Nors kiekybiniai duomenys leidžia išmatuojamai suprasti „ką“ per skaičius ir modelius, kokybinės įžvalgos atskleidžia žmonių elgesio „kodėl“. Abiejų šių dviejų sričių įvaldymas leidžia organizacijoms peržengti vien skaičiuoklių ribas, derinant tvirtus statistikos įrodymus su turtingu, emociniu asmeninės patirties kontekstu, kad būtų galima priimti išties pagrįstus sprendimus.
Neskaitinė informacija, surinkta stebint ir pokalbių metu, siekiant suprasti motyvaciją, mintis ir emocinius veiksnius.
Skaitiniai faktai ir matavimai, naudojami bendroms tendencijoms nustatyti ir statistiniams įrodymams pateikti didelėse populiacijose.
| Funkcija | Kokybinės įžvalgos | Kiekybiniai duomenys |
|---|---|---|
| Pagrindinis klausimas | Kodėl tai vyksta? | Kiek/kiek? |
| Duomenų formatas | Žodžiai, vaizdai, vaizdo įrašai | Skaičiai ir grafikai |
| Imties dydis | Mažas ir konkretus | Didelis ir reprezentatyvus |
| Samprotavimo stilius | Indukcinis (statybos teorija) | Dedukcinė (testavimo teorija) |
| Tyrimo metodas | Interviu, Etnografija | Apklausos, A/B testavimas |
| Lankstumo lygis | Aukštas (galima pasisukti studijų metu) | Žemas (fiksuoti parametrai) |
Kiekybiniai duomenys veikia kaip aukštikalnių palydovas, tiksliai rodantis, kur yra jūsų produkto ar paslaugos spūstys. Tačiau kokybinės įžvalgos yra tarsi vairuotojų apklausa: jos paaiškina, kad spūstis susidaro dėl to, kad ženklas yra klaidinantis arba dėl to, kad žmones blaško konkretus orientyras.
Tyrėjai dažnai naudoja kokybinius metodus, norėdami ištirti naują teritoriją ir sukurti naujas hipotezes, kai nežino, ko tikėtis. Suformavus teoriją, kiekybiniai metodai įsijungia siekiant patvirtinti, ar ši idėja teisinga tūkstančiams žmonių, ar tai buvo tik unikalus atvejis.
Skaičiuoklė gali parodyti, kad 40 % naudotojų išeina iš jūsų programėlės atsiskaitymo puslapyje, o tai yra objektyvus faktas. Tik kokybinės įžvalgos gali atskleisti subjektyvią tiesą: kad tie naudotojai manė, jog mygtuko „Pirkti“ spalva atrodo nepatikima arba kad jo formuluotė kelia jiems nerimą dėl savo privatumo.
Kiekybiniame pasaulyje tyrėjas stengiasi išlikti abejingas, kad neįtakotų skaičių. Kokybiniame tyrime tyrėjas yra aktyvus įrankis, pasitelkiantis empatiją ir užduodantis papildomus klausimus, kad giliau įsigilintų į dalyvio istoriją, todėl procesas tampa daug asmeniškesnis.
Kokybiniai tyrimai nėra „tikras“ mokslas.
Tai dažnas šališkumas; iš tiesų, kokybiniai tyrimai naudoja griežtas sistemas, tokias kaip „Pagrįstoji teorija“. Ji nėra „prastesnė“ už matematiką; ji tiesiog atsako į klausimus, kurių matematika negali išspręsti.
Kad kokybinės įžvalgos būtų svarbios, reikia tūkstančių žmonių.
Iš tiesų, „prisotinimą“ – kai nustojate girdėti naują informaciją – dažnai galima pasiekti vos su 12–15 gerai parinktų interviu dalyvių. Kokybinis darbas yra susijęs su įžvalgų gyliu, o ne su respondentų skaičiumi.
Kiekybiniai duomenys visada yra objektyvūs.
Skaičiai gali meluoti taip pat lengvai, kaip ir žmonės. Jei apklausos klausimas suformuluotas prastai arba imties grupė iškreipta, gauti „objektyvūs“ duomenys bus iš esmės klaidingi.
Kokybiniai ir kiekybiniai duomenys turėtų būti laikomi atskirai.
Geriausios įžvalgos gaunamos taikant „trianguliaciją“, kai naudojami abiejų tipų duomenys, siekiant išsiaiškinti, ar jie veda prie tos pačios išvados. Jei jūsų skaičiai sako viena, o jūsų klientai – kita, būtent ten ir įvyksta vertingiausi atradimai.
Kiekybinius duomenis naudokite, kai reikia įrodyti tendenciją, apskaičiuoti investicijų grąžą (ROI) arba pateikti svarbią prognozę. Kokybines įžvalgas naudokite, kai reikia diegti naujoves, suprasti klientų lojalumo sumažėjimą arba į ataskaitas įtraukti žmogiškąjį veidą.
Astrologinės prognozės susieja dangaus ciklus su žmonių patirtimi siekiant simbolinės reikšmės, o statistinės prognozės analizuoja empirinius istorinius duomenis, kad įvertintų būsimas skaitines vertes. Šiame palyginime nagrinėjamas skirtumas tarp senovinės, archetipais pagrįstos asmeninių apmąstymų sistemos ir modernios, duomenimis pagrįstos metodologijos, naudojamos objektyviam sprendimų priėmimui versle ir moksle.
Šis palyginimas nagrinėja intriguojančią prarają tarp senovinių dangaus stebėjimų ir šiuolaikinės prognozinės analizės. Astrologiniai tranzitai naudoja planetų ciklus asmeninio augimo fazėms interpretuoti, o gyvenimo įvykių tikimybių modeliai remiasi dideliais duomenimis ir statistiniais algoritmais, kad numatytų konkrečius etapus, tokius kaip karjeros pokyčiai ar sveikatos priežiūros poreikiai.
Nors retrospektyvinė analizė veikia kaip organizacijos galinio vaizdo veidrodis, analizuodama istorinius įrašus, kad suprastų praeities sėkmes ir nesėkmes, ateities prognozavimo modeliai žvelgia pro priekinį stiklą, derindami statistinius algoritmus ir mašininį mokymąsi, kad numatytų būsimus rinkos pokyčius, klientų veiksmus ir veiklos kliūtis.
Pasirinkimas tarp aukšto dažnio duomenų ir apibendrintų duomenų yra esminis kompromisas analitikoje. Nors neapdoroti, per sekundę gaunami sandoriai ir jutiklių srautai suteikia neprilygstamą tiesioginio elgesio ir rinkos mikrostruktūrų matomumą, suspausti laiko apibendrinimai pašalina didžiulį statistinį triukšmą ir didelius infrastruktūros poreikius, kad būtų galima atskleisti aiškias, struktūrines ilgalaikes tendencijas.
Pasirinkimas tarp automatinio modelių sekimo ir rankinio eksperimentų sekimo iš esmės lemia duomenų mokslo komandos greitį ir atkuriamumą. Nors automatizavimas naudoja specializuotą programinę įrangą, kad sklandžiai užfiksuotų kiekvieną hiperparametrą, metriką ir artefaktą, rankinis sekimas priklauso nuo žmogaus kruopštumo naudojant skaičiuokles arba „markdown“ failus, todėl reikia rasti griežtą kompromisą tarp sąrankos greičio ir ilgalaikio keičiamo tikslumo.
