数据分析：定性分析 VS 定量分析！

数字化时代，企业通过收集和分析大量数据来帮助企业做出明智的业务决策。从产品开发到客户满意度，企业的几乎每个方面都使用数据和数据分析来衡量成功和制定策略。在数据分析世界，有两个姊妹：定量和定性。虽然他们有时候比较难以区分，而且经常互换使用，但是它们还是有明显的差异，会影响您收集、分析和使用它们的方式。在定性和定量数据之间进行选择时，请考虑您想要得到什么。您可能会选择使用定量分析来确定发生了什么。但是，如果您想了解为什么会发生某些事情，定性数据可以提供更可靠的、更形象的画面。

那么，它们关键区别是什么，用户应该了解什么？这篇文章将详细介绍如何使用定量和定性数据，以及一些通过分析数据揭示问题真相的常用方法。

01 什么是定量数据？

定量数据是表示数量、数值或范围的数据。数据使用者往往会对这类数据设置边界，并可能对其进行算术运算或聚合起来进行分析。定量数据可以理解为方程式中的变量，这些变量可以是独立的、相关的，甚至是无关的。

定量数据的一些示例包括：

数量

计数或单位，存储为原始数字 经常以数值型、货币型形式存储数据 百分比/比率

重要的是要考虑到并非所有数字数据都可以成为计算的一部分或聚合，这些不能聚合的术语，如百分比，通常称为不可聚合指标。

02 什么是定量数据分析？

定量分析可以采取两种形式：传统的商业数据分析，或更学术的定量分析。

传统的业务分析使用数值方法来绘制图表，通常是通过数据可视化分析方法，如统计数据，报表或仪表板。通常，人们使用以下两种类型的统计分析之一：传统业务定量分析是收集和评估可衡量和可验证数据（例如收入、市场份额和工资）以了解业务行为和绩效 (CFI) 的过程。

强大的定量工具之一是细分。细分是跨两个轴收集数据的技术，例如有关客户的详细信息以及特定商品或服务的购买。然后，分析师会审查关系以将客户置于不同的细分市场，以更好地了解您的客户群。

早期分析的一个很好的细分示例是邮政编码分析。在 1980 年代，零售商会在销售点（也称为门店）收集数据。通常，由于技术限制，他们只会捕获邮政编码，然后汇总和分析这些数据，以帮助门店回答以下问题：

我们的客户住在哪里？ 住在附近的人会购买什么产品？ 住得远的人会买什么产品？ 本地客户多久购买一次？ 与非本地人相比如何？

鉴于以上情况，我们可能需要在哪些地方开设更多商店？

细分的另一个例子是购物篮分析，它探索消费者最常一起购买的产品类型。零售商的数据领导者可以通过多种方式使用这些见解。当实体店的经理了解市场购物篮模式时，他们可以更周到地将产品放在货架上以推动销售。传播经理可以使用更具吸引力的优惠券重新定位忠诚度会员，等等。

学术定量分析的典型代表是邮政编码分析，这种形式的分析侧重于变量被操作后的相互作用，允许分析师研究和衡量结果（定量和统计研究方法：从假设到结果，Bridgmon 和 Martin，2006 年）。这种方法不同于传统的商业分析，因为它通常包括围绕单个研究问题的假设检验；相比之下，传统的业务方法侧重于审查结果和规定行动或新问题。

