Dataanalyse er en prosess der man anvender statistiske eller logiske metoder for å fremstille og evaluere informasjon.
Denne formen for analyse involverer en grundig gjennomgang av innsamlet data, som deretter benyttes for å generere og presentere konklusjonene på en måte som kommuniserer de viktigste funnene eller alternativene.
En viktig del av denne prosessen er å skille mellom de forskjellige datatypene man har samlet inn. For å forenkle dataanalyseprosessen, er det essensielt å ha kunnskap om de to hovedmetodene – kvalitative og kvantitative data.
Både kvalitative og kvantitative data er resultater av en prosess der informasjon skapes, observeres, bekreftes og samles inn.
Data kan forekomme i ulike formater som tall, fakta, målinger, opptegnelser, notater, videoer, bilder, og så videre, både digitalt og analogt.
Det eksisterer imidlertid betydelige forskjeller mellom de to. For å kunne velge den rette metoden for dine prosjekter, må du forstå hver enkelt type separat og hvordan de skiller seg fra hverandre.
La oss derfor utforske forskjellene mellom kvalitative og kvantitative data.
Kvalitative kontra kvantitative data: Hva er de?
For å få en bedre forståelse av disse begrepene, la oss se på at den førstnevnte typen er tolkende, utforskende og subjektiv, mens den sistnevnte er konkluderende, objektiv og konkret.
Kvalitative data
Kvalitative data består av informasjon som ikke kan måles, uttrykkes i tall eller telles. Slik informasjon hentes fra lyd, bilder, tekst, og mer, og presenteres ofte gjennom visuelle hjelpemidler som konseptkart, tidslinjer, infografikker og andre verktøy.
For eksempel, dersom en bruker besøker din nettside, legger varer i handlekurven, men ikke fullfører kjøpet, vil din oppgave være å undersøke «hvorfor» og «hvordan». Det vil si, hvorfor forlot brukeren handlekurven, og hva er brukerens oppfatning av nettsiden eller produktene dine. Her er «kvalitet» sentralt, og det er derfor viktig å få innsikt fra kvalitative data.
I eksemplet ovenfor, trenger du ikke tall for å forstå årsaken til denne brukeratferden, men snarere stille spørsmål om deres motivasjon og erfaring. Kvalitative data er med andre ord en betegnelse for å beskrive karakteristikker ved noe, som å beskrive smaken på en is som sjokolade eller havet som blått.
Kvalitative data er ikke-statistiske og ofte semi-strukturert eller ustrukturert. Dette betyr at du ikke trenger harde tall, grafer eller diagrammer. I stedet karakteriseres denne typen data av deres former, merkelapper, attributter, egenskaper og andre identifikatorer.
Data kan genereres fra dokumenter, tekster, videoopptak, lydopptak, fokusgrupper, intervjuutskrifter, notater og observasjoner. Identifikasjonsnumre som førerkortnummer eller personnummer regnes også som kvalitative data, da de er unike og kategoriske for enkeltpersoner.
Eksempler: Gylne knotter, glatt overflate, dyp brun, amerikansk nøttesmak, produsert i Italia, grønne skjorter, blått hav, vakre bilder, og så videre.
Kvantitative data
Kvantitative data er informasjon som kan måles eller telles i numeriske verdier. Det kan beskrives som all kvantifiserbar informasjon som brukes av forskere for å utføre statistiske analyser og matematiske beregninger, slik at de kan ta velinformerte beslutninger basert på sine funn.
Denne typen data besvarer spørsmål som «hvor mange?», «hvor ofte?» og «hvor mye?». Kvantitative data kan enkelt verifiseres og evalueres ved hjelp av matematiske metoder. La oss se på et eksempel:
En person spør en butikkeier: «Hvor mye koster denne skriveren?»
Dette er et kvantitativt spørsmål designet for å samle inn data som prisen på ulike enheter. Verdier knyttes til målbare parametere som kilogram for vekt, pund, dollar for kostnader, og så videre.
Kvantitative data samles inn for statistisk analyse gjennom undersøkelser, spørreskjemaer, meningsmålinger osv. Enkelt sagt, informasjon som kan «kvantifiseres» regnes som kvantitative data. Denne typen data er strukturert og kan behandles gjennom statistikker og rapporter, noe som betyr at den er definert og rigid.
