عند العمل في مجال التحليلات الإحصائية, فكثيراً ما نواجه مصطلحات مثل: البيانات الكمية والبيانات النوعية، سنقدم لك في دليلنا التالي كل ما تريد معرفته عن البيانات الكمية وأنواعها وطرق تحليلها، مع مجموعة من الأمثلة عليها.
المحتويات:
1. ما هي البيانات الكمية؟
يتم تعريف البيانات الكمية على أنها قيمة البيانات في شكل أعداد أو أرقام، حيث يكون لكل مجموعة بيانات قيمة عددية فريدة مرتبطة بها. هذه البيانات هي أي معلومات قابلة للقياس الكمي. ويمكن استخدامها للحسابات الرياضية والتحليل الإحصائي، بحيث يمكن اتخاذ قرارات الحياة الواقعية بناءً على هذه الاشتقاقات الرياضية.
تُستخدم البيانات الكمية للإجابة على أسئلة مثل “كم عدد؟” ، “كم مرة؟” ، “كم؟”. يمكن التحقق من هذه البيانات، كما يمكن أيضاً تقييمها بسهولة باستخدام التقنيات الرياضية.
على سبيل المثال، هناك كميات مطابقة لمعايير مختلفة، على سبيل المثال، “ما تكلفة هذا الكمبيوتر المحمول؟” هو السؤال الذي سيجمع البيانات الكمية. توجد قيم مرتبطة بمعظم محددات القياس مثل الكيلوغرامات للوزن والدولار للتكلفة وما إلى ذلك.
البيانات الكمية تجعل قياس المحددات المختلفة يمكن التحكم فيه نظراً لسهولة الاشتقاقات الرياضية التي تأتي معها. عادة ما يتم جمعها للتحليل الإحصائي باستخدام الاستطلاعات أو استطلاعات الرأي أو الاستبيانات المرسلة عبر قسم معين من السكان. يمكن إنشاء النتائج المسترجعة عبر السكان أيضاً.
إقرأ أيضاً… ما هي قاعدة البيانات؟ وما هي استخداماتها وأنواعها؟
2. أنواع البيانات الكمية.
الأنواع الأكثر شيوعاً من البيانات الكمية هي على النحو التالي:
- العدّاد: العد المعادل مع الكيانات. على سبيل المثال، عدد الأشخاص الذين يقومون بتنزيل تطبيق معين من App Store.
- قياس الأشياء المادية: حساب قياس أي شيء مادي. على سبيل المثال، يقيس مدير الموارد البشرية بعناية حجم كل حجرة مخصصة للموظفين المنضمين حديثاً إلى الشركة.
- الحساب الحسي: آلية “للإحساس” بشكل طبيعي بالمحددات المقاسة لإنشاء مصدر ثابت للمعلومات. على سبيل المثال، تقوم الكاميرا الرقمية بتحويل المعلومات الكهرومغناطيسية إلى سلسلة من البيانات الرقمية.
- إسقاط البيانات: يمكن عمل الإسقاط المستقبلي للبيانات باستخدام الخوارزميات وأدوات التحليل الرياضي الأخرى. على سبيل المثال، يتوقع أحد المسوقين زيادة المبيعات بعد إطلاق منتج جديد بتحليل شامل.
- التحديد الكمي للكيانات النوعية: تحديد الأرقام للمعلومات النوعية. على سبيل المثال، اطلب من المشاركين في استطلاع عبر الإنترنت مشاركة احتمالية التوصية على مقياس من 0 إلى 10.
3. طرق جمع البيانات الكمية.
نظراً لأن البيانات الكمية في شكل أرقام، يمكن أن يؤدي التحليل الرياضي والإحصائي لهذه الأرقام إلى إنشاء بعض النتائج الحاسمة.
هناك طريقتان رئيسيتان لجمع البيانات الكمية:
الطريقة الأولى: الاستطلاعات أو الاستبيانات.
