데이터 분석은 통계적 또는 논리적 방법을 사용하여 데이터를 설명하고 평가하는 기술입니다.
이 분석에는 최종 결과를 수집하고 제시하는 데 추가로 사용되는 정보의 완전한 요약이 포함되어 필수 결과 또는 옵션을 전달할 수 있습니다.
그러나 이 프로세스에서는 수집한 데이터를 구별해야 합니다. 그리고 데이터 분석 프로세스를 단순화하려면 정성적 데이터와 정량적 데이터라는 두 가지 방법론을 이해하는 것이 필수적입니다.
정성적 및 정량적 데이터는 생성, 관찰, 검증 및 수집되는 것입니다.
수치, 사실, 측정, 기록, 노트북, 비디오, 이미지 등의 데이터를 디지털 또는 비디지털 형식으로 볼 수 있습니다.
그러나 둘 사이에는 많은 차이점이 있습니다. 그리고 프로젝트에서 그 중 하나를 선택하려면 각각을 개별적으로 이해하고 어떻게 다른지 이해해야 합니다.
그럼 정성적 데이터와 정량적 데이터의 차이점에 대해 알아보겠습니다.
목차
정성적 데이터 대 정량적 데이터: 그것들은 무엇입니까?
이러한 용어를 더 잘 이해하려면 먼저 이것에 초점을 맞추십시오. 전자는 해석적이고 탐색적이며 주관적이고 후자는 결정적이고 객관적이며 요점입니다.
정성적 데이터
질적 데이터는 측정할 수 없고 숫자로 표현하거나 셀 수 없는 단순한 정보입니다. 정보는 오디오, 이미지, 텍스트 등에서 수집되고 개념도, 타임라인, 인포그래픽 등과 같은 시각화 도구를 통해 공유됩니다.
예를 들어, 사용자가 웹사이트를 방문하여 일부 제품을 장바구니에 추가했지만 장바구니를 포기한 경우 방문자가 장바구니를 포기한 이유와 사용자의 감정과 같은 ‘이유’와 ‘방법’을 조사하는 것입니다. 귀하의 사이트 또는 제품에 대해 여기에서 “품질”은 메인 프레임에 있습니다. 따라서 질적 데이터에서 통찰력을 얻어야 합니다.
위의 예에서 이러한 사용자 행동의 원인을 알기 위해 숫자가 필요하지 않고 원인과 경험에 대해 물어볼 수 있습니다. 즉, 질적 데이터는 아이스크림 맛을 초콜릿으로 표시하거나 바다를 파란색으로 설명하는 것과 같이 특정 사물의 특성을 설명하는 데 사용되는 레이블 또는 용어입니다.
질적 데이터는 비통계적 형식이며 일반적으로 반구조적이거나 구조화되지 않습니다. 즉, 이러한 유형의 데이터는 그래프와 차트를 통해 어려운 숫자를 얻을 필요가 없습니다. 대신 양식, 레이블, 속성, 속성 및 기타 식별자로 특징지어집니다.
문서, 텍스트, 비디오 녹음, 오디오 녹음, 포커스 그룹, 인터뷰 대본, 메모 및 관찰을 통해 생성할 수 있습니다. 그러나 운전 면허증 번호나 주민등록번호와 같은 식별 번호는 한 사람에게 고유하고 범주적이므로 정성적 데이터에 속합니다.
예: 황금색 손잡이, 부드러운 마무리, 짙은 갈색, 미국산 견과류 맛, 이탈리아산, 녹색 셔츠, 푸른 바다, 아름다운 그림 등.
정량적 데이터
정량적 데이터는 수치로 측정하거나 셀 수 있는 단순한 정보입니다. 이것은 연구자가 파생을 기반으로 품질 결정을 내리기 위해 통계 분석 및 수학적 계산을 얻는 데 사용하는 정량화 가능한 데이터라고 할 수 있습니다.
이러한 유형의 데이터는 ‘얼마나 자주?’와 같은 질문에 답합니다. 그리고 얼마나?’. 정량적 데이터는 수학적 기법을 사용하여 쉽게 확인하고 평가할 수 있습니다. 예를 들어 이해합시다.
어떤 사람이 가게 주인에게 “저 프린터 가격이 얼마예요?”라고 묻습니다.
다양한 기기의 가격과 같은 데이터를 수집하는 것은 양적 질문입니다. 값은 무게에 대한 킬로그램, 파운드, 비용에 대한 달러 등과 같은 대부분의 측정 매개변수와 연결됩니다.