Kvantitative data er mer presise og konkrete, og kan genereres gjennom tester, undersøkelser, eksperimenter, beregninger, markedsrapporter med mer.
Eksempler: Vekt i kilogram, antall uker i en måned, høyde i tommer eller fot, avstand i kilometer eller miles, alder i år eller måneder, inntekt i dollar, lengde i centimeter, og så videre.
Kvalitative kontra kvantitative data: Forskjeller
Både kvalitative og kvantitative data har sin plass innenfor alle fagfelt. For å forstå dem bedre, må vi undersøke forskjellene basert på deres kriterier, funksjoner og natur.
La oss starte med noen grunnleggende forskjeller:
- Data der objekter klassifiseres basert på deres kvalitet eller attributter, omtales som kvalitative data. Data som kan telles eller uttrykkes i tall er derimot kvantitative data.
- Kvalitative data fokuserer på forståelse mellom mennesker, følelser, farger osv. Kvantitative data fokuserer derimot på verdier, hvor resultatene presenteres statistisk for å støtte beslutninger.
- I kvalitative data samles verbal informasjon, mens i kvantitative data samles målbar informasjon.
- Kvalitative data bidrar til en første forståelse, mens kvantitative data understøtter en endelig handling.
Vi har nå forstått de grunnleggende konseptene bak begge datatypene. La oss nå dykke dypere inn i noen viktige forskjeller mellom de to.
Her har vi en tabell:
| Kriterier | Kvalitative data | Kvantitative data |
| Definisjon | Kvalitativ dataanalyse er en teknikk for å utvikle en forståelse av samfunns- og humanvitenskap for å oppnå et endelig resultat. | Kvantitativ dataanalyse er en teknikk som brukes til å generere harde fakta og numerisk informasjon gjennom logiske og matematiske metoder. |
| Data | Inneholder data som religion, nasjonalitet, farger, smak, kjønn osv. | Inneholder vekt, masse, størrelse, høyde, pris osv. |
| Tilnærming | Baserer seg på subjektiv analyse, som involverer ikke-statistisk informasjon som ikke kan beregnes. | Baserer seg på objektiv analyse som enkelt kan beregnes gjennom matematiske metoder. |
| Analyse | Analysen fokuserer på hvorfor en utvikling skjer, hvordan en bruker føler seg, hvorfor en handlekurv forlates osv. | Analysen her forklarer antall eller mengde av en utvikling, for eksempel antall forlatte handlekurver. |
| Eksempel | Utvalget er ikke-representativt og lite, og gjelder gjennom hele prosessen. | Utvalget er stort og kan generaliseres. |
| Innsamlingsmetoder | Kvalitative data kan samles inn gjennom skriftlige dokumenter, intervjuer, observasjoner osv. | Kvantitative data samles inn gjennom eksperimenter, intervjuer, observasjoner, undersøkelser, meningsmålinger osv. |
| Datatype | Tekstbasert. | Tallbasert. |
| Resultater | Resultatene samles for å analysere dataene eller presenteres enkeltvis. | Resultatene avhenger av variasjonen gjennom grafer og diagrammer. |
| Elementer | Ord, objekter, bilder osv. | Numerisk og grafisk informasjon. |
Eksempler fra det virkelige liv
Eksempel 1: (Kontorlokaler)
Kontorlokaler kan analyseres med begge datatyper, avhengig av de spesifikke elementene som undersøkes.
Kvalitative data:
- Stort og romslig.
- Mye naturlig lys.
- Stort kjøkkenområde.
- Kjølig vannfontene.
- Iøynefallende veggmalerier.
- Fine bilderammer.
- God plass for innendørs spill.
Kvantitative data:
- 12000 kvadratmeter gulvflate.
- Antall etasjer.
- Antall vinduer.
- Antall dører.
- Antall LED-lys.
- Antall datamaskiner.
Eksempel 2: (Artikkel på en nettside)
Kvalitative data:
- Temaet for artikkelen.
