Analýza dat představuje metodu, při které se pro interpretaci a vyhodnocení shromážděných informací využívají statistické nebo logické postupy.
Tento proces zahrnuje celkové shrnutí dostupných informací, které následně slouží pro sběr a prezentaci konečných výsledků. Cílem je předat klíčové poznatky nebo odhalit existující možnosti.
Nicméně, tento proces vyžaduje pečlivou diferenciaci mezi shromážděnými daty. Pro usnadnění analýzy dat je zásadní porozumět dvěma základním metodologiím: kvalitativním a kvantitativním datům.
Kvalitativní a kvantitativní data jsou výsledkem tvorby, pozorování, ověřování a shromažďování informací.
Data mohou nabývat různých forem, jako jsou čísla, fakta, měření, záznamy, poznámky, videa, obrázky atd., a to jak v digitální, tak i v nedigitální podobě.
Mezi těmito dvěma typy dat existuje řada rozdílů. Pro správnou volbu v konkrétních projektech je nutné každý z nich pochopit samostatně a také znát jejich odlišnosti.
Pojďme se tedy podívat na rozdíly mezi kvalitativními a kvantitativními daty.
Kvalitativní vs. kvantitativní data: Co to je?
Pro lepší pochopení těchto termínů je důležité si uvědomit, že první z nich je interpretační, explorativní a subjektivní, zatímco druhý je objektivní, exaktní a zaměřený na fakta.
Kvalitativní data
Kvalitativní data představují informace, které nelze kvantifikovat, vyjádřit číselně nebo spočítat. Shromažďují se z různých zdrojů, jako je zvuk, obrázky, text a další, a prezentují se pomocí vizuálních nástrojů, například konceptuálních map, časových os, infografik a podobně.
Například, pokud uživatel přidá produkty do košíku na webu, ale nákup nedokončí, vaším úkolem je zjistit „proč“ a „jak“. Proč návštěvník opustil košík? Jaký má uživatel dojem z vašeho webu nebo produktů? V tomto kontextu je „kvalita“ hlavním aspektem. Proto je nutné získat vhled z kvalitativních dat.
V tomto příkladu nepotřebujete žádná číselná data, abyste pochopili důvod chování uživatele. Potřebujete se jej zeptat na příčinu a jeho zkušenosti. Jinými slovy, kvalitativní data jsou označení nebo termín používaný k popisu vlastností určitých věcí, jako je popis chuti zmrzliny jako čokoládové nebo barvy moře jako modré.
Kvalitativní data nemají statistickou povahu a jsou obvykle polostrukturovaná nebo nestrukturovaná. To znamená, že tento typ dat nevyžaduje přesná číselná data prostřednictvím grafů a tabulek. Jsou charakterizována formami, štítky, atributy, vlastnostmi a dalšími identifikátory.
Mohou být generována prostřednictvím dokumentů, textů, videozáznamů, zvukových nahrávek, fokusních skupin, přepisů rozhovorů, poznámek a pozorování. Identifikační čísla, jako jsou čísla řidičských průkazů nebo čísla sociálního zabezpečení, spadají pod kvalitativní data, protože jsou unikátní a kategorická pro konkrétní osobu.
Příklady: Zlaté knoflíky, hladký povrch, tmavě hnědá, chuť lískových ořechů, vyrobeno v Itálii, zelené košile, modrý oceán, krásné obrázky a podobně.
Kvantitativní data
Kvantitativní data představují informace, které lze měřit nebo počítat pomocí číselných hodnot. Lze je definovat jako jakákoliv kvantifikovatelná data, která výzkumníci používají pro statistickou analýzu a matematické výpočty, na jejichž základě rozhodují o kvalitě závěrů.
Tento typ dat odpovídá na otázky jako „kolik?“, „jak často?“ a „jak moc?“. Kvantitativní data lze snadno ověřit a vyhodnotit pomocí matematických metod. Následující příklad nám to pomůže pochopit:
Když se někdo zeptá obchodníka: „Kolik stojí tato tiskárna?“
Sběr dat, jako je cena různých zařízení, je kvantitativní otázka. Hodnoty jsou spojeny s většinou měřicích parametrů, jako jsou kilogramy pro hmotnost, libry, dolary pro cenu atd.
