Big-guide по качественным и количественным данным. Что и где мы используем в анализе?

Как вы поняли из названия этой статьи и из общей структуры моего блога (особенно те, кто регулярно меня читает), я люблю работать с данными и обращаю на них значительное внимание при анализе рынка и конечно анализе бизнеса своих клиентов. Сегодня хочу поворошить тему качественных и количественных данных, их видов и сферы применения.

Чуть не забыла, что еще здесь до конца декабря можно получить free-консультацию по стратегическому маркетингу.

Анализ данных обычно представляется обширным, сложным и занимает долгое время.

Но если мы сделаем шаг назад и попытаемся упростить весь этот процесс, то увидим, что всё сводится к двум типам данных: качественным и количественным данным. Основное различие между ними заключается в том, что количественные данные поддаются измерению, а качественные — описанию.

Прежде чем анализировать данные с помощью программ для статистического анализа, важно понять ключевые различия между качественными и количественными данными.

Количественные данные можно подсчитать, измерить и выразить с помощью числовых значений. Качественные данные являются описательными и концептуальными. Качественные данные можно классифицировать по признакам и характеристикам.

Ключевое различие заключается в том, что количественные данные являются фиксированными или универсальными, в то время как качественные данные являются субъективными.

Например, если мяч весит 2.5 килограммов, это объективный факт о мяче. Такие данные являются точными и окончательными.

Качественные данные являются субъективными, интерпретирующими и исследовательскими. Например, два человека могут по-разному интерпретировать событие, основываясь на своём жизненном опыте.

Итак, что есть что? Теперь, когда мы разобрались с различиями, давайте рассмотрим каждый тип данных на реальных примерах.

Качественные данные не являются статистическими и, как правило, неструктурированными или частично структурированными. Эти данные не обязательно измеряются с помощью точных чисел, которые используются для построения графиков и диаграмм. Вместо этого они классифицируются на основе свойств, атрибутов, меток и других идентификаторов.

Качественные данные можно использовать, чтобы задать вопрос «почему?». Это исследовательский метод, при котором для проведения исследования задаются открытые вопросы. Сбор таких данных в ходе качественного исследования используется для теорий, интерпретаций, разработки гипотез и первоначального понимания.

Чтобы лучше понять что такое качественные данные, давайте возьмём в качестве примера книжный шкаф. Следующие характеристики этого книжного шкафа определяют качество доступной нам информации о нём:

При обсуждении качественных данных мы говорим о характеристиках конкретного объекта. Качественные данные получают путём качественного анализа подробной информации по теме.

В случае с книжным шкафом существует множество способов получить качественную информацию от разных наблюдателей. Если у кого-то нет конкретных сведений о книжном шкафу, он может предположить, что он сделан из тикового дерева, а не из дуба, и имеет шероховатую, а не гладкую поверхность. Точно так же мы можем обсудить, из какого сорта дуба он сделан или из какой части Италии он привезён.

Таким образом, идентификаторы качественных данных могут быть субъективными, что делает анализ качественных данных сложным процессом с множеством возможностей и структур.

В отличие от качественных данных, количественные данные являются статистическими и, как правило, структурированными, то есть более точными и определёнными. Этот тип данных измеряется с помощью чисел и значений, что делает его более подходящим для анализа данных.

В то время как качественные данные открыты для изучения, количественные данные гораздо более лаконичны и однозначны. Их можно использовать, чтобы получить ответы на вопросы «сколько?» или «насколько много/больше?», а затем получить исчерпывающую информацию.

Давайте посмотрим, как выглядит набор количественных данных для того же книжного шкафа. Представьте, что наш книжный шкаф имеет длину 3 метра, весит 100 килограмм и стоит 70 000 рублей — всё это количественные данные о книжном шкафу.

Существует два основных качественных типа данных: порядковые и номинальные.

Порядковые данные относятся к нечисловым качественным данным, которые группируют переменные по категориям на основе естественного порядка или иерархии данных.

