qualitative-vs-quantitative

Каковы ключевые различия между качественными и количественными данными?

17 февраля 2023 г.

Принятие решений на основе данных — это, пожалуй, одно из самых обсуждаемых сегодня финансовых и бизнес-решений. Успех таких решений, основанных на данных, требует различных типов данных.

С одной стороны, это традиционные данные, или внутренние данные, производимые конкретной компанией. С другой стороны, есть нетрадиционные или веб-данные, собранные из многочисленных внешних источников.

В этой статье я сосредоточусь на веб-данных и дам более глубокое понимание нюансов типов веб-данных.

В чем разница между качественными и количественными данными?

Качественные данные. Нечисловые данные, которые предоставляют информацию для качественных методов исследования. Обычно это неструктурированная текстовая информация, позволяющая собрать информацию о качестве товара или услуги. Например, это могут быть обзоры продуктов, отзывы сотрудников компании, опросы и многое другое. Качественное исследование должно ответить на вопрос почему.
Количественные данные. Числовые данные, предоставляющие информацию для количественных методов исследования. Его можно было бы легче структурировать и представить в виде графиков и диаграмм для лучшей удобочитаемости. Этот тип данных показывает числовые значения, такие как доход компании, численность персонала, объем финансирования и многое другое. Количественное исследование направлено на то, чтобы ответить на вопрос что.

Типы данных

Типы данных в статистике и анализе могут сильно различаться, что в результате может привести к путанице. Некоторые из них, например количественные и качественные данные, представляют собой разные понятия.

Другие типы данных включают, среди прочего, числовые, дискретные, категориальные, порядковые, номинальные, относительные и непрерывные данные. Однако все типы данных относятся к одной из двух категорий: качественные и количественные.

Давайте рассмотрим эти два типа данных.

Качественные данные

Качественные данные относятся к интерпретации нечисловых данных. Часто это неструктурированные или полуструктурированные данные, и, возможно, это один из Самый простой способ идентифицировать его — это то, что он не представлен в виде чисел.

Другими словами, качественный подход относится к информации, которая описывает определенные свойства, метки и атрибуты.

Качественные методы часто называют исследовательскими, поскольку с их помощью можно ответить на вопрос почему с помощью открытых вопросов. Это помогает создать историю, развить гипотезы или получить первоначальное представление о случае или ситуации.

Источники качественных данных

Качественные данные генерируются по многочисленным каналам, таким как отзывы сотрудников компании, подробные интервью и фокус-группы, и это лишь некоторые из них.

Веб-данные такого типа часто поступают в неструктурированном виде, и их часто сложно собирать и анализировать.

Некоторые примеры качественных веб-данных включают информацию, полученную из социальных сетей, поисковых систем, обзоров продуктов, комментариев или других веб-взаимодействий.

Заинтересованные стороны могут собирать эти данные непосредственно из источника (например, с платформ социальных сетей) или использовать веб-провайдеров данных.

Преимущество выбора поставщика данных заключается в том, что информация уже выбрана и представлена в удобном для понимания формате, а не собирается все данные, доступные на всех платформах социальных сетей или поисковые системы.

Например, с помощью данных отзывов сотрудников компании вы можете увидеть внутреннюю среду компании и определить потенциальные риски. Отзывы пишут сотрудники, которые работают в компании, поэтому помогают оценить внутреннюю ситуацию. Если отзывы отрицательные, это может свидетельствовать о проблемах в компании и заставить вас дважды подумать, прежде чем вкладывать в нее деньги.

С другой стороны, если отзывы положительные и сотрудники довольны работой, это говорит о том, что компания заботится о своих сотрудниках. В результате это может укрепить потенциальную инвестиционную возможность.

Примеры качественных данных

Примеры качественных данных, которые могут заинтересовать инвесторов и компании, чрезвычайно разнообразны. Они зависят от ваших целей, масштаба исследовательского проекта и цели сбора данных.