Kvantitativní data se shromažďují pro statistickou analýzu pomocí průzkumů veřejného mínění, dotazníků, šetření apod. Zjednodušeně řečeno, informace, které lze „kvantifikovat“, se nazývají kvantitativní data. Jsou strukturovaná a lze je zpracovat pomocí statistik a zpráv. To znamená, že jsou definovaná a pevná.
Kvantitativní data jsou detailnější a stručnější a lze je získat pomocí testů, průzkumů, experimentů, metrik, tržních zpráv atd.
Příklady: Hmotnost v kilogramech, počet týdnů v měsíci, výška v palcích nebo stopách, vzdálenost v kilometrech nebo mílích, věk v letech nebo měsících, tržby v dolarech, délka v centimetrech atd.
Kvalitativní vs. kvantitativní data: Rozdíly
Kvalitativní i kvantitativní data mají své místo v každé oblasti. Pro lepší pochopení je nutné se podívat na jejich odlišnosti z hlediska kritérií, funkcí, povahy a dalších aspektů.
Nejprve si shrňme základní rozdíly:
- Data, u kterých klasifikace objektů závisí na kvalitě nebo atributech, se nazývají kvalitativní data. Naproti tomu data, která lze spočítat nebo vyjádřit čísly, jsou kvantitativní data.
- Kvalitativní data se zaměřují na porozumění lidem, emocím, barvám atd. Naopak kvantitativní data se opírají o číselné hodnoty, ze kterých se pomocí statistiky vyvozují závěry.
- U kvalitativních dat se shromažďují verbální informace, zatímco u kvantitativních dat se shromažďují měřitelné informace.
- Kvalitativní údaje slouží k rozvoji prvotního porozumění, zatímco kvantitativní data doporučují finální opatření.
Zatím jsme pochopili základní koncept obou typů dat. Nyní se podíváme na klíčové rozdíly mezi nimi.
Zde jsou!
| Kritéria | Kvalitativní data | Kvantitativní data |
| Definice | Kvalitativní analýza dat je technika používaná k rozvoji porozumění společenským vědám s cílem získat finální výsledek. | Kvantitativní analýza dat je technika sloužící ke generování tvrdých faktů a numerických informací za použití logických a matematických postupů. |
| Data | Zahrnují údaje, jako je náboženství, národnost, barva, vkus, pohlaví a další. | Zahrnují hmotnost, velikost, výšku, cenu a další. |
| Přístup | Vychází ze subjektivní analýzy, která se zabývá nestatistickými údaji, které nelze vypočítat. | Sleduje objektivní analýzu, kterou lze snadno vypočítat pomocí matematických derivací. |
| Analýza | Analýza se zaměřuje na to, proč k vývoji dochází, jak se uživatel cítí, proč je košík opuštěn apod. | Analýza zde vysvětluje počet nebo množství vývoje, jako je míra opuštění košíku. |
| Vzorek | Vzorek je nereprezentativní a malý v rámci celého procesu. | Vzorek je masivní a lze jej zobecnit. |
| Metody sběru | Kvalitativní data lze sbírat pomocí písemných dokumentů, rozhovorů, pozorování atd. | Kvantitativní data se shromažďují pomocí experimentů, průzkumů, anket atd. |
| Typ dat | Jsou textové. | Jsou numerické. |
| Výsledky | Výsledky jsou agregovány pro analýzu dat nebo jsou jednoduše předávány. | Výsledky závisí na variacích vyjádřených v grafech a tabulkách. |
| Prvky | Slova, objekty, obrázky atd. | Číselné a grafické informace. |
Příklady z reálného života
Příklad 1: (Kancelář)
Kancelářský prostor může být popsán oběma datovými typy v závislosti na funkcích jednotlivých prvků.
Kvalitativní údaje
- Velký a prostorný
- Dostatek přirozeného světla
- Velká spíž
- Fontánka se studenou vodou
- Poutavé barvy na zdech
- Pěkné rámy obrazů
- Velký prostor pro hry
Kvantitativní data
- 12 000 metrů čtverečních podlahové plochy
- Počet pater
- Počet oken
- Počet dveří
- Počet LED světel
- Počet počítačů
Příklad 2: (Článek na webu)
Kvalitativní údaje
- Povaha článku
- Kvalita článku, jako je pravopis, gramatika, interpunkce atd.