جرت العادة على إجراء الاستبيانات Surveys باستخدام الأساليب الورقية وتطورت تدريجياً إلى وسائط عبر الإنترنت. تشكل الأسئلة المغلقة جزءاً كبيراً من هذه الاستطلاعات لأنها أكثر فاعلية في جمع البيانات الكمية.
الاستطلاع يشمل خيارات الإجابة التي يعتقد مصممه أنها الأكثر ملاءمة لسؤال معين. كما تعد الاستطلاعات جزءاً لا يتجزأ من جمع التعليقات من الجمهور الأكبر من الحجم التقليدي. العامل الحاسم في الاستطلاعات هو أن الردود التي تم جمعها يجب أن تكون بحيث يمكن تعميمها على جميع السكان دون تناقضات كبيرة.
على أساس الوقت الذي يستغرقه استكمال الاستبيانات، يتم تصنيفها إلى ما يلي:
- الدراسات الطولية Longitudinal Studies: نوع من البحث القائم على الملاحظة، يقوم فيه باحث السوق بإجراء مسوحات من فترة زمنية محددة إلى أخرى، أي على مدار فترة زمنية طويلة، يسمى المسح الطولي. غالباً ما يتم تنفيذ هذا المسح لتحليل الاتجاه أو الدراسات حيث يكون الهدف الأساسي هو جمع وتحليل نمط في البيانات.
- دراسات المقطع العرضي Cross-sectional Studies: يُعرف نوع من البحث القائم على الملاحظة حيث تُجري أبحاث السوق استطلاعات الرأي في فترة زمنية معينة عبر العينة المستهدفة باسم المسح المقطعي. يستخدم هذا النوع من الاستقصاء استبياناً لفهم موضوع معين من العينة في فترة زمنية محددة.
لإدارة استطلاع لجمع البيانات الكمية، يجب اتباع المبادئ التالية:
1. المستويات الأساسية للقياس، المقاييس الاسمية والترتيبية والفاصلة والنسب: هناك أربعة مقاييس للقياس تعتبر أساسية لإنشاء سؤال متعدد الخيارات في استطلاع في جمع البيانات الكمية. وهي مقاييس اسمية وترتيبية وقياس الفترات والنسب بدون أساسيات، ولا يمكن إنشاء أسئلة الاختيار من متعدد هنا.
2. استخدام أنواع مختلفة من الأسئلة: لجمع البيانات الكمية، يجب استخدام الأسئلة المغلقة في المسح. يمكن أن تكون مزيجاً من أنواع متعددة من الأسئلة بما في ذلك أسئلة الاختيار من متعدد مثل أسئلة مقياس التفاضل الدلالي وأسئلة مقياس التصنيف وما إلى ذلك والتي يمكن أن تساعد في جمع البيانات التي يمكن تحليلها وفهمها.
3. توزيع المسح وجمع بيانات المسح: في ما سبق، رأينا عملية بناء مسح جنباً إلى جنب مع تصميم المسح لجمعها. يعد توزيع المسح لجمع البيانات هو الجانب الآخر المهم في عملية المسح. هناك طرق مختلفة لتوزيع المسح.
بعض الطرق الأكثر استخداماً هي:
- البريد الإلكتروني: يعد إرسال استطلاع عبر البريد الإلكتروني أكثر الطرق شيوعاً والأكثر فاعلية لتوزيع الاستبيان.
- شراء المستجيبين: طريقة أخرى فعالة لتوزيع المسح وجمع البيانات الكمية هي استخدام عينة. نظراً لأن المستجيبين على دراية ومنفتحون أيضاً للمشاركة في الدراسات البحثية ، فإن الردود تكون أعلى من ذلك بكثير.
- تضمين استطلاع في موقع ويب: يؤدي تضمين استطلاع في موقع ويب إلى زيادة عدد الردود نظراً لأن المستفتى قريب بالفعل من العلامة التجارية عند ظهور الاستطلاع.