Например, при ранжировании продукта или услуги клиенты могут выбирать значения из таких категорий: "плохие", "удовлетворительные", "хорошие" и "выдающиеся". Хотя эта иерархия не дает количественной оценки данных, вы все равно получаете приблизительное представление о настроениях клиентов по поводу вашего продукта.

Порядковые данные также могут содержать числовые показатели. В таких случаях числа классифицируют уровни и не имеют собственного математического значения. Например, вы можете обозначить "плохие", "удовлетворительные", "хорошие" и "выдающиеся" как 1, 2, 3 и 4. Таким образом, цифры создают рейтинговую шкалу для определения различных уровней удовлетворенности клиентов.

Номинальные данные распределяют переменные по взаимоисключающим категориям, не присваивая им количественных значений. Номинальные данные нельзя упорядочить или измерить, как порядковые данные.

Например, ежедневные поездки на работу можно разделить на три категории в зависимости от вида транспорта: автобус, поезд и автомобиль. Но с такими данными невозможно создать значимую иерархию.

Дискретные данные — это данные, которые нельзя разделить на более мелкие части. Этот тип данных состоит из целых чисел —положительных и отрицательных, например, -100, 10, 100 и так далее и является конечным, то есть имеет предел.

Вот несколько примеров дискретных данных: сколько мелочи у вас в кармане, сколько iPhone было продано в прошлом году и сколько посетителей было на вашем сайте сегодня.

Ещё одно важное замечание: дискретные данные технически могут быть категориальными. Например, количество игроков в футбольную команду, родившихся в Краснодаре, является целым и дискретным.

Непрерывные данные — это данные, которые можно бесконечно разбивать на более мелкие части, или данные, которые постоянно меняются.

Несколько примеров непрерывных данных: скорость вашего поезда во время утренней поездки, время, которое вы тратите на написание статьи, ваш вес и ваш возраст.

Качественное исследование фокусируется на методах сбора качественных данных для изучения и наблюдения за целевой аудиторией и выводах на основе собранных данных. Этот метод исследования в большей степени опирается на субъективные характеристики, определяемые качественными подходами.

Метод фокус-групп — один из наиболее широко используемых методов качественного исследования при сборе данных. Фокус-группа состоит из определённого количества респондентов (5–10), которые образуют кластер. Формирование фокус-групп и управление ими может быть сложным и дорогостоящим процессом. Он используется компаниями, которые хотят запустить новый продукт, чтобы изучить рынок и получить представление о потребностях, предпочтениях и особенностях поведения своей целевой аудитории.

Этнографические исследования предполагают наблюдение и изучение объектов исследования в определённом географическом месте. Это географическое место может варьироваться от небольшого населённого пункта до стран по всему миру. Этнографические исследования помогают учёным изучать культуру, поведение, тенденции и проблемы в естественной среде. Опять же, этот метод исследования требует много времени и усилий и может выходить за рамки определённого периода.

Тематическое исследование — это углублённый анализ, который в основном используется в социальных и педагогических науках. Любая компания, большая или маленькая, может провести его, чтобы сделать подробные выводы по теме. Тематическое исследование — это также один из самых простых, но трудоёмких методов исследования, предполагающий сбор данных из нескольких источников.

Метод нарративного исследования основан на разработке или создании истории. Вы собираете воедино ряд событий и создаёте повествование вокруг наблюдаемой темы. Этот метод исследования показывает, как незначительное явление может повлиять на важное событие и определить его взаимосвязь.

Феноменология — это ещё один метод исследования, который рассматривает конкретное событие или явление для сбора качественных данных. Он помогает наблюдателю понять, как, почему и что происходит, а также его влияние на проблему. Феноменология использует различные методы сбора данных: от документов, видео и интервью до посещения места, наблюдения за явлением и описания того, как оно развивалось с течением времени.

