تحلیل پرسشنامه، داده‌های جمع‌آوری‌شده و گزارش نتایج آن، آخرین مرحله انجام مطالعه و پیمایش است؛ اما قانون طلایی نظرسنجی‌ها می‌گوید از انتها شروع کنید.

بیایید فرض بگیریم که مراحل نظرسنجی و تهیه داده‌های پرسشنامه آنلاین را به‌درستی انجام داده باشیم. پس از آن با داده‌های فراوانی روبرو هستیم که نیاز به تحلیل دارند. در واقع بدون تحلیل داده‌های آماری هر پرسشنامه، جمع‌آوری داده‌ها بی‌نتیجه خواهد ماند.

ساخت نمودارهای آماری دقیق و خلاصه‌سازی داده‌ها به شکل جداول و اعداد و ارقام معنادار، مرحله‌ایست که در هر ارزیابی و تحقیقی حائز اهمیت است. فارغ از این‌که رضایت‌سنجی مشتری انجام می‌دهید یا تحقیق دانشگاهی، برای گزارش‌دهی باید دانش آمار داشته باشید. در این مقاله، به شرح مفاهیمی می‌پردازیم که برای تهیه گزارش‌های آماری و تحلیل پرسشنامه و نظرسنجی‌ به آن نیاز دارید.

تحلیل داده‌های پرسشنامه چیست و چه کاربردی دارد؟

آمار روشی برای جمع آوری و تحلیل نتایج پرسشنامه و داده‌هاست تا بتوانیم برای شرایط موجود توصیفی مناسب بیابیم. در تجزیه‌ و تحلیل آماری نیز سعی می‌کنیم از داده‌های جمع‌آوری‌شده، تصویری جامع و نتیجه‌گیری درستی ترسیم کنیم. این در حالی است که این داده‌ها در شرایط عادی خام بوده و هیچ معنای خاصی ندارند.

اینجاست که می‌پرسیم رسیدن به این نتیجه‌گیری و این معنا چه مزیتی دارد؟ در جواب باید گفت فهم این معنا باعث می‌شود درک خوبی از مخاطبان هدف خود داشته باشید و به الگوهایی برسید که به کمک آن‌ها، اقدامات بعدی خود را به‌درستی برنامه‌ریزی کنید.

از طرفی نظرسنجی‌های آنلاین، شناختن کاربران شما را بیش از هر زمان دیگری آسان می‌کند، اما از طرف دیگر حتی یک نظرسنجی کوتاه و ساده می‌تواند داده‌های دردسرسازی به شما تحویل دهد که قادر به استفاده از آن نباشید.

برای آشنایی با انواع تاکتیک نظرسنجی این مقاله را بخوانید:

انجام تجزیه‌وتحلیل پرسشنامه می‌تواند به شما نتیجه‌گیری جامعی درباره مخاطبانتان بدهد. از آنجایی که اعداد به خودی خود معنایی ندارند، با انجام نظرسنجی و ارزیابی داده‌های حاصل از آن، الگوهایی به دست می‌آورید که به شما اجازه می‌دهد تصمیمات معنی‌داری بگیرید.

چرا باید تحلیل آماری را حتما در سازمان انجام دهیم؟

تغییرپذیری داده‌ها از جمله دلایلی است که به‌خاطر آن به  تحلیل آماری رو می‌آوریم. تغییرپذیری به معنای وجود ریسک است. به عبارت دیگر، علی‌رغم وجود مقادیر زیادی داده و اطلاعات، به دلیل تغییرپذیری آن‌ها نمی‌توانیم به سادگی آینده را پیش‌بینی کنیم. برای مدیریت ریسک باید تغییرپذیری داده‌ها به‌درستی اندازه‌گیری و درک شود.  به عنوان مثال:

1. بهره‌وری منابع انسانی تغییرپذیر است. میانگین بهره‌وری کارکنان می‌تواند عملکرد کلی سازمان/واحد کاری را منعکس کند. اما وقتی‌که می‌خواهید برنامه‌ای برای بهبود بهره‌وری تدوین کنید، باید در نظر بگیرید برخی اقدامات به بهبود بهره‌وری کارکنان ضعیف‌تر کمک می‌کند، در حالی‌که برای کارکنان با بهره‌وری بالا کاربرد ندارد و بالعکس. باید تغییرپذیری در بهره‌وری منابع انسانی را در برنامه‌ریزی مورد توجه قرار دهید.
2.  بودجه بازاریابی شرکت خود را با شرکت‌های مشابه در صنعت مقایسه می‌کنید و متوجه می‌شوید که شرکت شما، بودجه کمتری از مقدار معمول در صنعت به بازاریابی اختصاص داده است. برای تصمیم‌گیری این مقایسه کافی نیست. باید به تفاوت بودجه شرکت‌ها نیز توجه کنید. اختلاف بین بودجه بازاریابی شرکت شما و میانگین صنعت در مقایسه با اختلاف بودجه اصلی‌ترین شرکت رقیب شما با میانگین صنعت چقدر است؟ این مقایسه تغییرپذیری دید بهتری در روند برنامه‌ریزی استراتژیک بازاریابی به شما خواهد داد.
3. «انحراف معیار» رایج‌ترین شاخص در شناسایی و درکتغییرپذیری است. این شاخص، تغییرپذیری داده‌ها نسبت به نقطه مرکزی آن‌ها یعنی میانگین را منعکس می‌کند. طبیعتا برخی مقادیر در مقایسه با انحراف معیار به میانگین نزدیک‌تر و برخی دورتر هستند.

