Οι τεχνικές ανάλυσης δεδομένων επιτρέπουν στους ερευνητές να αναθεωρήσουν τα συλλεγμένα δεδομένα και να βγάλουν συμπεράσματα ή προσδιορισμό από τις πληροφορίες. Οι περισσότερες τεχνικές επικεντρώνονται στην εφαρμογή ποσοτικών τεχνικών για την ανασκόπηση των δεδομένων. Μερικές από τις πιο δημοφιλείς τεχνικές ποσοτικής ανάλυσης δεδομένων περιλαμβάνουν περιγραφικές στατιστικές, ανάλυση διερευνητικών δεδομένων και ανάλυση επιβεβαιωτικών δεδομένων. Τα δύο τελευταία περιλαμβάνουν τη χρήση υποστήριξης ή μη υποστήριξης μιας προκαθορισμένης υπόθεσης. Ομάδες που μπορούν να χρησιμοποιήσουν αυτές τις τεχνικές περιλαμβάνουν μεμονωμένους ερευνητές, φοιτητές, επιχειρήσεις, κυβερνητικές υπηρεσίες και αναλογιστές, μεταξύ άλλων μερών που χρειάζονται πληροφορίες και δεδομένα.
Η ποσοτική ανάλυση δεδομένων επιχειρεί να αφαιρέσει την προκατάληψη του ερευνητή από τα συλλεγμένα δεδομένα. Η βαριά χρήση στατιστικών, πιθανοτήτων ή άλλων μαθηματικών τεχνικών επιτρέπει στα άτομα να χρησιμοποιούν τυπικές μεθόδους για την ερμηνεία δεδομένων. Όταν οι ερευνητές προσπαθούν να χρησιμοποιήσουν ποιοτικές τεχνικές ανάλυσης δεδομένων – συχνά με βάση το προσωπικό υπόβαθρο, τις προτιμήσεις ή τις βασικές αρχές έρευνας και συλλογισμού – τα συλλεχθέντα δεδομένα μπορεί να παρερμηνευτούν ή να ερμηνευθούν εσφαλμένα. Επομένως, οι μαθηματικές τεχνικές είναι λιγότερο επιρρεπείς σε αυτά τα λάθη και συχνά περισσότερο αποδεκτές από άλλα άτομα ή ερευνητές.
Η περιγραφική στατιστική ανάλυση διαχωρίζει ή συνοψίζει τα δεδομένα σε συγκεκριμένες ομάδες. Τα δημογραφικά στοιχεία είναι ένα κοινό σύνολο περιγραφικών στατιστικών. Οι ερευνητές θα συλλέξουν πληροφορίες σχετικά με την ηλικία, το φύλο, το μέγεθος του νοικοκυριού, το εισόδημα, τον τύπο εργασίας και άλλες πληροφορίες. Ένας άλλος τύπος περιγραφικής στατιστικής ανάλυσης είναι το ποσοστό ολοκλήρωσης ενός μπακ όταν παίζετε σε έναν ποδοσφαιρικό αγώνα. Εάν ο μπαμπέρ ολοκληρώσει έξι από τις οκτώ προσπάθειες πάσας, έχει 75 % ποσοστό ολοκλήρωσης. Ένα ελάττωμα σε αυτήν την τεχνική είναι η αδυναμία των στατιστικών να παρέχουν πρόσθετες πληροφορίες, όπως το μήκος κάθε περάσματος.
Οι τεχνικές διερεύνησης της ανάλυσης δεδομένων περιλαμβάνουν συχνά τη χρήση τεμαχίων, ιστογράμματα, διαγράμματα Pareto, οικόπεδα διασποράς ή ένα διάγραμμα στελέχους και φύλλων. Ο κύριος σκοπός αυτής της τεχνικής είναι να υποστηρίξει μια δηλωμένη υπόθεση από έναν ερευνητή. Για παράδειγμα, ένας ερευνητής μπορεί να επιθυμεί να αποδείξει μια υπόθεση σχετικά με το ηλικιακό εύρος των ιδιοκτητών που οδηγούν ένα συγκεκριμένο τύπο αυτοκινήτου, όπως ένα μίνι βαν. Για να ελέγξει και να υποστηρίξει αυτήν την υπόθεση, ο ερευνητής θα συγκεντρώσει πληροφορίες και θα δημιουργήσει ένα πλαίσιο για να καθορίσει τον αριθμό των ιδιοκτητών εντός του καθορισμένου εύρους του. Τα στατιστικά στοιχεία θα παρέχουν πληροφορίες για την υποστήριξη ή μη της υπόθεσης και θα δείξουν πόσες υπερβολικές είναι οι συγκεντρωμένες πληροφορίες.
Οι επιβεβαιωτικές τεχνικές ανάλυσης δεδομένων είναι το αντίθετο από τις τεχνικές διερεύνησης. Σε αυτές τις δοκιμές, ο ερευνητής προσπαθεί να διαψεύσει την μηδενική υπόθεση, η οποία είναι μια δήλωση που είναι γενικά αποδεκτή ως αληθής από τα περισσότερα άτομα. Για να διαψεύσει την μηδενική υπόθεση, ο ερευνητής θα συγκεντρώσει συγκεκριμένες πληροφορίες που σχετίζονται με την υπόθεση και θα δοκιμάσει τον μέσο όρο, τη διακύμανση, τις τιμές p και τα διαστήματα εμπιστοσύνης. Το διάστημα εμπιστοσύνης που αποδεικνύεται από την επιβεβαίωση της ανάλυσης δεδομένων θα παρέχει πληροφορίες σχετικά με το πόσο σίγουρος πρέπει να είναι ο ερευνητής σχετικά με το αν η μηδενική υπόθεση είναι αληθινή ή ψευδής.
SmartAsset.