- التوزيع الاجتماعي: استخدام وسائل التواصل الاجتماعي لتوزيع الاستطلاع يساعد في جمع عدد أكبر من الردود من الأشخاص الذين هم على دراية بالعلامة التجارية.
- رمز الاستجابة السريعة: تخزن رموز QR عنوان URL للمسح. يمكنك طباعة أو نشر هذا الرمز في المجلات أو على اللافتات أو بطاقات العمل أو في أي كائن أو وسيط.
- مسح الرسائل القصيرة: طريقة سريعة وفعالة لإجراء استطلاع لجمع عدد كبير من الردود هي مسح الرسائل القصيرة.
الطريقة الثانية: المقابلات الفردية.
كانت طريقة جمع البيانات الكمية هذه تُجرى أيضاً بشكل تقليدي وجهاً لوجه ولكنها تحولت إلى المنصات الهاتفية وعبر الإنترنت. تتيح المقابلات للمسوّق فرصة جمع بيانات مكثفة من المشاركين. المقابلات الكمية منظمة بشكل كبير وتلعب دوراً رئيسياً في جمع المعلومات.
هناك ثلاثة أقسام رئيسية من هذه المقابلات:
- المقابلات وجهاً لوجه: يمكن للمحاور إعداد قائمة بأسئلة المقابلة المهمة بالإضافة إلى أسئلة الاستبيان التي تم طرحها بالفعل. بهذه الطريقة، يقدم الأشخاص الذين تمت مقابلتهم تفاصيل شاملة حول الموضوع قيد المناقشة. يمكن للمحاور أن يتمكن من الارتباط مع الضيف على المستوى الشخصي مما سيساعده على جمع المزيد من التفاصيل حول الموضوع.
- المقابلات عبر الإنترنت / الهاتفية: لم تعد المقابلات عبر الهاتف أمراً جديداً، ولكن هذه المقابلات الكمية انتقلت أيضاً إلى وسائل عبر الإنترنت مثل Skype أو Zoom. بصرف النظر عن المسافة بين المحاور والمحاور والمناطق الزمنية المقابلة لهما، يصبح الاتصال بنقرة واحدة بعيداً عن المقابلات عبر الإنترنت. في حالة المقابلات الهاتفية، تكون المقابلة مجرد مكالمة هاتفية.
- المقابلة الشخصية بمساعدة الحاسوب: هذه هي تقنية مقابلة فردية حيث يقوم القائم بإجراء المقابلة بإدخال جميع البيانات التي تم جمعها مباشرة في جهاز حاسوب محمول أو أي جهاز آخر مشابه. يتم تقليل وقت المعالجة وأيضاً لا يتعين على المحاورين حمل استبيانات فعلية وإدخال الإجابات في الكمبيوتر المحمول فقط.
يمكن تحقيق جميع طرق جمع البيانات الكمية المذكورة أعلاه باستخدام الاستطلاعات والاستبيانات واستطلاعات الرأي عبر الإنترنت.
إقرأ أيضاً… أفضل طرق حماية البيانات من السرقة وهجمات المخترقين.
4. طرق تحليل البيانات الكمية.
يشكل جمع البيانات جزءاً رئيسياً من عملية البحث. ومع ذلك، يجب تحليل هذه البيانات لفهمها. يوجد هناك طرق متعددة لتحليل البيانات الكمية التي تم جمعها في الاستطلاعات. ومن أهمها:
- الجدولة المتقاطعة: الجدولة المتقاطعة هي أكثر طرق التحليل استخداماً. وهي طريقة مفضلة لأنها تستخدم نموذجاً جدولياً أساسياً لرسم الاستنتاجات بين مجموعات البيانات المختلفة في الدراسة البحثية. يحتوي على بيانات حصرية أو ذات صلة ببعضها البعض.
- تحليل الاتجاه: تحليل الاتجاه هو طريقة تحليل إحصائي توفر القدرة على النظر إلى البيانات الكمية التي تم جمعها على مدى فترة طويلة من الزمن. تساعد طريقة تحليل البيانات هذه في جمع التعليقات حول تغييرات البيانات بمرور الوقت وإذا كان يهدف إلى فهم التغيير في المتغيرات مع الأخذ في الاعتبار متغير واحد يظل دون تغيير.