در شرایطی که داده‌ها توزیع نرمال دارند، انحراف معیار به این معنی است که دو‌سوم داده‌ها یعنی حدود ۷۰% آن‌ها، به فاصله یک انحراف معیار از میانگین فاصله دارند، یک سوم بالاتر از میانگین و یک‌سوم پایین‌تر از آن قرار دارند. در مجموع، ۹۵٪ داده‌ها دو انحراف معیار از میانگین فاصله دارند و ۹۹.۷% داده‌ها نیز در فاصله سه انحراف معیار از میانگین قرار می‌گیرند.

حال اگر به مثال اول در خصوص بهره‌وری منابع انسانی بازگردیم، با فرض توزیع نرمال بهره‌وری کارکنان، باید بدانید چه گروهی را برای برنامه‌ریزی اقدامات بهبودی مورد نظر دارید. بهبود کدام گروه می‌تواند میانگین را بیشتر متاثر کند و البته منابع مالی و زمانی کمتری را نیز درگیر می‌کند. تنها با درنظرگیری انحراف معیار در کنار میانگین و مفهوم تغییرپذیری داده‌ها است که پاسخ به این سوالات تسهیل می‌شود.

حال اگر به عنوان مدیر/کارشناس منابع انسانی، مشتری یا بازاریابی در حال تدوین برنامه‌ای هستید، مفهوم تغییرپذیری را در ذهن داشته باشید و سعی نکنید یک برنامه برای همه گروه‌های مشتری، کارکنان یا بازار داشته باشید. بدانید که این گروه‌ها تغییرپذیرند و دقیق‌تر برنامه‌ریزی و هدف‌گذاری کنید.

تغییرپذیری در سازمان‌ها و لزوم بررسی آن‌ها فقط گوشه‌ای از دلایل الزام‌آور برای تحلیل آماری است.

انواع مدل‌های تحلیل پرسشنامه و داده‌های آماری

مدل‌های زیادی در دنیا برای تحلیل داده‌های آماری وجود دارد. هریک از این مدل‌ها با تمرکز بر هدفی خاص به شما کمک می‌کنند که داده‌های خود را تحلیل کنید. از میان انواع مدل‌های آماری می‌توان به این ۷ مدل اشاره کرد:

۱. تحلیل داده توصیفی (Descriptive)

در آمار توصیفی اطلاعات به‌صورت خلاصه در جداول و نمودارها نمایش داده می‌شود و هیچ‌ نتیجه‌گیری یا تعمیم نتایج به جامعه وجود ندارد. در واقع آمارها با کمک نمودار و جداول خلاصه شده و تصویری کلی و جامع از موضوع نشان می دهند.

برای مثال، در سنجش عقیده و احساس مخاطب درباره موضوعی خاص، ما با آمار توصیفی رو‌به‌رو هستیم.

برای اینکه بتوانید به تحلیل توصیفی از سوالتان دست یابید نیاز است که از انواع سوالات بسته استفاده کنید. از انواع سوالات بسته (سوالات با جواب مشخص) می‌توان به سوالات چندگزینه‌ای، سوالات مقیاس لیکرت یا اولویت‌دهی اشاره کرد.

سپس تعداد پاسخ به هر گزینه را می‌توانید در فاز گزارش پرس لاین در جدول و نمودارهای مختلفی ببینید. به‌عنوان مثال:

-آیا از کیفیت محصولات ما رضایت دارید؟

الف) بله  ب) خیر  ج) نظری ندارم

-از کدام محصولات شرکت ما تا حالا استفاده کرده‌اید؟

الف) کرم‌ها  ب) شامپوها  ج) لوازم آرایشی د) پاک‌کننده‌ها

اگر می‌خواهید از سوالات باز استفاده کنید این را بدانید که سوالات بسته داده‌های کمی و عددی می‌دهند در صورتی که سوالات باز داده‌های کیفی دارند؛ به همین دلیل  ارزیابی مخاطبان با سوالات بسته از موثرترین روش‌ها در طراحی نظرسنجی رضایت مشتری و امثال آن است. البته با دسته‌بندی پاسخ سوالات باز نیز می‌توان گروه‌های مشخصی ایجاد کرد و از طریق جدول و نمودار نمایش داد.

