Подготовка маркетинговых данных к анализу

После завершения сбора данных осуществляются подготовка данных для анализа и собственно анализ. Качество статистических результатов напрямую зависит от качества подготовки данных. Недостаточное внимание к этому этапу может серьезно исказить статистические выводы, что, в свою очередь, ведет к неправильной интерпретации данных всего маркетингового исследования.

Весь процесс определяется предварительно подготовленным планом анализа данных, который составляется на этапе разработки всего плана маркетингового исследования.

Подготовка опросных данных включает следующие этапы: проверку пригодности анкет, редактирование данных, кодирование, преобразование данных, их очистку и статистическую корректировку. Затем выбирается подходящая стратегия анализа данных.

Проверка анкет. Анкеты проверяются на полноту заполнения и качество интервьюирования. На этом этапе должно проверяться соответствие результатов опроса требованиям, предъявляемых к выборкам. При необходимости могут проводиться дополнительные интервью [12].

Редактирование данных. Процесс редактирования состоит в обработке собранных анкет с целью повышения точности представленных в них данных. Статистическая обработка используется для выявления неполных, логически непоследовательных или неоднозначных ответов.

При этом могут быть приняты различные решения относительно анкет неудовлетворительного качества: возврат анкет на место сбора данных; назначение пропущенных значений; отсеивание анкет отдельных респондентов [5, 22].

Кодирование данных. Процедура кодирования заключается в присваивании кода, обычно цифрового, каждому возможному варианту ответа по каждому вопросу. Например, оценка качества продукции может кодироваться следующим образом: 1 — низкое, 2 — среднее, 3 — высокое.

В том случае, когда анкета включает только структурированные вопросы или очень незначительное количество неструктурированных вопросов, она кодируется заранее. Например, при разработке анкеты оценки удовлетворенности (работой, услугой, продуктом) по шкале Лайкерта присваиваются определенные числовые коды ответам «не удовлетворен», «скорее не удовлетворен», «чем-то удовлетворен, чем-то нет», «скорее удовлетворен», «полностью удовлетворен».

Преобразование даннъис. Преобразование данных заключается в переносе закодированных данных из анкеты или копировочных таблиц на компьютерные носители информации либо во введении их непосредственно в компьютер через клавиатуру.

Очистка данных. Процедура очистки данных включает проверку состоятельности собранных данных и работу с пропущенными ответами.

Проверка состоятельности данных заключается в обнаружении данных, выходящих за пределы заранее определенного диапазона, поиске логически непоследовательных ответов, нахождении экстремальных значений. Несостоятельные данные нельзя подавать на вход процедур анализа данных.

Пропущенные ответы — это такие значения, которые исследователь не может установить, вследствие того что они отсутствовали или были неправильно или неразборчиво записаны.

Обработка пропущенных ответов осуществляется следующими способами.

• • Пропущенное значение заменяется нейтральным. Обычно берется среднее значение для данной переменной.
• • Пропущенное значение заменяется некоторым условным, которое определяется на основе статистической обработки собранных данных, в том числе путем определения взаимосвязи между пропущенной переменной и другими переменными.
• • Объект (анкета) исключается целиком. Этот способ обычно используется при незначительном проценте незаполненных анкет.
• • Попарное исключение переменных. При любой статистической обработке по паре переменных рассматриваются только все анкеты, содержащие полные ответы для этой пары переменных.

Статистическая корректировка данных. Процедуры статистической корректировки данных позволяют существенно повысить качество исходных данных. К таким процедурам относятся взвешивание, переопределение переменной и преобразования шкалы.

Процедура взвешивания состоит в присвоении каждому наблюдению определенного весового коэффициента в соответствии со степенью значимости этого наблюдения по сравнению с другими. Взвешивание чаще всего применяется для того, чтобы выборочные данные наилучшим образом представляли исследуемые характеристики генеральной совокупности.

Переопределение переменной заключается в преобразовании данных путем введения новых переменных или изменения существующих, с тем чтобы они точнее соответствовали основным задачам исследования. Например, вместо ряда переменных, по которым собрана информация, можно ввести индекс, эффективно характеризующий данную группу переменных.

Преобразование шкалы заключается в манипулировании значениями шкалы с целью обеспечения возможности ее сравнения с другими шкалами или проведения других преобразований данных, что делает их более пригодными для последующего анализа. В качестве примера можно привести общую процедуру преобразования шкал, известную как нормализация или стандартизация, когда значения переменных, полученные в разных шкалах, приводятся к одной нормализованной шкале с нулевым средним и единичной дисперсией.

Выбор стратегии анализа данных. Стратегия анализа собранных данных должна опираться на итоги предыдущих этапов процесса маркетинговых исследований и предварительный план анализа данных, разработанный в рамках плана исследования.

Выбор совокупности статистических методов определяется типом шкал измерений, которые используются в ходе исследования. Для определенных структур исследования могут быть заранее известны соответствующие совокупности методов анализа.

При выборе стратегии анализа необходимо учитывать область применимости статистических методов, лежащие в их основе предположения и основные цели их использования.