설문조사, 설문조사, 설문조사 등을 통해 통계적 분석을 위해 정량적 데이터를 수집합니다. 간단히 말해서 “정량화”될 수 있는 정보를 정량적 데이터라고 할 수 있습니다. 그것은 본질적으로 구조화되어 있으며 통계 및 보고서를 사용하여 계산할 수 있습니다. 즉, 정의되고 엄격합니다.
정량적 데이터는 테스트, 설문조사, 실험, 메트릭, 시장 보고서 등을 통해 생성할 수 있는 훨씬 더 밀접하고 간결합니다.
예: 킬로그램 단위의 무게, 한 달의 주 수, 인치 또는 피트 단위의 키, 킬로미터 또는 마일 단위의 거리, 년 또는 월 단위의 나이, 달러 단위의 수입, 센티미터 단위의 길이 등.
정성적 데이터 대 정량적 데이터: 차이점
정성적 데이터와 정량적 데이터 – 둘 다 모든 분야에서 같은 위치에 있습니다. 각각을 더 잘 이해하려면 기준, 기능, 특성 등에 따라 차이점을 볼 필요가 있습니다.
먼저 몇 가지 기본적인 차이점을 이해해 보겠습니다.
- 객체의 분류가 품질이나 속성에 따라 달라지는 데이터를 정성적 데이터라고 합니다. 이에 반해 셀 수 있거나 숫자로 표현할 수 있는 데이터를 정량적 데이터라고 합니다.
- 정성적 데이터는 사람, 감정, 색 등의 이해에 의존합니다. 반면에 정량적 데이터는 의사 결정을 위한 통계에서 결과를 얻을 수 있는 가치에 의존합니다.
- 질적 데이터에서는 언어적 정보가 수집되지만 정량적 데이터에서는 측정 가능한 정보가 수집됩니다.
- 정성적 데이터는 초기 이해를 발전시키지만 정량적 데이터는 최종 조치를 권장합니다.
지금까지 우리는 두 데이터 유형의 기본 개념을 이해했습니다. 이제 우리는 둘 사이의 몇 가지 주요 차이점을 파헤칠 것입니다.
여기 우리가 간다!
Criteria질적 데이터정량적 데이터 정의정적 데이터 분석은 최종 결과를 얻기 위해 사회 및 인문 과학에 대한 이해를 개발하는 데 사용되는 간단한 기술입니다. 정량적 데이터 분석은 논리적 및 수학적 기술을 통해 정확한 사실과 수치 정보를 생성하는 데 사용되는 기술입니다. 데이터종교, 국적, 특정 사물의 색깔, 취향, 성별 등과 같은 데이터를 포함합니다. 무게, 질량, 크기, 키, 가격 등을 포함합니다. 접근방법 계산할 수 없습니다. 수학적 유도를 통해 쉽게 계산할 수 있는 객관적인 분석을 따릅니다. 분석 분석은 개발이 발생하는 이유, 사용자가 어떻게 느끼는지, 장바구니를 포기한 이유 등을 나타냅니다. 여기에서 분석은 장바구니 포기율과 같은 개발의 수 또는 양을 설명합니다. 샘플여기에서 샘플은 대표성이 없고 전체적으로 작습니다. 전체 과정입니다. 표본이 방대하고 일반화할 수 있습니다. 수집 방법 정성적 데이터는 서면 문서, 인터뷰, 관찰 등을 사용하여 수집할 수 있습니다. 정량적 데이터는 실험, 인터뷰, 관찰, 설문 조사, 여론 조사 등을 사용하여 수집됩니다. 데이터 유형텍스트입니다 -based.숫자 기준입니다.Results결과는 데이터 분석을 위해 집계되거나 단순히 수여됩니다.여기서 결과는 그래프 및 차트를 통한 변화에 따라 다릅니다. 요소단어, 개체, 그림 등.수치 및 그래픽 정보
실제 사례
예 1: (사무실 공간)
사무실 공간은 각 요소의 기능에 따라 두 가지 데이터 유형을 모두 나타냅니다.