به کمک جداول آماری در فاز گزارش‌های پرس‌لاین می‌توانید انواع آمارهایی مانند فراوانی، میانگین، میانه، مد، انحراف معیار و واریانس را ببینید که تفسیر دقیق‌تری از نتایج به شما می‌دهند. در واقع هدف از محاسبه این پارامترها، توصیف تمام داده‌ها فقط به کمک یک عدد است.

جدول توزیع فراوانی که یکی از انواع جداول آماری است، روشی به‌صرفه و آسان برای نمایش داده‌های انبوه و نامنظم است؛ به کمک این جداول به درک سریعی از اطلاعات می‌رسیم.

افراد بسیاری برای نمایش بهتر داده‌ها از نمودارها استفاده می‌کنند؛ چراکه خیلی آسان، سریع و در یک نگاه مفاهیم را انتقال می‌دهند.

شاید بخواهید به تحلیل آماری پرسشنامه یا نظرسنجی خود بپردازید؛ در این صورت امکان مشاهده نمودارهای تجمعی هر سوال به‌صورت جداگانه از بخش تحلیل و نمودارها در پرس لاین امکان‌پذیر است.

نمودارها، انواع مختلفی دارند که از آن جمله می‌توان به نمودار ستونی یا میله‌ای، نمودار هیستوگرام و نمودار دایره‌ای اشاره کرد.

• نمودار میله‌ای یا ستونی: این نمودار برای انجام مقایسه بین گروه‌ها یا گزینه‌های مختلف ایده‌آل است. فقط با یک نگاه می‌توان بیشترین و کمترین فراوانی‌ها را دید. همچنین از نمودار میله‌ای یا نمودار ستونی برای تغییر روند داده‌ها در طول زمان می‌توان استفاده کرد. به عنوان مثال در نمودار زیر، ستون‌های آبی نماینده ماه خرداد هستند. می‌توانیم با اضافه کردن آمار خرداد سال قبل (ستون‌های بنفش)، فقط در یک نمودار و در یک نگاه، این دو آمار را مقایسه کنیم. پیشنهاد می‌کنیم در سوالاتی با متغیرهای اسمی یا متغیرهای رتبه‌ای (ترتیبی)،‌ نمودارهای میله‌ای را استفاده کنید. با این نمودارها بررسی مقیاس و تعداد دفعات پاسخ خیلی ساده نمایش داده می‌شود.

از متغیرهای اسمی سن، شهر محل سکونت، ورزش یا غذای مورد علاقه و از متغیرهای رتبه‌ای سطح تحصیلات، طیف لیکرت(سوال طیفی) و درجه‌بندی را می‌توان نام برد.

• نمودار هیستوگرام: نمودار هیستوگرام یکی از انواع نمودارهاست که از آن برای نشان دادن توزیع تناوب استفاده می‌شود. در محور xهای این نمودار فراوانی داده‌ها نشان داده می‌شود و در محور Yها درصد یا تعداد تناوب هر ستون به نمایش درمی‌آید.

تفاوت نمودار میله‌ای یا ستونی و نمودار هیستوگرام در این است که در نمودار ستونی داده‌های دسته‌بندی شده در ستون‌های مستطیلی شکل نمایش داده می‌شوند و طول هر ستون به اندازه مقداری است که نشان می‌دهد، اما در نمودار هیستوگرام داده‌ها به صورت عددهای پشت سر هم مرتب شده‌اند.

• نمودار دایره‌ای: اگر می‌خواهید سهم یا درصد گروه‌ها و گزینه‌های مختلف در نتایج نهایی را نشان دهید، نمودار دایره‌ای را انتخاب کنید. این نوع نمودار بسیار ساده و قابل فهم است و برای متغیرهای اسمی کاربرد فراوانی دارد.

۲. تحلیل داده استنباطی (Inferential)

آمار تحلیلی یا استنباطی برای مطالعه رابطه میان متغیرها در داده‌ها استفاده می‌شود. از این آمارها برای پیش‌بینی، نتیجه‌گیری یا تعمیم نتایج به کل جامعه آماری استفاده می‌شود. در تحلیل استنباطی نمونه کوچکی از داده‌ها گرفته می‌شود و نتایج آن برای جامعه هدفی بزرگتر استفاده می‌شود.