- Kvaliteten på artikkelen med tanke på staving, grammatikk, tegnsetting osv.
- Lesernes opplevelse av artikkelen.
- Hvor godt artikkelen beskriver emnet og konseptene.
- Kvaliteten på videoer og lyd som brukes.
Kvantitative data:
- Antall ord.
- Antall bilder som er brukt.
- Engasjement som kommentarer, sidevisninger osv.
- Lastetid.
- Antall salg som artikkelen genererer.
Eksempel 3: (Universitetsområde)
Kvalitative data:
- Store og tette trær.
- Sterke farger.
- Moderne arkitektur.
- Smarte lys og vifter.
- Store klasserom.
- Moderne projektorer.
- Kvalitetsbøker.
Kvantitative data:
- Antall klasserom.
- Antall bygninger.
- Antall klimaanlegg.
- Antall kvadratmeter parkeringsplass.
- Størrelsen på klasserommene.
- Antall benker.
- Antall etasjer.
Kvalitative kontra kvantitative data: Typer
Typer kvalitative data
Statistikere og forskere kategoriserer kvalitative data i tre typer:
- Binære data: Data som beskriver noe som enten «god» eller «dårlig», «hard» eller «myk», «rett» eller «galt», «fersk» eller «gammel», er kjent som binære data. Med andre ord, kvalitative data som kan karakteriseres gjennom gjensidig utelukkende egenskaper, der begge ikke kan forekomme samtidig. Statistikere bruker disse dataene til å lage en modell som forutsier arten av det spesifikke elementet.
- Nominelle data: Også kalt merket eller navngitt data. Dette er en type data som brukes til å navngi noe uten å referere til en numerisk verdi.
For eksempel, hvis du skal gruppere elementer etter farge, kan du merke hvert element i henhold til fargen. Forskere bruker nominelle data til å skille mellom ulike typer informasjon, for eksempel farge. Denne typen data brukes også til å lage flervalgsoppgaver for å finne ut hvilke elementer som er mest populære.
- Ordinale data: Ordinale data er en type kvalitative data som er kategorisert etter en bestemt skala eller rekkefølge. Dette er et viktig skritt i datainnsamlingsprosessen.
For eksempel, hvis en respondent rangerer sitt tilfredshetsnivå på en skala fra 1-10, samler man inn data basert på disse valgene. Det er imidlertid ingen standardskala her der forskjellen mellom hvert punkt kan måles. Eksempler er Likert-skalaen og intervallskalaen.
Typer kvantitative data
Kvantitative data er delt inn i to hovedtyper – diskrete og kontinuerlige data. La oss se på hver enkelt.
Diskrete data
Diskrete data er en type kvantitative data som bare inneholder tallverdier. Denne typen data innebærer ikke noen form for måling som lengde, vekt, høyde osv.
Eksempler inkluderer antall elever, antall dager, antall takvifter, alder på en person og mer.
Når du skal identifisere diskrete data, må du bruke følgende spørsmål for å skille:
- Kan det telles?
- Kan det deles?
- Kan det måles?
Diskrete data er også kjent som attributtdata som ikke kan deles opp i mindre deler. Du kan si at de enten er tellbart endelige eller uendelige.
Eksempel: De tellbare endelige dataene er det vilkårlige settet A = {1,2,3,4,….,n; der n er et tall mindre enn uendelig}. De tellbare uendelige dataene er det vilkårlige settet B = { 1,2,3,….}.
Kontinuerlige data
Dette er en type kvantitative data som kan plasseres på en måleskala, noe som betyr at disse dataene kan ta på seg numeriske verdier som kan deles opp i mindre deler. Kontinuerlige data kan refereres til som utallige endelige og utallige uendelige.
For eksempel måles karaktersnittet (CGPA) for studenter på en skala fra 0 til 10. En student kan få mellom 0 og 10 poeng, inkludert desimaltall som 8,5, 1,57, 4,65, 2,68, 9,8 osv. Disse dataene kan klassifiseres som utallige endelige kontinuerlige data, siden de har en øvre og nedre grense.
Et eksempel på utallige uendelige data er settet med reelle tall, R = {….,-1,0,1,….}. I dette tilfellet har dataene verken en øvre eller nedre grense.