정성적 데이터
- 크고 넓은
- 훌륭한 자연광
- 대형 식료품 저장실
- 시원한 분수
- 눈길을 끄는 벽 페인트
- 멋진 액자
- 실내 게임을 위한 넓은 공간
정량적 데이터
- 바닥 면적의 12000 평방 피트
- 층수
- 창 수
- 문 수
- LED 수
- 시스템 수
예 2: (웹사이트의 기사)
정성적 데이터
- 기사의 성격
- 철자, 문법, 구두점 등과 같은 기사의 품질
- 독자들이 그것에 대해 어떻게 느끼는지
- 주제와 용어를 얼마나 잘 설명하는지
- 사용된 비디오 및 오디오의 품질
정량적 데이터
- 단어 수
- 사용된 이미지 수
- 댓글, 페이지 조회수 등과 같은 참여
- 로드 시간
- 생성된 리드 수
예 3: (대학 지역)
정성적 데이터
- 크고 빽빽한 나무들
- 밝은 색
- 차세대 아키텍처
- 스마트 조명 및 팬
- 대형 교실
- 멋진 프로젝터
- 양질의 책
정량적 데이터
- 강의실 수
- 블록 수
- AC 통풍구의 수
- 주차 공간의 평방 미터
- 교실 크기
- 벤치 수
- 층수
질적 데이터 대 양적 데이터: 유형
정성적 데이터의 유형
통계학자와 연구자는 정성적 데이터를 세 가지 유형으로 분류합니다.
- 이진 데이터: 항목을 좋거나 나쁨, 단단하거나 부드러움, 옳고 그름, 신선하거나 오래된 등으로 언급할 때 이진 데이터로 알려져 있습니다. 즉, 상호 배타적인 특성을 통해 특성화할 수 있는 질적 데이터이므로 동시에 발생할 수 없습니다. 통계학자는 이 데이터를 사용하여 해당 항목의 특성을 예측하는 모델을 만듭니다.
- 명목 데이터: 레이블이 지정된 데이터, 명목 척도 또는 명명된 데이터라고도 합니다. 이것은 숫자 값을 언급하지 않고 이름을 지정하는 데 사용할 수 있는 데이터 유형입니다.
예를 들어 색상별로 항목 그룹을 구성하는 경우 색상에 따라 각 항목에 직접 레이블을 지정할 수 있습니다. 연구원은 이러한 명목 데이터를 사용하여 색상과 같은 정보 집합을 구별합니다. 이 유형은 통계학자와 연구원이 어느 것이 좋은지 알기 위해 객관식 설문 조사를 만드는 데 사용할 수도 있습니다.
- 서수 데이터: 서수 데이터는 특정 규모나 순서로 분류된 정성적 데이터 유형입니다. 데이터 수집을 위한 필수 단계입니다.
예를 들어 응답자가 서비스 행복도를 1~10의 척도로 입력하면 입력에 따라 데이터를 수집합니다. 여기서 각각의 차이를 측정할 수 있는 표준 척도는 없습니다. 몇 가지 예로는 Likert 척도, 간격 척도 등이 있습니다.
정량적 데이터의 유형
양적 데이터는 이산 데이터와 연속 데이터의 두 가지 주요 유형으로 나뉩니다. 하나씩 이해해 봅시다.
이산 데이터
이산 데이터는 숫자 계산만 포함하는 양적 데이터 유형입니다. 이것은 길이, 무게, 높이 등과 같은 측정 유형을 포함하지 않습니다.
예를 들어, 학생 수, 일 수, 천장 선풍기 수, 개인의 나이 등.
개별 데이터를 식별하는 동안 다음과 같은 구별을 위해 몇 가지 질문을 사용해야 합니다.
- 셀 수 있습니까?
- 나눌 수 있습니까?
- 측정할 수 있습니까?
등등…
이산 데이터는 더 작은 부분으로 나눌 수 없는 속성 데이터라고도 합니다. 셀 수 있는 유한 또는 무한이라고 말할 수 있습니다.
예: 셀 수 있는 유한 데이터는 A = {1,2,3,4,….,n의 임의 집합입니다. 여기서 n은 무한대보다 작은 숫자입니다}. 셀 수 있는 무한 데이터는 임의 집합 B = { 1,2,3,….}입니다.
연속 데이터
측정 척도에 배치할 수 있는 양적 데이터 유형입니다. 즉, 더 작은 부분으로 나눌 수 있는 숫자 값을 취합니다. 연속 데이터를 셀 수 없는 유한 및 셀 수 없는 무한으로 참조할 수 있습니다.
예를 들어, 학생의 CGPA는 10점 척도로 측정됩니다. 여기에서 학생은 8.5, 1.57, 4.65, 2.68, 9.8 등을 포함하여 0에서 10점 사이의 점수를 얻을 수 있다고 말할 수 있습니다. 이 데이터는 상한과 하한이 있기 때문에 셀 수 없는 유한 연속 데이터로 분류할 수 있습니다.
마찬가지로 셀 수 없을 정도로 무한한 데이터의 예를 들 수 있습니다. 실수의 집합입니다. R = {….,-1,0,1,….}. 이 시나리오에서 데이터에는 상한도 하한도 없습니다.
연속 데이터는 다시 두 가지 유형으로 나뉩니다.