مثلا فرض کنید در مطالعه‌ای روانشناسی درباره مزایای خوابیدن، از جامعه آماری ۵۰۰ نفری استفاده می‌شود. نتای به دست آمده نشان می‌دهد که افرادی که ۷ تا ۹ ساعت خواب خوب داشته‌اند در طول روز میزان تمرکز و سلامت بیشتری هم داشته‌اند. بدین ترتیب محققان نتیجه می‌گیرند که اگر بقیه افراد روی کره زمین ۷ تا ۹ ساعت خواب مفید داشته باشند از نظر سلامت و تمرکز در وضعیت بهتری خواهند بود.

۳. تحلیل داده عاملی (Factor)

تحلیل داده عاملی یا Factor analysis به دو شیوه اکتشافی (Exploratory) و تاییدی (Confirmatory) انجام می‌شود. از این روش برای تحلیل واریانس میان چند متغیر وابسته استفاده می‌شود.

تحلیل داده اکتشافی بر اکتشاف و آزمایش داده‌ها متمرکز است و رابطه میان متغیرهایی را می‌یابد که قبلا ناشناخته بوده‌اند. در واقع درصدد یافتن رابطه بالقوه میان الگوهای داده‌ها است. داده‌های اکتشافی یا EDA برای یافتن ارتباطات جدید و ایجاد فرضیات مفید است.

مثلا در سازمانی بزرگ، داده‌های مربوط به افزایش درآمد طی سال‌های خاصی را در نظر می‌گیرند. فرض کنید سال ۱۳۸۵ تا ۱۳۹۵. سپس تاثیر اینترنت و دیجیتالی شدن را در آن مقایسه می‌کنند. بدین ترتیب می‌توانند ارتباطی معنادار میان افزایش درآمد و دیجیتالی شدن پیدا کنند و نتیجه بگیرند که با افزایش فعالیت‌های دیجیتال می‌توانند به درآمد و سود بیشتر برسند.

یا می‌توان با در نظر گرفتن داده‌های مختلف، میزان حساسیت مشتریان نسبت به تغییرات قیمت یک کالا طی زمان‌های مختلف را سنجید.

۴. تحلیل داده پیشگویانه (Predictive)

از تحلیل پیشگویانه برای پیشگویی درآمدها، رفتارها یا ترندهای آینده استفاده می‌شود. در این روش از تکنیک‌های آماری یا ماشین لرنینگ (هوش مصنوعی یادگیری ماشین) استفاده می‌شود. از این روش در پیش‌بینی مواردی استفاده می‌شود که مدل‌های خطی در آن‌ها جوابگو نیستند و باید از روش‌های پیچیده‌تر آماری و تحلیلی برای پیش‌بینی استفاده کرد.

مثلا فرض کنید که قرار است نتیجه انتخابات ریاست جمهوری یک کشور را پیش‌بینی کنید. بدین منظور باید به کمک تحلیل داده‌های پیشین، نظرسنجی‌ها و ترندهای موجود نتیجه بگیرید که رئیس جمهور آتی چه کسی خواهد بود.

۵. تحلیل داده علی یا تبیینی (Causal)

در این نوع تحلیل به دلایل و اثرات رابطه میان دو متغیر می‌پردازیم و دلیل ایجاد یک رابطه را می‌یابیم. برای استفاده از این داده‌ها نیاز است که گروه‌های مختلفی از افراد را داشته باشید و با استفاده از میانگین تحلیل خود را پیش ببرید.

فرض کنید شما می‌توانید میزان اثرگذاری تغییری در سازمان خود را بسنجید. مثلا با قرار دادن سرویس رفت و برگشت برای سازمانتان بفهمید که چه میزان به رضایت کارمندانتان افزوده یا کاسته می‌شود. بدین منظور ابتدا برای دپارتمان یا بخشی خاص از سازمان خود این امکان را فراهم می‌کنید. سپس با انجام نظرسنجی‌های بعدی خواهید فهمید که میزان رضایت در آن دپارتمان خاص چه تغییری کرده است و در واقع دلیل کاهش یا افزایش رضایت را متوجه خواهید شد.

۶. تحلیل داده مکانیکی (Mechanistic)

در تحلیل مکانیکی به دنبال یافتن تغییرات دقیق در متغیرهای داده شده هستیم که می‌توانند باعث ایجاد تغییر در متغیرهای دیگر شوند. از این نوع تحلیل در علوم فیزیکی و مهندسی استفاده می‌شود چراکه در این علوم جایی برای کوچکترین خطا وجود ندارد و همه چیز باید بسیار دقیق پیش برود.

مثلا فرض کنید در علوم هسته‌ای قرار است آزمایشی انجام شود. به کمک تحلیل داده مکانیکی تمام متغیرهای مستقل و وابسته به طور دقیق باید اندازه‌گیری شوند و نتیجه دلخواه برسند.