- تحليل MaxDiff: تحليل MaxDiff هو طريقة لتحليل البيانات الكمية تُستخدم لقياس تفضيلات العملاء لعملية شراء وما هي المعلمات التي تحتل مرتبة أعلى من غيرها في هذه العملية. في شكل مبسط، تسمى هذه الطريقة أيضاً طريقة “الأفضل والأسوأ”. تشبه هذه الطريقة إلى حد كبير التحليل الموحد ولكنها أسهل بكثير في التنفيذ ويمكن استخدامها بالتبادل.
- التحليل المشترك: كما هو الحال في الطريقة المذكورة سابقاً، يعد التحليل الموحد طريقة تحليل مماثلة لتحليل المحددات الكامنة وراء قرار الشراء. تمتلك هذه الطريقة القدرة على جمع وتحليل المقاييس المتقدمة التي توفر نظرة متعمقة لقرارات الشراء بالإضافة إلى المحددات التي تحتل المرتبة الأكثر أهمية.
إقرأ أيضاً… ما هي قاعدة البيانات؟ وما هي استخداماتها وأنواعها؟
- تحليل TURF: تحليل TURF أو إجمالي الوصول غير المكرر والتحليل التكراري، هو منهجية تحليل البيانات الكمية التي تقيم إجمالي الوصول إلى السوق لمنتج أو خدمة أو مزيج من كليهما. يتم استخدام هذه الطريقة من قبل المؤسسات لفهم التكرار والسبل التي تصل بها رسائلهم إلى العملاء والعملاء المحتملين مما يساعدهم على تعديل استراتيجيات الانتقال إلى السوق.
- تحليل الثغرات: يستخدم تحليل الثغرات مصفوفة جنباً إلى جنب لتصوير البيانات الكمية التي تساعد في قياس الفرق بين الأداء المتوقع والأداء الفعلي. يساعد تحليل البيانات هذا في قياس الفجوات في الأداء والأشياء المطلوب القيام بها لسد هذه الفجوة.
- تحليل SWOT: تحليل SWOT، هو عبارة عن طرق لتحليل البيانات الكمية تحدد قيماً رقمية للإشارة إلى القوة والضعف والفرص والتهديدات لمؤسسة أو منتج أو خدمة والتي بدورها توفر صورة شاملة عن المنافسة. تساعد هذه الطريقة في إنشاء استراتيجيات عمل فعالة.
- تحليل النص: تحليل النص هو طريقة إحصائية متقدمة حيث تقوم الأدوات الذكية بفهم البيانات النوعية والمفتوحة وتحويلها إلى بيانات يمكن فهمها بسهولة. تُستخدم هذه الطريقة عندما تكون بيانات المسح الأولية غير منظمة ولكن يجب إدخالها في هيكل منطقي.
خطوات إجراء التحليل الكمي للبيانات.
بالنسبة للبيانات الكمية، يجب تقديم المعلومات الأولية بطريقة مفيدة باستخدام طرق التحليل. كما يجب تحليل البيانات الكمية من أجل إيجاد بيانات إثبات من شأنها أن تساعد في عملية البحث.
- ربط مقاييس القياس بالمتغيرات: وهي ربط مقاييس القياس مثل الاسمي والترتيبي والفاصل الزمني والنسبة بالمتغيرات. هذه الخطوة مهمة لترتيب البيانات بالترتيب الصحيح. يمكن إدخال البيانات في ورقة إكسل لتنظيمها بتنسيق معين.
- ربط الإحصائيات الوصفية بالبيانات: وهي ربط الإحصائيات الوصفية لتغليف البيانات المتاحة. قد يكون من الصعب إنشاء نمط في البيانات الأولية. بعض الإحصائيات الوصفية المستخدمة على نطاق واسع هي:
1. المتوسط- متوسط القيم لمتغير معين.
