利用数据：数据收集简介 [类型、方法、步骤和挑战]

数据打开了通向知识和信息世界的大门。 作为信息革命的货币，它在当今世界发挥了变革性的作用。 数据可以帮助您预测未来、识别模式和相关性、获得可操作的见解、解决复杂问题等等！

现在，您也可以利用数据收集的力量从数据中获益。 从自然科学和社会科学到商业管理，数据收集通过数据收集和分析揭示了新知识和答案。

您是否想知道更多关于什么是数据收集的信息？ 您来对地方了！ 继续阅读以了解有关什么是研究中的数据收集、数据收集类型等的更多信息！

什么是数据收集？

数据收集是收集、测量和分析来自各种来源的准确和适当数据以回答特定问题或目标的系统过程。 它为决策和战略规划、获得有价值的业务洞察力、预测未来趋势、评估结果等奠定了基础。 数据收集可以通过将数据汇集为有条理的见解来帮助回答“为什么”、“什么”、“何时”和“如何”等问题。

可以这样想：在买房子之前，您会收集尽可能多的有关住房市场、房价、社区、建筑质量、公用事业等方面的信息。 只有在掌握了所有信息后，您才承诺购买房屋。 这是您根据收集到的数据做出的明智决定。

同样，企业、政府、学术界和研究人员在决定或得出结论之前需要收集准确和相关的数据。 数据收集可防止您一头扎进基于猜测的决策并犯下本可避免的错误。

现在您知道什么是研究中的数据收集，让我们来看看数据收集的类型。

数据收集的类型

在您甚至可以开始收集数据之前，您必须决定您想要什么样的数据。 您想自己收集数据还是使用已有的数据？ 你想问开放式问题还是管理多项选择题？

您决定采用特定的数据收集方法将影响分析的可靠性和有效性。 因此，让您的目标和问题指导您的决定，因为每种数据类型都有其优点和缺点。

让我们探索不同类型的数据收集：

1. 主要数据收集方法

您一定想知道，“研究中的原始数据是什么？” 简而言之，原始数据是您作为研究人员将直接从源头收集的第一手数据。 研究人员是第一个阅读、交互和分析数据的人。 由于数据是由研究人员直接收集的，因此必然会更加准确、原始和可靠。 然而，这种方法的缺点是它既费时又昂贵。

2. 二次数据收集方法

如果您不能自己收集所需的数据会怎样？ 您依赖二手数据——已经可用的或二手信息。 此类数据已由另一方以期刊文章、书籍、政府文件、网站、日记等形式收集、分析和整理。由于数据已经存在，因此比它更省时、更经济主要的数据收集方法。 然而，人们永远无法确定数据的准确性、可靠性和真实性。

3. 定量数据收集方法

当你可以量化或者用数字和百分比来表达你的数据时，它就是定量数据。 这类数据是可以量化的，无论是特定人群的平均身高，还是对不同品牌的偏好。 收集数据后，研究人员使用统计和数学工具分析数据并得出结论。 定量数据收集起来更容易、更经济，也更容易测量。 但是，它可能会错过描述性数据的细微差别。

从世界顶尖大学在线学习数据科学课程。 获得执行 PG 课程、高级证书课程或硕士课程，以快速推进您的职业生涯。

4. 定性数据收集方法

要了解人们的态度、行为、观点和经历，您需要的不仅仅是一个词的答案。 描述性且无法量化的数据是定性的。 访谈、观察和开放式问卷有助于收集定性数据。 然而，与定量数据相比，它不太具体，而且收集起来更昂贵、更耗时。

数据收集方法

正如有不同的数据类型一样，也有多种数据收集方法。 确定哪种方法对您的研究目标有利需要仔细考虑。

以下是最流行的数据收集方法。

1. 访谈或焦点小组

最流行的数据收集方法之一是访谈，访谈者向受访者提问以深入了解主题或问题。 当面试官与一群人打交道时，这就是焦点小组。 面试可能是面对面、通过电话或在线进行。 访谈可以是结构化的、半结构化的或非结构化的，具体取决于问题和提问方式的严格程度。