- Jak je článek vnímán čtenáři
- Jak dobře popisuje téma a koncepty
- Kvalita použitého videa a zvuku
Kvantitativní data
- Počet slov
- Počet použitých obrázků
- Zapojení, jako jsou komentáře, zobrazení stránek atd.
- Doba načítání
- Počet vygenerovaných potenciálních zákazníků
Příklad 3: (Univerzitní areál)
Kvalitativní údaje
- Velké a husté stromy
- Světlé barvy
- Architektura nové generace
- Chytrá světla a ventilátory
- Velké učebny
- Kvalitní projektory
- Kvalitní knihy
Kvantitativní data
- Počet učeben
- Počet budov
- Počet klimatizačních jednotek
- Metr čtvereční parkovací plochy
- Velikost učebny
- Počet lavic
- Počet pater
Kvalitativní data vs. Kvantitativní údaje: Typy
Typy kvalitativních dat
Statistici a výzkumníci kategorizují kvalitativní data do tří typů:
- Binární data: Pokud klasifikujete položku jako dobrou nebo špatnou, tvrdou nebo měkkou, správnou nebo nesprávnou, čerstvou nebo zastaralou atd., jedná se o binární data. Jsou to kvalitativní data, která můžete charakterizovat pomocí vzájemně se vylučujících vlastností, což znamená, že se nemohou odehrávat současně. Statistici používají tato data k vytvoření modelu, který předpovídá povahu dané položky.
- Nominální data: Jedná se také o označení, jmenovitou stupnici nebo pojmenovaná data. Jsou to data, pomocí kterých můžete něco pojmenovat bez uvedení jakékoli číselné hodnoty.
Například, pokud vytvoříte skupinu položek podle barvy, můžete každou položku přímo označit podle jejích barev. Výzkumníci používají nominální data k rozlišení souboru informací, jako je barva. Tento typ mohou statistici a výzkumníci použít i pro vytvoření průzkumu s více možnostmi, aby zjistili, která možnost je nejvhodnější.
- Ordinální data: Ordinální data jsou typ kvalitativních dat, která jsou kategorizována v určitém měřítku nebo pořadí. Je to zásadní krok ke sběru dat.
Například, když respondent zadá úroveň spokojenosti se službou na stupnici 1–10, shromažďuje data na základě odpovědí. Zde neexistuje standardní stupnice, kde by se dal měřit rozdíl mezi každým z nich. Příklady zahrnují Likertovu škálu, intervalovou škálu atd.
Typy kvantitativních dat
Kvantitativní data se dělí na dva hlavní typy – diskrétní a spojitá data. Pojďme si je vysvětlit jeden po druhém.
Diskrétní data
Diskrétní data jsou typem kvantitativních dat, která obsahují pouze počítaná čísla. Neobsahují žádná měření, jako je délka, hmotnost, výška atd.
Například počet studentů, počet dní, počet stropních ventilátorů, věk jednotlivce a další.
Při identifikaci diskrétních dat je nutné použít několik otázek, jako jsou:
- Dá se to spočítat?
- Dá se to rozdělit?
- Dá se to změřit?
A tak dále…
Diskrétní data jsou také známá jako data atributů, která nelze rozdělit na menší části. Můžete říci, že jsou spočetně konečná nebo nekonečná.
Příklad: Spočetně konečná data jsou libovolná množina A = {1,2,3,4,….,n; kde n je číslo menší než nekonečno}. Spočetně nekonečná data je libovolná množina B = { 1,2,3,….}.
Spojitá data
Jedná se o typ kvantitativních dat, které lze umístit na měřicí stupnici. To znamená, že nabývají číselných hodnot, které lze rozdělit na menší části. Spojitá data se mohou odkazovat jako na nespočetně konečná a nespočetně nekonečná.
Například CGPA studentů se měří na 10bodové škále. Zde můžete říci, že student může dosáhnout 0 až 10 bodů, včetně 8,5, 1,57, 4,65, 2,68, 9,8 atd. Tato data lze klasifikovat jako nespočetně konečná spojitá data, protože mají horní a dolní hranici.
Podobně si můžete vzít příklad nespočetně nekonečných dat. Jedná se o množinu reálných čísel, R = {….,-1,0,1,….}. V tomto případě data nemají ani horní, ani dolní mez.