2. الوسيط- نقطة وسط لمقياس القيمة لمتغير.
3. الشائع- للمتغير، القيمة الأكثر شيوعاً.
4. التكرار- عدد المرات التي لوحظت فيها قيمة معينة في المقياس.
5. القيم الدنيا والقصوى- القيم الدنيا والأعلى للمقياس.
6. النسب المئوية- تنسيق للتعبير عن الدرجات ومجموعة القيم للمتغيرات.
- تحديد مقياس القياس: من المهم تحديد مقياس القياس لاستنتاج الإحصاء الوصفي للمتغير. على سبيل المثال، لن يكون لنتيجة المتغير الاسمية متوسط أو متوسط مطلقاً، وبالتالي فإن الإحصائيات الوصفية ستختلف وفقًا لذلك. تكفي الإحصائيات الوصفية في المواقف التي لا يتم فيها تعميم النتائج على السكان.
- تحديد الجداول المناسبة لتمثيل البيانات وتحليل البيانات المجمعة: بعد اتخاذ قرار بشأن مقياس قياس مناسب، يمكن للباحثين استخدام تنسيق جدولي لتمثيل البيانات. يمكن تحليل هذه البيانات باستخدام تقنيات مختلفة مثل الجدولة المتقاطعة أو TURF.
5. أمثلة على البيانات الكمية.
الأمثلة المدرجة أدناه هي بعض الأمثلة على البيانات الكمية التي يمكن أن تساعد في فهم ما يعنيه هذا الأمر بالضبط:
- لقد قمت بتحديث هاتفي 6 مرات خلال عام.
- نما ابني بمقدار 13 سنتيمتراً العام الماضي.
- قام 83 شخصاً بتحميل أحدث تطبيق للهاتف المحمول.
- أخي فقد 18 دولاراً العام الماضي.
- رأى 150 مستجيباً أن ميزة المنتج الجديد لن تنجح.
- ستكون هناك زيادة بنسبة 30٪ في الإيرادات مع إدراج منتج جديد.
- حضر الندوة 500 شخص.
- يفضل 54٪ من الناس التسوق عبر الإنترنت بدلاً من الذهاب إلى المركز التجاري.
- لديك 10 إجازات في هذا العام.
- المنتج X تكلفته 1000 دولار.
كما ترى في الأمثلة أعلاه، هناك قيمة عددية مخصصة لكل مُحدد وهذا ما يعرف بالبيانات الكمية.
إقرأ أيضاً… ما هي البيانات النوعية والكمية؟ مع أمثلة على كل منهما.
6. الإيجابيات والسلبيات.
يمتلك هذا النوع من البيانات مجموعة من الإيجابيات والسلبيات المختلفة التي سنقدمها لكم.
إيجابيات البيانات الكمية.
- إجراء بحث متعمق: نظراً لأنه يمكن تحليل البيانات الكمية إحصائياً، فمن المحتمل جداً أن يتم تفصيل البحث.
- الحد الأدنى من التحيز: هناك حالات في البحث، حيث يكون التحيز الشخصي متضمناً مما يؤدي إلى نتائج غير صحيحة. نظراً للطبيعة العددية لها، يتم تقليل التحيز الشخصي إلى حد كبير.
- نتائج دقيقة: نظراً لأن النتائج التي تم الحصول عليها موضوعية بطبيعتها، فهي دقيقة للغاية.
سلبيات البيانات الكمية.
- المعلومات المقيدة: نظراً لأن البيانات الكمية ليست وصفية، يصبح من الصعب على الباحثين اتخاذ قرارات تستند فقط إلى المعلومات التي تم جمعها.
- يعتمد على أنواع الأسئلة: يعتمد التحيز في النتائج على أنواع الأسئلة المضمنة لجمع البيانات الكمية. كما تعتبر معرفة الباحث بالأسئلة وهدف البحث في غاية الأهمية أثناء جمع البيانات الكمية.