Например, если вы хотите инвестировать в бизнес, вас могут заинтересовать комментарии в социальных сетях, в которых упоминаются продукты компании, а также положительные или отрицательные отзывы.

В качестве альтернативы компания, пытающаяся получить представление о своих конкурентах, может запросить ту же информацию или узнать социально-экономический статус своих клиентов.

Еще одним источником качественных данных, когда речь идет о веб-данных, являются датчики. Это относится к информации, полученной с камер видеонаблюдения, торговых точек, спутников, геолокации и т. д.

n Этот сбор данных облегчается за счет взаимосвязи устройств. Это может указывать, например, на посещаемость офиса конкурента.

Основные типы качественных данных

Категорические данные

Как кратко упоминалось выше, некоторые типы данных относятся к одной и той же информации. В статистике качественные данные совпадают с категориальными данными. Это связано с тем, что эту информацию можно легко классифицировать на основе свойств или определенных характеристик.

Главная особенность заключается в том, что качественные данные представляются не в виде чисел с математическим значением, а скорее в виде слов. В некоторых случаях качественным данным могут быть присвоены номера (например, 1 или 0) для целей анализа.

Например, если вы заполните анкету, чтобы узнать родной язык ваших клиентов, вы можете указать «1» для английского и «0» для остальных.

n Однако эти числа не имеют никакого значения с математической точки зрения; аналогичным образом, если вы проверяете почтовые индексы ваших клиентов, данные по-прежнему являются качественными, поскольку номер почтового индекса не имеет никакого математического значения; он показывает только адреса ваших клиентов.

Номинальные и порядковые данные

Категориальные данные можно разделить на номинальные или порядковые.

Номинальные данные относятся к информации, которую нельзя отсортировать определенным образом – этим данным можно присваивать категории, но нельзя упорядочивать их, например, от высшего к низшему.

Например, информация, собранная с помощью закрытых вопросов «да» или «нет», относится к типу номинальных данных: «Вы бы порекомендовали этот продукт?». Собранные ответы можно разделить на «да» или «нет», но вы не можете их дополнительно упорядочить.

Номинальные данные помогают рассчитать проценты, например, 50% комментариев в социальных сетях были довольны послепродажным обслуживанием компании, пропорциями или частотой.

Противоположный тип категориальных данных — порядковый; другими словами, вы назначаете категории своим качественным данным, а затем можете упорядочивать их логическим образом.

n Предположим, что у вас есть компания B2B, и вы хотите собирать информацию о своих клиентах. Вы можете получить фирмографические данные с указанием размера каждой компании-клиента и отнести их к малым, средним или крупным предприятиям. Это тип порядковых данных. В отличие от информации с ответами «да/нет», категории можно упорядочивать от меньшего к большему.

Порядковым данным также можно присваивать номера; однако они не имеют математического смысла. Таким образом, он все еще находится под качественным зонтиком. Например, если вы проводите анкетирование, в котором просите клиентов оценить качество продукта от 1 до 5, где один — «плохое», а пять — «высокое качество», ваши порядковые данные могут быть классифицированы и присвоены этим числам.< /p>

Однако с математической точки зрения они не имеют никакого смысла. Это скорее простой способ сортировки данных. Как и номинальные данные, это также можно использовать для расчета процентов, пропорций и частот, среди прочего.

Преимущества качественных данных

Качественные данные помогают понять причины определенных явлений. Например, вы заметили, что доходы вашего конкурента на 50% выше, чем у вас. Количественные данные, такие как данные о доходах, не помогут вам понять, почему компания работает намного лучше.

Правильные качественные данные помогут вам понять своих конкурентов и скорректировать собственную конкурентную стратегию, чтобы оставаться впереди конкурентов.

Например, вы можете использовать данные, собранные с датчиков, для определения пешеходного движения в магазине вашего конкурента. В этом случае вы можете обнаружить, что у них больше клиентов, чем у вас, что объясняет доход.