۷. تحلیل داده تجویزی (Prescriptive)

تحلیل داده تجویزی نوعی مطالعه سیستماتیک است که داده‌ها را تحلیل می‌کند تا بفهمد «چه کاری باید انجام شود» و به تصمیم‌گیری بهتر و یافتن راه‌حل‌های بهینه کمک می‌کند.

این روش در تحلیل داده‌های کسب‌وکارها بسیار موثر واقع می‌شود چراکه نهایتا منجر به تصمیم‌گیری بهتر می‌گردد. در این تحلیل از نمودارها، الگوریتم‌ها یا ماشین لرنینگ نیز استفاده می‌شود.

مثلا در بازاریابی و فروش محصولات، این نوع تحلیل داده به بازاریابان کمک می‌کند که با کمک داده‌های مشتریان، استراتژی بهتری برای بازارایابی انتخاب کنند، قیمت محصولات را منطقی‌تر قرار دهند و محصولات بهتری را وارد بازار کنند.

ماشین خودران گوگل یکی از مثال‌های بارز این نوع تحلیل داده است. وایمو (Waymo) در هر سفر خود میلیون‌ها محاسبه انجام می‌دهد تا بفهمد بهترین مسیر برای حرکت کدام است و چطور باید بدون خطر رانندگی کند.

پرکاربردترین شاخص‌های آماری

به کمک شاخص‌های آماری می‌توان محاسبات داده‌ها و تحلیل پرسشنامه را انجام داد. در هریک از مدل‌های تحلیل داده یک یا چند شاخص آماری بیشتری کاربرد را دارد.

1. شاخص‌ تمایل مرکزی

شاخص تمایل مرکزی ویژگی‌ها و موقعیت کلی داده‌ها را تعیین می‌کنند. از شاخص‌های مرکزی می‌توان نما یاMode ، میانه یاMedian  و میانگین یا Mean را نام برد که هر یک کاربرد خاص خود را دارا هستند. در تحقیقاتی که مقیاس اندازه گیری داده‌ها رتبه‌ای یا اسمی‌ است، میانه یا نما استفاده بیشتری دارند.

• میانگین: میانگین در واقع همان متوسط است و زمانی این شاخص را استفاده می‌کنیم که توزیع پاسخ‌ها به توزیع نرمال نزدیک بوده و بخواهیم دیدی کلی از داده‌ها داشته باشیم. با جمع‌کردن همه امتیازات و سپس تقسیم کل بر تعداد پاسخ‌ها، می‌توانید آن را محاسبه کنید.

میانگین، رقم معمول اکثریت را نشان می دهد. مثال ساده میانگین معدل نمرات پایان‌ترم است که همه ما تجربه آن را داشته‌ایم.

نمونه این شاخص را می‌توانیم در سوالات چهارگزینه‌ای مثال بزنیم. میزان پاسخگویی به هر گزینه را جمع کرده و بر چهار تقسیم می‌کنیم. به این ترتیب میانگین پاسخ به هر گزینه مشخص می‌شود. این نشان می‌دهد میزان انتخاب هر گزینه چقدر از حد متوسط بالاتر یا پایین‌تر بوده است.

• میانه: نوع دیگری از میانگین و مقدار متوسط، علامت ۵۰% است. به عبارت دیگر میانه به شما می‌گوید نیمی از افراد بیشتر از این عدد و نیمی کمتر از این عدد هستند. به عنوان مثال در یک سوال طیفی با امتیاز ۱ تا ۱۰، نیمی از پاسخ‌دهندگان پاسخ‌هایی مساوی و بیشتر از عدد ۵ و نیمی کمتر از آن داده‌اند.

در مثالی دیگر، میانه تعداد جلساتی از کل جلسات (مثلا ۶ جلسه از ۱۰ جلسه) است که ۵۰ درصد شرکت‌کنندگان در آن حضور داشته‌اند. ۵۰ درصد بقیه در تعداد جلساتی کمتر از این بوده‌اند.

 

فرض بگیرید سوالی طیفی طرح کرده‌اید، مبنی بر اینکه از ۱ (کاملا ناراضی) تا ۱۰ ( کاملا راضی) از محصولات ما چقدر راضی هستید. اگر با مشخص‌شدن میانه متوجه شوید ۵۰ درصد پاسخ‌ها از ۸ بالاتر هستند، می‌توان نتیجه گرفت اوضاع رضایت مشتری در حد مطلوبی است.

• مد: مد عددی است که بیشترین انتخاب را دارد یا رایج‌ترین پاسخی که در مجموعه‌ای از داده‌ها انتخاب می‌شود.

فرض بگیرید در سوالی چندگزینه‌ای پرسیده‌اید: از طریق کدام شبکه اجتماعی با برند ما آشنا شده‌اید؟

اگر ۸ گزینه پاسخ داشته باشید،‌ گزینه‌ای که بیشترین میزان پاسخ را دارد (مد) به شما نشان می‌دهد که سرمایه‌گذاری‌های آینده را چطور و از طریق کدام شبکه باید پیش ببرید.