2. 问卷或调查

在这种方法中，受访者阅读并回答一组固定的问题。 问题可以通过邮寄、在线发送或亲自进行。 它们可以包括封闭式或开放式问题，具体取决于您想要的信息类型。

3、观察

有时，收集数据的最佳方法是实时亲眼目睹人或现象，通常是在自然环境中。 它允许研究人员观察和检查各个方面并收集信息，而不依赖于其他人对主题或问题的描述。 相反，研究人员的感官和观察技巧是最重要的。

阅读我们流行的数据科学文章

4.文件审查

当访问特定人群或研究范围和资源有限时，使用二手数据是最好的方法。 通过在线和离线公共或个人资源（如政府文件和报告、日记、信件和报纸）访问信息和数据对于获得有价值的见解至关重要。

查看我们的免费数据科学课程，在竞争中脱颖而出。

4.社交媒体监控

社交媒体已经成为人们虚拟的聚集地和表达空间。 通过监测社交媒体，研究人员可以定量和定性地了解人们在信息时代的感受、对各种问题的思考以及互动方式。

资料收集步骤

理解什么是数据收集的核心是了解收集信息所涉及的过程或步骤。

看一下数据收集中涉及的关键步骤：

1.确定你想要的数据

第一步为数据收集奠定基础——决定要收集哪些数据。 在这里，你必须考虑你的研究问题或目标、可用资源、你想要的信息量以及你从中寻找信息的来源。

2. 制定时间表

时间表对于确保项目保持在正轨、相关和有效利用可用资源至关重要。 不同类型的研究和过程的每个步骤都需要它们的时间框架。 数据收集的时间范围可能会影响您收集的数据，例如，选民对特定政党或政客的看法。

3. 确定数据收集方法

哪种方法最适合您要收集的信息？ 确定数据收集方法应取决于您的研究目标、人口规模、时间范围、资源和其他参数。 例如，如果您想了解人们对某个品牌的感受，调查方法可能最适合从一大群人那里收集信息。

4. 开始收集数据

一旦制定了计划，就该实现它了。 在数据收集阶段有效实施该策略是不可或缺的。 确保持续评估您在时间和数据质量方面是否走在正确的轨道上。 灵活使用计划很重要，因为您可能需要根据现场和数据的条件对其进行修改。

探索我们的热门数据科学课程

4. 分析数据

获得所需的所有数据后，即可开始组织和分析数据。 未经处理的原始数据被转换为可理解和有洞察力的信息，以帮助做出决策。 数据收集的重点是提供有价值且可操作的见解。 分析阶段就是这样做的！

数据收集的挑战

在数据收集过程中可能会出现几个问题，但如果您在规划中具有战略意义，就可以克服这些问题。

以下是一些最常见的挑战：

1. 数据质量差是一个主要问题，可能由于重复数据、不准确的数据和采样、不正确的方法选择等原因而出现。
2. 利用不同的来源或方法可能会导致收集不一致的数据。
3. 低响应率或有问题的抽样可能会破坏分析并导致错误的结论。
4. 不相关的数据可能会影响研究的有效性和可靠性。
5. 处理大数据对数据收集和分析提出了巨大挑战。
6. 未经培训的研究人员是该过程的重大障碍，因为他们存在偏见和成见，无法正确使用方法、遵循程序、使用分析工具等。

结论

数据的力量对人类来说已经非常清楚了。 收集和分析所有这些数据以使其变得易于理解的系统过程始终隐藏在幕后。 但了解它对于确保数据的可靠性和有效性至关重要。 今天，在数据科学的帮助下，我们可以利用数据的力量来攀登新的高度！

需要学习的顶级数据科学技能

upGrad 在这里助您走上成功的阶梯！

借助大师班、行业课程、指导课程、Python 编程训练营和现场学习课程，upGrad 的数据科学理学硕士是一门专为专业人士设计的课程，旨在让他们在竞争中脱颖而出。

该课程在亚利桑那大学的指导下开设，通过前沿课程、与行业专家的沉浸式学习体验和就业机会，提升您的数据科学职业生涯。