간격 데이터는 모든 점이 서로 동일한 거리에 배치된 척도를 따라 측정할 수 있는 간단한 기술입니다. 반면 비율 데이터는 간격 데이터의 확장입니다. 정확한 데이터 측정에 대해 이야기할 때 궁극적으로 사용됩니다. 비율 데이터는 순서, 정확한 거리 등에 대해 알려줍니다.
정성 및 양적 데이터를 생성하는 방법
정성적 데이터와 정량적 데이터에 대한 다양한 데이터 수집 방법에 대해 자세히 알아보기 전에 먼저 데이터 수집 유형을 이해하려고 노력합시다.
데이터 수집 방법은 다음과 같습니다.
- 설문조사, 설문지 및 퀴즈
- 인터뷰
- 포커스 그룹
- 직접 관찰
- 서류
데이터 수집 방법은 정량적 데이터 유형과 정성적 데이터 유형으로 분류할 수 있습니다.
정성적 데이터 수집 방법
- 설문지 및 개방형 설문조사: 다양한 설문지 및 개방형 설문조사를 통해 데이터를 수집하거나 수집하는 데 가장 많이 사용되는 방법입니다. 응답자가 훨씬 더 유연하게 답변할 수 있습니다. 사용자가 자유롭게 작성할 수 있도록 미리 정의된 답변이나 옵션이 포함되어 있지 않습니다.
- 1:1 인터뷰: 일대일 인터뷰라고도 하며, 질적 데이터를 위한 데이터 수집 방법의 일반적인 유형으로 사용됩니다. 여기에서 인터뷰 데이터를 쉽게 수집할 수 있습니다. 이 기술은 고도로 개인화된 데이터를 수집하려는 경우에 특히 사용됩니다.
- 포커스 그룹: 포커스 그룹은 인터뷰 방법이기도 합니다. 하지만 1:1 면접이 아닌 그룹 토론으로 진행됩니다. 여기에서 자원은 돈, 시간 등의 측면에서 제한되지 않습니다. 매우 편리합니다.
예를 들어 십대 마약 사용자의 재활에 관한 연구를 수행하면 그룹의 모든 구성원이 마약 중독에서 회복 중인 십대여야 합니다. - 직접 관찰: 이것은 데이터를 수집하는 가장 수동적인 방법입니다. 데이터 수집자는 참가자를 대신하여 설정을 철저히 관찰하고 오디오 또는 비디오를 사진과 함께 녹음합니다. 이것은 직접적인 관찰을 포함하기 때문에 본질적으로 편향으로 이어집니다.
정량적 데이터 수집 방법
- 온라인 퀴즈 및 비공개 설문조사: 이 방법은 응답자가 옵션에서 선택할 수 있는 질문을 기반으로 합니다. 범주형 및 비율/간격의 유형으로 나뉩니다.
범주형 질문은 이분법(예 또는 아니오), 확인란 질문 및 객관식 질문으로 분류할 수 있습니다. 이에 비해 구간 문항은 Likert 척도, 행렬 문항, 평가 척도 등으로 구성됩니다.
정성적 데이터보다 정량적 데이터의 장점
정량적 데이터는 차트를 측정하고 준비하거나 보고서를 쉽게 작성할 수 있기 때문에 정성적 데이터에 비해 많은 이점이 있습니다. 또한 질적 데이터에 비해 시간이 적게 소요됩니다. 이 기술은 무엇을 기대해야 할지 모를 때 사용됩니다.
질적 데이터보다 정량적 데이터의 장점을 이해합시다.
- 더 과학적
- 민감한 제어
- 덜 객관적
- 집중
- 더 큰 샘플을 처리할 수 있습니다.
- 간단한 방법으로 정리
- 반복 가능
- 관련성 있는
- 구조화
- 일반화 가능
- 일관된
- 빠르고 시간 절약
- 품질 의사 결정에 유용
- 더 수용 가능한 데이터
- 접근성이 높음
- 무작위 샘플을 사용할 수 있습니다.
- 직접적인 관찰이 필요하지 않음
결론
정성적 데이터는 정량적 데이터에 비해 분석이 어렵다. 질적 내용 분석, 주제 분석 및 담화 분석과 같은 일반적인 접근 방식을 사용합니다. 반면에 정량적 데이터는 SPSS, R 또는 Excel을 사용하여 평균 점수, 특정 질문을 받은 횟수, 유효성 등과 같은 것을 계산하는 숫자 또는 값을 기반으로 합니다. 결과는 표 또는 그래프.
이 게시물은 정성적 데이터와 정량적 데이터의 차이점과 어떤 애플리케이션에 무엇을 선택해야 하는지 이해하는 데 도움이 될 것입니다.