2. شاخص های پراکندگی

شاخص‌های پراکندگی برخلاف شاخص‌های مرکزی، میزان پراکندگی حول شاخص‌های مرکزی را محاسبه می‌کنند. دامنه تغییرات، انحراف چارکی یاQuartile Deviation ، واریانس یا Variance و انحراف استاندارد یا Standard Deviation از شاخص‌های پراکندگی هستند.

• دامنه تغییرات: این شاخص حداکثر میزان تغییرات را محاسبه می‌کند. که به آن Range هم می‌گوییم. به‌راحتی آن‌را می‌توان محاسبه کرد؛ به این ترتیب که کمترین و بیشترین مقدار را مشخص و از هم کم می‌کنیم.

تصور کنید دو دانش‌آموز نمراتی با معدل ۱۷ داشته‌اند. در نگاه اول تغییر خاصی مشاهده نمی‌شود؛ ولی با استفاده از شاخص دامنه تغییرات متوجه می‌شویم اولین دانش‌آموز ۳ نمره بین کمترین و بیشترین نمراتش فاصله است و دومین نفر ۷ نمره تفاوت را تجربه کرده است.

معمولا زمانی که مقیاس فاصله‌ای است،‌ این شاخص را استفاده می‌کنیم؛ ولی اگر مقیاس اندازه‌گیری اسمی یاترتیبی باشد، دامنه تغییرات شاخص مناسبی نیست.

• واریانس

واریانس با محاسبه انحراف نمره‌ها از میانگین محاسبه می‌شود. با مجذورکردن انحراف نمره‌ها از میانگین، واحد واریانس تغییر می‌کند. بنابراین استفاده آن در آمارتوصیفی محدود است. برعکس این شاخص در آمار استنباطی استفاده‌های فراوانی دارد.

کلاس درسی را تصور کنید که در ترم اول معدل نمرات دانش‌آموزانش ۱۶ شده باشد. معلم کلاس با آموزش بیشتر برای دانش‌آموزان ضعیف سعی در بهبود اوضاع می‌کند؛ ولی با کمال تعجب مشاهده می‌کنیم در ترم دوم معدل همچنان ۱۶ است.

اگر نمرات بررسی شوند متوجه خواهیم شد دانش‌آموزان ضعیف در دروس خود پیشرفت داشته‌اند و آنچه معدل را پایین نگه داشته است کاهش نمره در بقیه دانش‌آموزان است. واریانس در چنین مواردی کمک فراوانی می‌کند. در ترم اول واریانس بیشتر از ترم دوم است.

3. شاخص‌های توزیع

شاخص‌هایی مانند چولگی و کشیدگی شاخص‌های توزیع نام دارند. این گروه نوع توزیع داده‌ها را بیان می‌کنند.

4. شاخص های نسبی پراکندگی

به شاخص‌هایی مانند ضریب تغییرات، شاخص‌های نسبی پراکندگی می‌گویند. این گروه از نسبت شاخص‌های پراکندگی بر اساس شاخص‌های مرکزی محاسبه می‌شوند.

به کمک چه ابزارهایی داده‌های پرسشنامه را تحلیل کنیم؟

به کمک تکنیک‌های متفاوتی می‌توانید به تحلی پرسشنامه‌های خود بپردازید. از جمله این تکنیک‌ها می‌توان به موارد زیر اشاره کرد:

1. بنچمارک داده‌ها یا الگوبرداری

بنچمارک داده‌ها روشی برای استانداردسازی است تا به وسیله آن بتوانید داده‌ها و نتایج خود را معنادار کنید.

فرض کنید شما می‌خواهید بدانید که چرا میزان درآمد و فروشتان در یک فصل افزایش داشته است.

در این مورد باید متغیرهایی که در آن فصل باعث افزایش فروش شده‌اند را بنچمارک کنید. مثلا افزایش تبلیغات، افزایش رضایت کارمندان یا تغییر ساعت اداری. سپس در فصل‌های بعدی می‌توانید متغیرهایی که غیرمعمول بوده‌اند را بیابید و آن‌ها را حذف کنید.

زمانی‌که بنچمارک می‌کنید می‌توانید به استانداردهای خود دست پیدا کنید.

2. تحلیل رگرسیون داده‌ها

رگرسیون تکنیکی آماری است که به بررسی دو یا چند متغیر می‌پردازد. در مبحث رگرسیون با دو مفهوم متغیر مستقل و وابسته روبرو هستیم. اگر متغیر مستقل تغییری کند متغیر وابسته نیز دچار تغییر می‌شود. یعنی در مثال قبلی، اگر رضایت کارمندان در طی ماه‌های بعدی به هر دلیلی کاهش پیدا کند، در دیگر متغیرها مانند فروش نیز دستخوش تغییر می‌شود.