Spojitá data se dále dělí na dva typy:
Intervalová data jsou jednoduchá technika, kterou lze měřit na stupnici, kde je každý bod umístěn ve stejné vzdálenosti od sebe. Poměrová data jsou rozšířením intervalových dat. Nejvíce se využívají, pokud jde o přesné měření dat. Poměrová data vypovídají o pořadí, přesné vzdálenosti a dalších.
Způsoby, jak generovat kvalitativní a kvantitativní data
Před tím, než se podrobněji zaměříme na různé metody sběru dat pro kvalitativní a kvantitativní data, pokusme se nejprve pochopit typy sběru dat.
Způsoby sběru dat jsou následující:
- Průzkumy, dotazníky a kvízy
- Rozhovory
- Fokusní skupiny
- Přímá pozorování
- Dokumenty
Metody sběru dat lze rozdělit na kvantitativní a kvalitativní typy dat.
Kvalitativní metody sběru dat
- Dotazníky a otevřené průzkumy: Jedná se o nejčastěji používanou metodu pro sběr dat prostřednictvím různých dotazníků a otevřených průzkumů. Umožňuje respondentům odpovídat mnohem flexibilněji. Neobsahuje žádné předdefinované odpovědi ani možnosti, což uživateli umožňuje volně psát.
- Rozhovory 1 na 1: Říká se tomu také osobní rozhovor a je to běžný typ metody sběru dat pro kvalitativní data. Zde lze snadno získat data z rozhovoru. Tato technika se používá zejména v situaci, kdy je potřeba sbírat vysoce personalizovaná data.
- Fokusní skupiny: Fokusní skupina je také metoda rozhovoru, ale místo individuálního rozhovoru jde o skupinovou diskusi. Zde zdroje nejsou omezeny z hlediska financí, času atd. To je velmi užitečné.
Například, pokud provádíte studii o rehabilitaci dospívajících uživatelů drog, všichni členové skupiny musí být teenageři, kteří se zotavují z drogové závislosti. - Přímé pozorování: Jedná se o nejpasivnější způsob sběru dat. Sběratel dat zaujímá pozici účastníka, pečlivě sleduje prostředí a zaznamenává audio, video i fotografie. To vede k zaujatosti, protože se jedná o přímé pozorování.
Kvantitativní metody sběru dat
- Online kvízy a uzavřené průzkumy: Tato metoda je založena na otázkách, které respondentům umožňují vybírat z možností. Dělí se na typy – kategorické a poměrové/intervalové.
Kategorické otázky lze klasifikovat jako dichotomické (ano nebo ne), zaškrtávací otázky a otázky s výběrem odpovědí. Intervalové otázky se skládají z Likertovy škály, maticových otázek, hodnotících škál atd.
Výhody kvantitativních dat oproti kvalitativním datům
Kvantitativní data mají oproti kvalitativním mnoho výhod, protože se z nich snadno měří a vytváří graf nebo zpráva. Ve srovnání s kvalitativními daty také zabere méně času. Tato technika se používá, když nevíte, co máte očekávat.
Pojďme si objasnit výhody kvantitativních dat oproti kvalitativním:
- Vědečtější
- Snadné ovládání
- Méně subjektivní
- Cílené
- Dokáží pracovat s většími vzorky
- Uspořádané jednoduchým způsobem
- Opakovatelné
- Relevantní
- Strukturované
- Zobecnitelné
- Konzistentní
- Rychlé a šetří čas
- Užitečné pro kvalitní rozhodování
- Přijatelnější data
- Snadno dostupné
- Lze použít náhodné vzorky
- Nevyžaduje přímé pozorování
Závěr
Kvalitativní data je obtížnější analyzovat ve srovnání s kvantitativními daty. Používají se běžné přístupy, jako je kvalitativní obsahová analýza, tematická analýza a diskurzivní analýza. Kvantitativní data jsou na druhou stranu založena na číslech nebo hodnotách, které využívají SPSS, R nebo Excel pro výpočet věcí, jako je průměrné skóre, kolikrát byla konkrétní otázka položena, platnost atd. Výsledky se uvádějí v tabulkách nebo grafech.
Tento článek by měl pomoci pochopit rozdíly mezi kvalitativními a kvantitativními daty a jak si vybrat správný typ pro konkrétní aplikaci.