Кроме того, вы можете найти столько же или меньше клиентов, что может означать, что они взимают дополнительную плату за свои продукты и услуги.

Некоторые другие преимущества и области применения таких веб-данных включают:

Точная настройка маркетинговой стратегии путем сбора идей или мнений из социальных сетей.
Ищите способы привлечь новых клиентов;
Получите подробные сведения о компании или выбранной вами целевой аудитории;
Оставайтесь на вершине конкуренции, узнавая о бизнес-стратегиях, сильных и слабых сторонах других компаний;
Получение подробных данных для обоснования инвестиционных или деловых решений.

Количественные данные

Второй основной тип данных — количественные. Как следует из названия, это числовые данные с математическим значением, которые указывают количество конкретных аспектов. Например, финансовые отчеты компании содержат количественные данные. Основное преимущество количественных данных заключается в том, что их легче собирать, анализировать и понимать, чем качественные данные.

Можно легко визуально представить количественные данные с помощью различных диаграмм и графиков, включая точечные диаграммы, линии, гистограммы и другие. Вы также можете собирать количественные данные для расчета коэффициентов, например, если хотите сравнить эффективность компании или изучить ее финансовые отчеты, чтобы принять инвестиционное решение.

Источники и примеры количественных данных

Веб-данные этого типа также могут поступать из различных источников. Вы можете использовать рыночные отчеты, проводить опросы или собирать веб-скраппинг. данные, которые можно преобразовать в числа с определенными значениями. Некоторые примеры включают количество посетителей веб-сайта, общее количество сотрудников компании и другие.

Некоторые примеры количественных данных включают транзакции по кредитным картам, данные о продажах или данные из финансовых отчетов, макроэкономические показатели, количество сотрудников или количество объявлений о вакансиях и многое другое.

Типы количественных данных

Дискретные и непрерывные данные

Дискретные данные относятся к определенным типам информации, которые нельзя разделить на части. Например, в компании не может быть 15,5 сотрудников — либо 15, либо 16 сотрудников. Проще говоря, дискретные данные могут принимать только определенные значения и не могут включать дроби.

С другой стороны, непрерывные данные могут быть разделены на части и могут принимать почти любое числовое значение. Например, чистая прибыль компании в размере 100 593,74 долларов США является непрерывными данными. То же самое происходит с финансовой информацией компании, такой как данные о продажах, транзакции по кредитным картам и другие.

Преимущества количественных данных

Количественные данные легко интерпретировать и легче собирать из-за их формы. Некоторые из основных преимуществ сбора количественных данных зависят от типа информации, которую вы ищете. Например, фирмаграфика или данные по конкретным фирмам позволяют быстро оценить размер ваших конкурентов, количество сотрудников и другие данные.

Хотя количественные данные легче собирать и интерпретировать, многие специалисты больше ценят качественные данные. Однако это в первую очередь связано с объемом и подробностями этих данных, которые могут помочь вам рассказать всю историю. Точно так же количественные данные часто предпочтительнее из-за простоты обработки, сбора и интеграции.

Вот некоторые из основных преимуществ количественных данных:

Легче и быстрее собирать;
Более объективно и точно, поскольку выражается в цифрах.
Легче классифицировать, упорядочивать и анализировать;
Вы можете получить более крупные выборки данных;
Подходит для статистического анализа и процессов на основе ИИ.
Получение подробных данных для обоснования инвестиционных или деловых решений.

Короче

Сходства между качественными и количественными исследованиями

Для обоих типов исследований требуются необработанные данные.
Оба используются для измерения результатов;
Иногда один тип исследования дополняет другой.

Различия между качественными и количественными исследованиями

Качественные исследователи ищут нечисловую информацию, количественные исследователи анализируют числовые данные.
Из качественных исследований сложнее получить результаты из-за неструктурированных данных, тогда как количественные данные более структурированы.

Также опубликовано здесь

Оригинал