03 统计学在定量数据分析中的作用是什么？

统计学是定量分析的核心。它通常属于两类之一：描述性统计或推论性统计。

描述性统计总结了一组数据，可以是整个人口，也可以是随机样本。此表是描述性统计的示例，包括均值和标准差：

表 1：描述性统计

描述性统计的目标是讲述一个汇总数据的故事。描述性统计捕获的是什么，而推论统计则预测可能是什么，并且通常具有以下两个目的之一：

随着因变量的变化对人口进行估计，或者

检验假设以得出关于人口的结论（例如，终生价值与年收入之间的关系）。

两种最常见的推论统计类型是：

回归分析，这是在整个群体中评估一个变量相对于另一个变量如何变化的行为。线性回归是最常见的，并且基于基于其因变量值的自变量的变化。

假设检验，是一种推论统计，用于提出问题并检验答案。（对于假设检验的复习，这个cuemath 总结非常有帮助）。cuemath 的这张表很好地总结了这些统计方法：

图：来自cuemath的描述性和推理性统计

04 定量数据的优势与缺点

1、定量数据优点

封闭式问题：分析师可以通过使用一些离散变量来获得见解，例如询问是/否问题。

易于分析：数据使用者可以很容易地使用数学模型来分析定量数据。

无需解释：数字是客观的，因此无需担心会误解它们。

并不总是昂贵：免费或低成本的调查工具可以使收集信息的成本更低。

易于自动化：跟踪软件或社交媒体分析等技术可提供消费信息，而无需用户参与手动任务。

2、定量数据的缺点

尽管定量数据很有价值，但它也有一些局限或缺点，包括：

分析所需的数据必须是：

可用的

高品质

值得信赖 需要了解快速有效地进行分析的工具

分析师需要具备良好的商业头脑才能提供分析

05 定量数据收集的方法

收集定量数据时，重要的是收集尽可能多的数据点，以确保您的数学分析能为您提供有意义的答案。

获取定量数据的一些常用方法包括：

系统数据：随着企业的运营，他们会收集范围广泛的数据，包括销售数据、财务数据以及物流和运输数据，所有这些数据都可用于广泛的运营和分析目的

调查问卷：使用问卷收集信息。例如，您可以发送一份客户调查，要求人们对您的产品或服务的满意度进行评分。

分析数据：分析数据以了解人们如何与产品和/或服务互动。例如，您可以跟踪人们如何与您公司的网站互动。

实验比较：使用基于控制组和测试组的两个数据集，然后比较数字。例如，您可以使用 A/B 测试来比较客户的反应和转化，以确定哪种网站副本效果最好。

现有数据的操作：在不实际创建新数据的情况下更改您拥有的数据；例如，您可以更改电子表格中的数字，看看如果人们采取不同的行动会发生什么。

06  八种定量数据分析方法

通过了解不同的定量分析方法，您可以选择适合您业务需求的方法。

1、描述性分析

描述性分析是描述数据的数据点的汇总。统计学家喜欢用集中趋势或分布来描述这些，而非统计学家则寻找叙述来描述数据的含义。一个简单的叙述示例，这可能是一份报告的描述性专栏，该报告回顾了 12 个月前和上个月的销售额，并指出：销售额从 FM2021-12 的 120 万元增长到 FM2022-12 的 140 万元，这主要取决于电器的增长。

2、推理分析

推理分析是基于审查数据样本得出结论的能力。什么是推理分析的例子？这是一个常见的问题：当利率上升时，房屋销售量下降。分析师推断这两个变量之间存在联系：“由于抵押贷款成本较高，买房的人较少。”

分析师使用推理分析来解释为什么会发生某些事情。例如，数据用户可能会比较两个不同垂直行业之间的销售额，以创建理想的客户档案。

3、趋势分析

趋势分析随时间收集的评论数据，以帮助预测未来。例如，可以跟踪某个年龄段人群的购买决策，以了解该群体将来是否可能购买某种产品。

4、差距分析

在差距分析中，将过去和当前的状态数据进行比较，以评估性能或就解决问题需要采取的措施做出决定。例如，可以将过去每周的销售员工工时与当前每周的销售员工工时进行比较，以确定是否需要更多员工。

5、交叉表分析

交叉表或列联表将多个变量组合在一起，以便更容易找到数学相关性。例如，可以汇总关于一个人的年龄和一年中他们购买最多商品的时间的数据，以了解人们如何在假期购物。

6、MaxDiff / 最佳-最差

使用MaxDiff，您可以通过为量表上的每个点创建一个平均分数来确定偏好顺序，从而分析人们如何回答调查的“从最重要到最不重要”的量表问题。这也可以在进行市场调查时使用，以了解新功能对客户的重要性。

7、TURF 分析

TURF 分析方法通过审查覆盖的客户数量以及通信源到达客户的频率来帮助评估产品和服务的组合。它通常用于市场研究，并经常与 MaxDiff 分析结合使用。例如，当企业试图决定为客户优先提供三种服务中的哪一种时，可以使用统计分析来确定最受欢迎的一种。

