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.

Vyberte si typ sazby a předpokládanou výši sazby. Poté zadejte předpokládané jednotkové množství nebo míru, dle které se spočítá výsledná orietnační cena. Poté si můžete tuto kalkulaci vložit do seznamu služeb, který si je možné poté vytisknout, uložit nebo zaslat emailem.

Vyberte si typ sazby:
Hodinová sazba