Una buona Data Analysis è fondamentale per il successo delle strategie di marketing poiché consente di assumere decisioni di business corrette e tempestive.
Tipi di dati e metodi di analisi
L’elaborazione dei dati comprende diverse tecniche e metodologie, queste si basano su due metodi di analisi e due tipi di dati principali:
- Dati e metodi quantitativi: i dati sono visualizzati in forma numerica e valutati da dimensione e metriche. Questi dati sono utili in statistiche e calcoli matematici e rispondono alle domande: “Quante volte?”, “Quanto incide?”, “Quanti sono?”. I dati quantitativi possono essere quindi verificati con tecniche matematiche.
Tra i vari metodi quantitativi alcuni esempi sono:- la cross-tabulation, che utilizza la forma tabellare di base per trarre inferenze tra diversi data set nella ricerca;
- l’analisi di regressione (semplice o multivariata), un’analisi di tipo statistica che determina le relazioni tra variabili indipendenti e dipendenti, aiutando a valutare le varie attività e determinare relazioni tra le variabili analizzate;
- la Cohort analysis, un sottoinsieme dell’analisi comportamentale suddivide un determinato set di dati in gruppi correlati;
- la cluster analysis, una tecnica esplorativa intenta a identificare strutture omogenee all’interno di un set di dati.
- Dati e metodi qualitativi: i dati non sono quantificabili numericamente, consistono in opinioni, sensazioni, credenze, emozioni, contenuti verbali ecc. Questi dati possono essere misurati per frequenza di rilevazione o similarità, possono essere inseriti in scale di valore. Questi dati vengono comunque poi ricondotti a delle misure quantitative, la loro raccolta è di tipo esplorativo e implica un’approfondita ricerca e analisi. L’approccio dell’analisi può essere: deduttivo o induttivo.
- L’approccio deduttivo si ha quando già si parte con una teoria del probabile “input” atteso da una popolazione campione e ha come scopo la raccolta di dati che possano confermare la teoria iniziale.
- L’approccio induttivo viene utilizzato quando l’esito atteso da una popolazione campione non è predeterminato, mira a raccogliere dati su un argomento di interesse per poi individuare schemi e nessi. L’obiettivo è sviluppare una teoria che spieghi i “pattern” trovati nei dati.