8、文本分析

文本分析使用统计和自动化通过查看包含单词或短语的响应数量、受访者的语法或响应中的主题来得出推论。例如，文本分析可用于识别客户满意度调查中的关键情感主题。

总之，定量数据提供了客观的见解。但它常常无法回答一些重要的问题，主要是，为什么？定性数据是理解事情发生原因的关键。要了解更多信息，请继续阅读。

定性数据为元素的特征提供标签或数值（商业和经济统计。Freeman、Anderson、Sweeney、Williams、Shoesmith。2006 年）。更一般地说，收集到的关于人类行为的信息是用文字而不是数字来描述事物的。它利用人们的感受和经历来理解事件发生的根本原因。

这不仅限于调查或问卷；只要以自由格式的文本收集数据，就可以分析定性数据。此类数据的一些示例包括：

来自客服软件的通话记录

来自社交媒体帖子的注释

产品说明

订购须知

来自访谈和调查的开放式问题

08 什么是定性数据分析？

定性数据分析涉及研究人员审查访谈和问卷中的信息，并根据重复的单词、短语或情绪应用标签和数值。他们的目标是围绕各种品质或特征找到并连接模式和主题。

Gong 就是在此类数据上建立声誉的公司的一个例子。Gong 收集通话记录、会议记录和其他免费文本中的详细信息，并在其上放置数值以显示销售周期的进展以推动销售渠道。他们的营销信息反映了这一点：“通过将定性数据转化为可操作的情报，停止失去可赢得的交易。”

定性数据提供了关于根本原因的主观见解，但分析起来可能很耗时。

1、定性数据的优点

定性数据有几个优点，包括：

开放式问题：无需定义变量，您可以回答事件背后的方式和原因。

快速收集：很容易进行调查并在短时间内获得大量答案。

详细信息：数据用户可以用自己的话获得更多关于人们的感受和意见的信息。

更深入的见解：人们的意见和态度有助于解释他们的行为。

2、定性数据的缺点

定性数据有一些缺点，因为它可能是：

难以收集：如果分析师需要采访来获取信息，那么找到合适的受访者可能会很困难。

耗时：一对一访谈需要时间，而且分析结果不容易自动化。

资源密集型：领导者需要有人知道如何审查信息以提取有意义的见解。

难以量化：人类的情感和意见并不总能转化为客观数字。

容易产生偏见：人们提出问题并解释回答，因此他们的偏见会影响流程。

定性研究包括结构化和非结构化方法。

1、结构化方法的一些示例包括：

焦点小组：一组参与者一起讨论一个话题并回答相关问题。例如，焦点小组负责人可能会在进行市场调查时询问该小组他们对新产品的看法。

案例研究：与客户讨论他们如何使用产品或服务以了解他们对其价值的看法。例如，企业可能会询问有价值的客户他们如何使用产品以及他们希望在未来看到什么；然后，这些答案会告知他们如何更新产品。

2、非结构化方法的一些示例包括：

观察：这需要观察人们如何与环境互动。市场研究人员可能会观察人们在商店购物，看看哪些陈列吸引了他们的注意力。

访谈：这是一对一的对话，通过提问来了解对方的动机。例如，在决定一家公司的品牌时，营销主管可能会询问某个年龄段的人什么类型的品牌对他们有吸引力。

文件分析：这需要通读关于一个主题的不同文件并寻找共同的主题。例如，企业领导者可能会阅读来自不同分析师的多份行业报告，以了解他们如何开发产品并推销其价值。

由于固有的复杂性，定性数据分析通常更具挑战性和耗时；重要的是，分析师花时间了解数据以提供准确且有用的结论。

1、内容分析

内容分析是对数据的主观解释，包括以下步骤：

准备资料

定义分析单位

创建类别

建立编码方案

测试编码方案

编码文本

审查一致性

得出结论

报告结果

例如，内容分析可用于查找焦点小组答案之间的相关性和模式，以做出有关产品开发的决策。

2、话语分析

话语分析不像内容分析那样系统化，它通过探索语言产生的意义来实现解释。这包括文本中的细节和关于人们如何使用语言的上下文知识。例如，分析师使用话语分析来了解人们在采访中的交流方式；这有助于他们深入了解如何为特定受众编写引人注目的营销材料。