Основополагающая теория направлена на объяснение причин, по которым происходит то или иное событие. Размер выборки, используемой для основополагающей теории, обычно не превышает 100 человек, и оценивается то, как что-то происходит в определённый момент времени.

Количественные исследования основаны на числовом и статистическом анализе, который использует числа и статистику для получения обоснованных и точных выводов. Вот некоторые из стандартных методов количественных исследований.

Метод корреляционного исследования изучает взаимосвязь между двумя или более схожими и взаимозависимыми переменными. Он показывает, как одна переменная влияет на другую и наоборот. Корреляционное исследование использует математический анализ для обработки собранных данных. Результаты могут быть представлены в виде диаграммы или статистической таблицы для полноты результатов исследования.

Метод экспериментального исследования — это теоретический подход к исследованию. Он фокусируется на теории, чтобы различать правильные и неправильные утверждения. Этот метод исследования помогает проверить аргумент и в основном используется в естественных науках.

Причинно-следственное сравнение — это сравнение двух несвязанных между собой переменных. Одна из них является зависимой, а другая — независимой. Также известное как квазиэкспериментальное исследование, оно определяет причинно-следственную связь между этими переменными.

Опросы — один из наиболее широко используемых методов исследования в сфере образования, политики, экономики и других областях. Организации используют его для сбора отзывов о продукте от случайных респондентов с помощью опросов, анкет и других методов сбора данных. Собранные данные затем анализируются для получения количественных результатов.

Другим важным фактором, отличающим качественные и количественные данные, является способ их анализа. Статистические аналитики группируют качественные данные по разным сегментам, чтобы найти значимые категории, в то время как для количественных данных используются математические расчёты для получения выводов.

Качественный анализ данных (QDA) систематизирует и интерпретирует нечисловые, концептуальные данные для выявления тем и поиска ответов на исследовательские вопросы. Поскольку качественные данные невозможно измерить объективно, они открыты для субъективной интерпретации. Ниже приведены некоторые распространённые методы качественного анализа данных.

Теперь давайте рассмотрим методы количественного анализа данных.

При количественном анализе данных используются различные методы, в зависимости от имеющихся данных. Конечная цель остается прежней — выявить тенденции в данных и выявить взаимосвязи между набором переменных. Ниже приведены некоторые из наиболее часто используемых методов количественного анализа данных.

Теперь, когда мы разобрались с основными понятиями качественных и количественных данных, пришло время подумать о том, какой тип данных лучше подходит для анализа.

Качественные данные почти всегда считаются неструктурированными или частично структурированными. Этот тип данных имеет свободную форму и очень слабую структуру. Из-за этого качественные данные нельзя собирать и анализировать с помощью традиционных методов.

Обработка качественных данных может занимать много времени и быть дорогостоящей, хотя существуют некоторые методы «структурирования» этих данных. Например, можно использовать метаданные для описания файла неструктурированных данных. Альтернативный текст — это тип метаданных, применяемый к файлам изображений, чтобы помочь поисковым системам, таким как Google, Bing и Yahoo, индексировать релевантные изображения.

Появление баз данных NoSQL значительно упростило сбор и хранение качественных данных. Однако до полного использования этих данных ещё далеко.

Количественные данные почти всегда считаются структурированными. Этот тип данных отформатирован таким образом, чтобы их можно было быстро упорядочить и искать в реляционных базах данных. Пожалуй, самый распространённый пример структурированных данных — это числа и значения в электронных таблицах.

Поскольку количественные и структурированные данные тесно связаны, для анализа данных обычно используются количественные данные.

Спасибо, что дочитали мой сегодняшний пост😎. Теперь вы знаете чуть больше о качественных и количественных данных! А с каким набором данных вам комфортнее работать? Пишите свой ответ в комментариях.

Также приглашаю в свой канал по стратегическому маркетингу, где я провожу до конца декабря бесплатную консультацию. Подписывайся на канал и задавай вопрос мне лично👌🏻