3. آزمون T

آزمون T یا Student’s T Test ابزاری برای سنجش دو گروه از داده‌هاست که ارزش میانگین متفاوتی دارند. مثلا فرض کنید که می‌خواهید میانگین قد زنان و مردان را در یک جامعه آماری با هم مقایسه کنید، به کمک این تست می‌توانید بفهمید آیا تفاوت موجود از نظر آماری قابل توجه است یا تصادفی بوده است.

4. جدول متقاطع یا Cross Tab

روش دیگری برای نمایش داده‌ها به صورت جدول، جداول توافقی یا متقاطع یا cross tab هستند.

گاهی ممکن است به جای یک متغیر در یک جدول از دو یا چند متغیر استفاده کنیم در این صورت کافی است از جداول متقاطع استفاده کنیم تا دید بهتری داشته باشد.

به عنوان مثال اگر بخواهیم جمعیتی را از نظر ابتلا به کرونا بسنجیم و نتایج را در جدول توزیع فراوانی تنظیم کنیم، تعداد مردان و زنان در یک ستون از جدول و تعداد ابتلا به کرونا در ستون دیگر قرار می‌گیرند.

 

	جنسیت	ابتلا به کرونا	فراوانی
۱	مرد	مثبت	۴۰
۲	مرد	منفی	۲۰
۳	زن	مثبت	۳۶
۴	زن	منفی	۲۴

 

ولی در جداول متقاطع به روش بهتری می‌توان این نتایج را نمایش داد. همانطور که می‌بینید، نحوه نمایش در جداول متقاطع بسیار قابل فهم‌تر است.

جنسیت	ابتلا به کرونا مثبت	ابتلا به کرونا منفی
مرد	۴۰	۲۰
زن	۳۶	۲۴

 

ابزارها و امکانات پرس‌لاین برای تحلیل آماری پرسشنامه

پرس‌لاین با امکانات فراوانی که در فاز گزارش در اختیارتان قرار می‌دهد این امکان را برایتان فراهم کرده که فقط با اعمال تعدادی فیلتر و دانستن مفهوم شاخص‌های آماری بتوانید آمارهای دقیقی به شکل جدول و نمودار داشته باشید.

برای آشنایی بیشتر با امکانات گزارش‌ساز پرس‌لاین و تنظیمات فیلترهای گزارش این ویدئو را ببینید:

 

در پرس لاین قادر هستید از داده‌های ایجادشده در هر آزمون خروجی اکسل بگیرید. با مراجعه به  بخش گزارش، از جدول نتایج می‌توانید بسته به نیازتان با کلیک روی دکمه همه نتایج، همه اطلاعات را در یک جدول داشته باشید یا فیلتر کنید.

با امکان فیلترینگ چند سطحی روی سوالات می‌توانید جداول مورد نیازتان را طراحی کرده و خروجی بگیرید. این فیلترها قابل ویرایش، حذف و اعمال نیز هستند. با اعمال فیلتر و کلیک روی دکمه خروجی فایل اکسل یا سی اس پی نتایج دانلود خواهد شد.

ممکن است نیاز داشته باشید که امتیاز پاسخ‌دهندگان را بر اساس نوع پاسخ آن‌ها در جدولی مشاهده کنید.

پرس لاین این امکان را به‌راحتی در اختیارتان قرار می‌دهد. به این ترتیب که پس از طرح سوال با افزودن امتیاز برای جواب‌های مد نظرخودتان، امتیاز مثبت یا منفی تعیین کنید.

در پایان می‌توانید در جدول نتایج پاسخ‌ها را ببینید و در بخش تحلیل آماری پرسشنامه و گزارش نمودارهای گرافیکی و شاخص‌هایی مثل میانگین، انحراف معیار و شاخص‌های آماری دیگر را مشاهده کنید.

در صورتی که برای آزمون یا پرسشنامه خود زمان تعیین کرده باشید؛ جداول آماری در بخش گزارش جدول نتایج، زمان پاسخ به آزمون را هم در ستونی نمایش می‌دهد.

البته اگر در تنظیمات ذکر شود که اطلاعات پاسخ‌دهندگان مخفی بماند در جدول نتایج ستون مربوط به این نتایج مخفی می‌ماند و قادر به رویت آن نیستید.

ممکن است در پرس لاین پرسشنامه‌ای ایجاد کرده باشید و برای دیدن آمار آن در حال حاضر دسترسی به کامپوترتان ندارید، مایل هستید مدیر و همکارانتان از این گزارش‌ها مطلع باشند یا استاد راهنمای شما در جریان آمار پاسخ به پرسشنامه قرار بگیرد. پرس لاین دو اقدام اساسی برای حل این شرایط انجام داده است.