3、扎根理论

扎根理论分析使用访谈记录来寻找重复的主题，方法是用关键字和短语对主题进行编码，以创建概念层次结构。根据受访者的解释或解释，公司使用这种方法来了解人们的社会行为、互动和经历意味着什么。例如，扎根理论分析可用于关联两个不同的人群，如年龄和地理人口统计数据，以了解新市场。

4、叙述分析

叙事分析的前提是故事具有功能性和目的性。人们用故事来组织他们的想法，了解他们的生活。四个叙事分析框架是：

结构性的

功能性

专题

对话/表演

例如，叙事分析可用于了解某人与组织品牌的关系如何影响他们向其购买产品的意愿。

5、主题分析

主题分析检查数据中的主题或模式。它需要较少的理论和技术知识，因此更容易获得。三种主题分析类型是：

编码可靠性

密码本

自反性

例如，您可以使用社交媒体用户的主题分析来了解客户群对竞争对手的看法。

6、解释现象学分析（IPA）

IPA 探索人们对其生活经历的反应；它寻求深入了解某人如何根据给定的上下文理解事件。扎根分析试图了解人们如何处理事件，而 IPA 则采用一种专注于体验本质的哲学方法。例如，IPA 可用于深入了解特定餐厅位置的顾客对所提供服务的感受。

7、自然语言处理

自然语言处理 (NLP) 是一种机器学习分析技术。它利用算法来分析文本数据。NLP 的常见示例包括电子邮件过滤器、拼写检查器和翻译引擎。当谷歌自动完成一个短语或您的手机提取语音邮件转录时，NLP 负责。

NLP 正在快速发展。许多研究人员对其支持定性研究的潜力感到兴奋。当 NLP 方法被纳入此类分析时，科学家可以削减成本、增加样本量并缩短时间线。

对于定量数据，数字提供了客观指标。相比之下，定性数据提供了关于人们的感受和观点的信息，这些信息更加主观。定量数据传达事件的频率，而定性数据可以揭示事件发生频率不高或低的原因。

例如，企业可能会考虑停止生产某种产品。分析师如何使用数据来为该决策提供信息？定量数据可以帮助他们了解有多少人购买了该产品以及所赚取的收入，而定性数据则可以揭示人们不购买该产品的原因。虽然定量数据反映了一个新事件（人们购买较少），但定性数据揭示了它发生的原因。通过调查，企业可能会了解到产品缺少一项重要功能，并决定更新它。

亿信华辰助力数字中国新征程
亿信华辰17年来，致力于为客户提供一站式数据管理服务，对政务信息化也有着深刻的理解和积累，丰富的技术和业务能力，为数字时代下信息化智慧创新发展增添助力。在2021年被IDC认可为数据治理行业认知引领型厂商，在政务数据治理领域取得了不俗的成绩，在2022年被IDC认可中国数据治理解决方案市场份额第一。

在数据治理领域，亿信华辰基于数据资产管理理念，打造的数据治理全功能产品睿治数据治理平台，满足用户在数据治理领域的全场景需求。包含元数据管理、数据标准管理、数据质量管理、主数据管理、数据集成管理、数据交换管理、实时大数据管理、数据资产管理、数据安全管理、数据生命周期管理等十大产品模块，可独立或灵活组合使用，打通数据治理各个环节，可快速满足用户各类不同的数据治理场景。

在数据分析领域，十多年技术沉淀，亿信华辰首创一站式数据分析平台ABI，融合了ETL数据处理、数据建模、数据可视化、数据分析、数据填报、移动应用等核心功能，打通数据分析应用全链路，实现数据填报、处理、分析一体化，以挖掘预测分析、大数据分析，人工智能分析为引领，让决策层直观洞悉数据联系，辅助智能决策。

在众多实践中，亿信华辰有幸与广州荔湾区政数局、佛山禅城区政数局、江苏江阴大数据中心、四川凉山州政府、甘肃税务局等各大政务部门紧紧围绕政务服务“一网通办”和办事“只进一扇门”、“最多跑一次”等要求，加强政务信息系统整合共享，建设数据治理体系，推动智慧城市建设，打造政务服务高地。

未来，亿信华辰将以数字政府建设为契机，以我们丰富的数据治理经验为政府机构提供专业的技术服务，更好地挖掘数据的潜在价值，推动科技创新和数字经济发展。