Kontinuerlige data er igjen delt inn i to typer:
- Intervalldata
- Forholdsdata
Intervalldata er en teknikk som kan måles langs en skala der hvert punkt har like stor avstand fra hverandre. Forholdsdata er en utvidelse av intervalldata og er nyttig når man trenger en eksakt datamåling. Forholdsdata forteller om rekkefølgen, eksakt avstand med mer.
Metoder for å generere kvalitative og kvantitative data
Før vi dykker dypere inn i ulike datainnsamlingsmetoder, la oss først se på ulike typer datainnsamling.
Datainnsamlingsmetoder:
- Undersøkelser, spørreskjemaer og quiz.
- Intervjuer.
- Fokusgrupper.
- Direkte observasjoner.
- Dokumenter.
Datainnsamlingsmetoder kan klassifiseres i kvantitative og kvalitative datatyper.
Kvalitative datainnsamlingsmetoder
- Spørreskjemaer og åpne undersøkelser: Dette er en vanlig metode for å samle data gjennom ulike spørreskjemaer med åpne spørsmål. Dette gir respondentene frihet til å gi mer detaljerte svar, og det finnes ingen forhåndsdefinerte svar eller alternativer.
- En-til-en-intervjuer: Også kalt personlige intervjuer, dette er en tradisjonell metode for å samle inn kvalitative data. Her kan man samle detaljert informasjon fra intervjuobjektet, og teknikken er spesielt nyttig når man ønsker å samle personlig data.
- Fokusgrupper: En fokusgruppe er også en intervjumetode, men i stedet for et en-til-en-intervju, er det en gruppediskusjon. Ressursene er ikke begrenset i form av penger og tid. For eksempel, hvis man gjør en studie om rehabilitering av rusmisbrukere, bør alle deltakerne i gruppen være tenåringer som er i ferd med å bli rusfrie.
- Direkte observasjon: Dette er en mer passiv måte å samle data på. Datainnsamleren observerer situasjonen nøye og tar opp lyd, video og bilder. Metoden kan gi et skjevt bilde av virkeligheten siden det involverer direkte observasjon.
Kvantitative datainnsamlingsmetoder
- Online quiz og lukkede undersøkelser: Denne metoden er basert på spørsmål hvor respondentene kan velge mellom ulike alternativer, og er delt inn i kategorisk og forhold/intervall spørsmål.
Kategoriske spørsmål kan kategoriseres som dikotome (ja eller nei), avkrysningsboks-spørsmål og flervalgsspørsmål. Intervallspørsmål består av Likert-skala, matrise-spørsmål og rangeringsskalaer.
Fordeler med kvantitative data fremfor kvalitative data
Kvantitative data har mange fordeler fremfor kvalitative data, da det er lettere å måle og utarbeide rapporter. Det tar også mindre tid. Kvantitativ metode er nyttig når man ikke vet hva man kan forvente.
La oss se på noen fordeler med kvantitative data:
- Mer vitenskapelig.
- Kontrollsensitiv.
- Mindre objektiv.
- Fokusert.
- Kan håndtere større prøver.
- Sortert på en enkel måte.
- Repeterbar.
- Relevant.
- Strukturert.
- Generaliserbar.
- Konsistent.
- Rask og tidsbesparende.
- Nyttig for kvalitetsbeslutninger.
- Mer akseptable data.
- Svært tilgjengelig.
- Kan bruke stikkprøver.
- Krever ikke direkte observasjon.
Konklusjon
Kvalitative data er vanskeligere å analysere sammenlignet med kvantitative data, og benytter vanlige metoder som kvalitativ innholdsanalyse, tematisk analyse og diskursanalyse. Kvantitative data er derimot basert på tall eller verdier, og man bruker verktøy som SPSS, R eller Excel for å beregne gjennomsnitt, antall ganger et spørsmål stilles, validitet osv. Resultatene presenteres i tabeller eller grafer.
Denne artikkelen skal hjelpe deg med å forstå forskjellen mellom kvalitative og kvantitative data, og veilede deg i valg av riktig datamateriale til dine prosjekter.