Zpracování a analýza dat prostřednictvím statistických postupů

Po samotné realizaci průzkumu a zajištění potřebného objemu dat následuje jejich zpracování. Data zajištěná kvantitativními či kvalitativními technikami průzkumu jsou nejprve zkontrolována z hlediska přesnosti a spolehlivosti a upravena. Proces pokračuje kontrolou úplnosti a čitelnosti údajů. Na závěr probíhá kontrola logická, která odhalí, zda respondent odpověděl pravdivě a tazatel sběr dat skutečně provedl. Data jsou dále klasifikována, čímž se potvrdí či vyvrátí možnost zkoumat následně vzájemné vztahy mezi skupinami a kategoriemi.  Předpokladem je přesné definování skupinových vztahů a vymezení skupin. Dalším krokem v rámci zpracování kvantitativních dat je jejich kódování, kdy dochází k převodu údajů na číselné symboly pro využití výpočetní techniky při zpracování. Výstupem zpracování dat je vytvoření pracovních tabulek a grafů jako částečných výsledků průzkumu, které umožňují přehledně zobrazit zkoumané jevy a závislosti mezi nimi.[1]

Po zpracování dat následuje jejich analýza. Techniky a metody analýzy dat závisí na potřebách klienta, na požadavcích souvisejících s druhem průzkumu a jeho cílem. Výsledkem je statistický a grafický popis dat. Ve většině případů se vyhodnocuje každá otázka zvlášť, na základě těchto výsledků se poté pokračuje v hlubších analýzách. V rámci analýzy dat je sledována četnost, úroveň a variabilita zjištěných hodnot, závislost mezi jevy, spolehlivost dat a ověření hypotéz. Četnost představuje počet výskytů jednotlivých variant odpovědí. V případě srovnávání souborů s rozdílným obsahem se užívá relativní četnost (v %), tedy poměr absolutní četnosti k rozsahu souboru. Úroveň pozorovaných jevů v daném souboru je charakterizována středními hodnotami. Ty určují střed, okolo něhož kolísají jednotlivé varianty odpovědí. Mezi nejčastěji používané střední hodnoty se řadí průměr, modus, medián. Variabilita představuje proměnlivost, s jakou kolísají varianty odpovědí okolo středních hodnot. Mezi nejběžnější metody patří rozptyl, variační rozpětí, směrodatná odchylka, variační koeficient. Úkolem analýzy dat je mimo zjištění výsledků především jejich srovnání a hledání závislostí. Pro zjišťování závislostí se využívá korelační analýza, regresní analýza, faktorová analýza, shluková analýza, analýza preferencí či diskriminační analýza. V některých případech je potřeba vyhodnotit spolehlivost výsledků pomocí testování hypotéz.[2]

Analýza dat využívá poznatků matematické statistiky a informatiky. V současné době existuje velká řada programů pro statistické vyhodnocování dat. Využití těchto programů klade větší nároky na pracovníky, avšak zaručuje hlubší analýzu dat a zamezuje zjednodušení předpokladů, které mohu vést k mylným výsledkům. Základem pro zpracování kvantitativních dat jsou statistické programové systémy jako například SPSS, STATISTICA. V rámci těchto programů se využívají rozhodovací stromy (Answer Tree v rámci SPSS) či neuronové sítě (Neural Connection v rámci SPSS, Neural Networks v rámci STATISTICA). Mezi další software patří relační databázové systémy, systémy na podporu rozhodování (DSS – Decision Support Systems), manažerské systémy (EIS – Executive Information Systems).[3] Pro zpracování kvalitativních dat existují programové systémy Atlas, NVivo.

Cena za zpracování a analýzu dat je dána vysokou odborností činnosti a rozsahem šetření, tedy objemem dat ke zpracování. Odvíjí se také od hloubky analýzy dle potřeb klienta. Cenu do jisté míry určuje i termín zpracování.