اول از همه اینکه از طریق موبایل و تبلت هم می‌توانید به حساب کاربری خود دسترسی داشته باشید و شاخص‌های گرافیکی و گزارش‌های آماری را چک کنید.

دوم اینکه در بخش تحلیل و گزارش با استفاده از لینک گزارش و دردسترس قراردادن آن از طریق ایمیل، تلگرام یا سایر شبکه‌های اجتماعی در اختیار همکاران، مدیر یا استاد خودتان قرار دهید؛ به این ترتیب آن‌ها هم در لحظه قادر هستند در جریان گزارشات آماری قرار بگیرند.

ممکن است بخواهید فقط سوالات خاصی را ببینند؛ در این صورت قابلیت slice &dice به کمکتان می‌آید. حتما شما هم تابه‌حال سرآشپزهای مشهور را در حال قطعه قطعه کردن تکه‌های غذا مشاهده کرده‌اید. آن‌ها با دو چاقو تکه‌های مورد نیازشان را تقسیم می‌کنند. انتخاب تکه‌ای از آمار و داده‌ها نیز دقیقا محدوده مورد نیاز شما را در دسترستان قرار می‌دهد.

ممکن است مجموع یا میانگین قسمتی از داده‌ها مثلا مجموع فروش هر بخش از سازمان خود را به‌طور جداگانه یا فروش محصولی خاص را نسبت به کل فروش بخواهید به دست بیاورید.

بنابراین سوالات مد نظرتان را انتخاب و نمودارهای مربوط به آن‌ها را طراحی کنید؛ سپس لینک را برایشان ارسال کنید. در این شرایط هر تغییری در این صفحه بدهید برای افرادی که لینک را دارند قابل دید است. حتی می‌توانید تفسیر خودتان را از آمار به‌دست‌آمده یادداشت کنید؛ به این ترتیب تمام افراد در لحظه از آمار و نتایج پرسشنامه مطلع می‌شوند. البته در آینده امکان کامنت‌گذاری افراد گروه هم در پرس لاین اضافه می‌شود تا امکان تعامل بهتر فراهم شود.

در پرس‌لاین نه‌تنها به راحتی انواع داده‌ها از طریق فرم و پرسشنامه جمع‌آوری می‌شود؛ بلکه با اعمال فیلترهای پیشرفته قادر خواهید بود تصمیمات اساسی بگیرید.

به عنوان مثال مدیر منابع انسانی می‌خواهد رضایت شغلی کارکنان واحد بازاریابی با سابقه ۱ تا ۳ سال را ببیند یا مدیر ارتباط مشتری می‌خواهد داده‌های مرتبط با محصول جدید شرکت را ببیند که در پارامترهای مشخصی امتیاز کمتر از ۶ گرفته‌اند.

به ازای هر فیلتر هم لینک منحصربه‌فردی از داده‌های همان محدوده در اختیار دارید که نمودارهای مربوطه را نشان می‌دهد.

بنابراین از جمله امکاناتی که در فاز گزارش پرسشنامه‌ها، آزمون‌ها و فرم‌هایتان در پرس‌لاین به آن دسترسی دارید به موارد زیر می‌توان اشاره کرد:

• نمایش داده‌ها از طریق جدول و نمودار
• امکان مطلع شدن از آمار در لحظه
• امکان اطلاع از جداول و نمودارهای آماری از طریق موبایل و تبلت
• امکان ارسال لینک صفحات آماری به افراد مرتبط
• امکان نمایش امتیاز پرسشنامه در جداول آماری
• قابلیت نمایش زمان پاسخگویی در جداول آماری
• قابلیت استفاده از قسمتی خاص از داده‌ها (slice &dice)

نتیجه‌گیری

داده‌های فراوانی که از طریق پرسشنامه‌ها و نظرسنجی‌ها به دست می‌آورید را به سختی می‌توان تحلیل کرد. اگر این نمونه‌ها از طریق پلتفرم ساخت پرسشنامه و نظرسنجی آنلاین مثل پرس‌لاین تهیه شوند، با استفاده از همان پلتفرم قادر به تنظیم داده ها هستید.

تحلیل همبستگی و انواع دیگری از نمودار طی چند ماه آتی به این بخش از پُرس‌لاین در قالب نسخه حرفه‌ای و سازمانی اضافه خواهد شد. نیازمندی‌های خود در این خصوص را، از طریق پشتیبانی با ما در میان بگذارید تا تولید آن‌را بررسی کنیم.

جداول و نمودارهایی که انواع شاخص‌های آماری را بدون دردسر در اختیارتان می‌گذارند این فرصت را می‌دهند که با فراغ بال به تحلیل آماری بپردازید و اهداف سازمانی خود را تعیین کنید.