 18 pounds ang tiyahin ko.
- Ang halaga ng item X ay $1,000.
- Ang kaganapan ay dinaluhan ng 500 kalahok.
- Ngayong taon, mayroon siyang sampung bakasyon.
- Sa isang quarter, anim na beses kong na-upgrade ang aking telepono.
- Noong nakaraang taon, lumaki ang aking anak ng 3 pulgada.
- Ang pagdaragdag ng isang bagong produkto ay magreresulta sa 30% na pagtaas sa kita.
- 54 % ng mga Amerikano ang nagsabing mas gugustuhin nilang bumili online kaysa sa isang mall.
- Sinabi ng 150 respondent na hindi nila iniisip na magiging hit ang bagong feature ng produkto.
Bentahe
- Magsagawa ng malalim na pag-aaral: Malaki ang posibilidad na ang pananaliksik ay magiging masinsinan, dahil ang quantitative data ay maaaring suriin ayon sa istatistika.
- Minimum bias: May mga pagkakataon na ang personal na bias ay nag-aambag sa pananaliksik at nagiging sanhi ng mga hindi tumpak na resulta. Ang personal na pagkiling ay lubhang nababawasan ng numerical na aspeto ng quantitative data.
- Mga resulta na tumpak: Dahil ang mga resulta ay layunin sa kalikasan, ang mga ito ay medyo tumpak.
Mga Disbentaha
- Pinaghihigpitang impormasyon: Dahil ang dami ng data ay hindi naglalarawan, mahirap para sa mga mananaliksik na gumawa lamang ng mga konklusyon mula sa data na kanilang nakalap.
- Depende sa uri ng tanong: Ang uri ng tanong na ginamit upang mangalap ng dami ng data ay nakakaapekto sa bias sa mga resulta. Habang nangangalap ng quantitative data, ang pag-unawa ng mananaliksik sa mga layunin at layunin ng pananaliksik ay napakahalaga.
Konklusyon
Ang quantitative data ay tungkol sa divergent na pag-iisip, hindi convergent na pangangatwiran. Ito ay tumatalakay sa numerical, lohika, at layunin na pananaw sa pamamagitan ng paglalagay ng diin sa numerical at pare-parehong mga katotohanan.
Ang tanging uri ng data na may kakayahang magpakita ng mga analytical na konklusyon sa mga chart at graph, ang quantitative data research ay masinsinan.
Ang pagsusuri ng data ay tiyak na isang mahalagang hakbang na, kung kulang, ay hindi lamang maaaring ikompromiso ang kawalang-kinikilingan at pagiging tunay ng iyong pag-aaral ngunit gagawin ding hindi matatag ang mga konklusyon. Tutulungan ka ng magandang data na makagawa ng mga tumpak na resulta.
Samakatuwid, anuman ang pamamaraan, ginagamit mo upang mangalap ng dami ng data, siguraduhin na ang impormasyon ay may sapat na mataas na kalidad upang magbunga ng mahalaga at kapaki-pakinabang na mga insight.
Mag-iwan ng Sagot