Вопрос 1. Выбор стратегии или метода анализа собранных данных.

 

Выбор стратегии или метода анализа собранных данных основывается на итогах предыдущих этапов процесса маркетинговых исследований, известных характеристиках информации, свойствах конкретных статистических методов, а также на опыте и взглядах исследователя.

Анализ данных — не конечный этап исследования. Его цель — получить информацию, которая поможет решить определенную проблему. Выбор метода анализа должен начинаться с исследования итогов предыдущих этапов процесса: определение проблемы (этап 1), разработка подхода (этап 2) и разработка плана исследования (этап 3).

В качестве «трамплина» используется предварительный план анализа данных, разработанный как один из элементов плана исследования. Затем, в ходе поступления на последующих стадиях процесса исследования дополнительной информации, могут понадобиться некоторые изменения.

Анализ данных начинается с перевода «сырых» данных в осмысленную информацию и включает их введение в компьютер, проверку на предмет ошибок, кодирование, представление в матричной форме (табулирование). Все это называется преобразованием исходных данных.

Далее проводится статистический анализ, т.е. определяются средние величины, частоты, корреляционные и регрессионные соотношения, осуществляется анализ трендов.

Следующий этап заключается в анализе известных характеристик данных. На выбор статистического метода сильно влияет то, какие шкалы измерений используются в ходе исследования. Кроме того, определено, какие именно методы анализа желательно использовать при конкретной структуре исследования.

1. Дескриптивный анализ.

2. Выводной анализ.

3. Анализ различий.

4. Анализ связей.

5. Предсказательный анализ.

 

Дисперсионный анализ подходит для работы с экспериментальными данными, полученными от проведения причинно-следственного исследования. Кроме того, очень весомы при выборе стратегии анализа данных результаты изучения собранных данных на этапе их подготовки к анализу.

В основе дескриптивного анализа лежит использование двух групп статистических мер. Первая включает меры "центральной тенденции", или меры, которые описывают типичного респондента или типичный ответ (средняя величина, мода, медиана). Вторая включает меры вариации, или меры, описывающие степень схожести или несхожести респондентов или ответов относительно "типичных" респондентов или ответов (распределение частот, размах вариации и среднее квадратическое отклонение).

Мода характеризует величину признака, появляющуюся наиболее часто по сравнению с другими величинами данного признака. Мода носит относительный характер, и необязательно, чтобы большинство респондентов указало именно эту величину признака.

Медиана характеризует значение признака, занимающее срединное место в упорядоченном ряду значений данного признака.

Третьей мерой центральной тенденции является средняя величина, которая чаще всего рассчитывается как средняя арифметическая величина. При ее вычислении общий объем признака поровну распределяется между всеми единицами совокупности.

Видно, что степень информативности средней величины больше, чем медианы, а медианы — чем моды.

Существуют и другие описательные меры, например меры асимметрии (насколько найденные кривые распределения отличаются от нормальных кривых распределения). Однако они используются не столь часто, как вышеупомянутые, и не представляют особого интереса для заказчика.

Выводной анализ- или анализ, в основе которого лежит использование статистических процедур (например, проверка гипотез) с целью обобщения полученных результатов на всю совокупность. Вывод является видом логического анализа, направленного на получение общих заключений обо всей совокупности на основе наблюдений за малой группой единиц данной совокупности.

Выводы делаются на основе анализа малого числа фактов. Например, если два ваших товарища, имеющие одну и ту же марку автомобиля, жалуются на его качество, то вы можете сделать вывод о низком качестве данной марки автомобиля в целом.

Статистический же вывод основан на статистическом анализе результатов выборочных исследований и направлен на оценку параметров совокупности в целом. В данном случае результаты выборочных исследований являются только отправной точкой для получения общих выводов. Например, автомобилестроительная компания провела два независимых исследования с целью определения степени удовлетворенности потребителей своими автомобилями. Первая выборка включала 100 потребителей, купивших данную модель в течение последних шести месяцев. Вторая выборка включала 1000 потребителей. В ходе телефонного интервьюирования респонденты отвечали на вопрос: "Удовлетворены или не удовлетворены вы купленной вами моделью автомобиля?" Первый опрос выявил 30% неудовлетворенных, второй - 35%.

Поскольку существуют ошибки выборки и в первом, и во втором случаях, то здесь можно рассуждать следующим образом. Для первого случая около 30% опрошенных выразили неудовлетворенность купленной моделью автомобиля, для второго случая - около 35% опрошенных. Какой же общий вывод можно сделать в данном случае? Как избавиться от слова "около"? Для этого введем показатель ошибки: 30% ± x% и 35% ± y% и сравним x и y. Используя логический анализ, можно прийти к заключению, что большая выборка содержит меньшую ошибку и что на ее основе можно сделать более правильные выводы о мнении всей совокупности потребителей. Видно, что решающим фактором для получения правильных выводов является размер выборки. Данный показатель присутствует во всех формулах, определяющих содержание различных методов статистического вывода.