Analisi dei dati

Vuoi imparare ad analizzare i dati come un vero analista?

Crea un'indagine oggi stesso

Ora che hai raccolto i risultati della tua indagine e hai un piano di analisi dei dati, è il momento di passare alla fase di analisi. Vediamo come i nostri esperti di indagini di ricerca interpretano i dati quantitativi (rispetto ai dati qualitativi), da come analizzano le risposte e si focalizzano sulle domande principali della loro ricerca e sugli obiettivi dell’indagine a come esaminano i numeri e infine traggono le conclusioni.

I QUATTRO passaggi riportati di seguito hanno lo scopo di mostrarti come analizzare i dati in modo più efficace:

  1. Dai un occhiata alle domande principali della tua ricerca.
  2. Applica la tabulazione incrociata e i filtri ai risultati.
  3. Esamina i numeri.
  4. Trai le conclusioni.

Dai un’occhiata alle domande principali della tua ricerca

Innanzitutto, vediamo come analizzare i risultati relativi alle domande principali della tua ricerca. Ricorderai che, quando hai impostato l’obiettivo della tua indagine, hai delineato le domande principali della tua ricerca.

Ad esempio, se hai organizzato una conferenza scolastica e hai dato ai partecipanti un’indagine di feedback successivo all’evento, una delle domande principali della tua ricerca potrebbe essere “Come hanno valutato complessivamente l’evento i partecipanti?”. Ora esaminiamo le risposte che hai raccolto per una domanda specifica dell’indagine destinata a dare una risposta a tale interrogativo:

Screen Shot 2014-03-05 at 10.46.26 AM

Come puoi notare, le risposte contengono delle percentuali (71%, 18%) e dei numeri puri (852, 216).

Le percentuali corrispondono al numero delle persone, espresso in valore percentuale, che hanno dato una determinata risposta. In altre parole, le percentuali rappresentano il numero di persone che hanno dato ogni risposta, rispetto al numero di persone che hanno risposto alla domanda. Quindi, il 71% dei rispondenti all’indagine (852 dei 1200 intervistati) prevede di ritornare il prossimo anno.

Questa tabella mostra anche che il 18% pensa di non ritornare e l’11% si dichiara incerto.

I numeri puri rappresentano il numero di singoli rispondenti all’indagine che hanno fornito ogni risposta. Quindi, 852 persone hanno detto “Sì, tornerò l’anno prossimo!”. Se supponi che la maggior parte delle persone che hanno detto sì, e magari alcune di quelle che si sono dichiarate incerte, torneranno il prossimo anno, puoi creare un modello di previsione per stimare il numero di partecipanti* alla conferenza del prossimo anno. *Puoi determinare questo numero con maggior sicurezza se hai avuto un tasso di partecipazione molto alto, cioè se la maggior parte delle persone che hanno partecipato all’evento ha risposto alla tua indagine.

Applicazione di tabelle incrociate e filtri ai risultati

Come ricorderai, quando hai impostato un obiettivo per la tua indagine e sviluppato il tuo piano di analisi, hai individuato i sottogruppi da analizzare e confrontare. Ora è il momento di sfruttare tale pianificazione. Ad esempio, supponiamo che tu voglia confrontare il modo in cui insegnanti, studenti e amministratori hanno risposto alla domanda sulla conferenza del prossimo anno. A tal fine, crei una tabella incrociata in cui vengono mostrati i risultati della domanda sulla conferenza in base al sottogruppo:

Screen Shot 2014-03-05 at 10.54.10 AM

Da questa tabella emerge che gran parte degli studenti (86%) e degli insegnanti (80%) pensa di tornare l’anno prossimo. La risposta degli amministratori è però diversa, con meno della metà (46%) intenzionata a prendervi di nuovo parte. Alcune delle nostre altre domande potrebbero aiutarti a scoprire il motivo di questo risultato e a individuare le azioni che puoi intraprendere per migliorare la conferenza, nonché aumentare il numero di amministratori che torneranno anno dopo anno.

L’uso di un filtro è un altro modo utile per analizzare i dati. Filtrare significa restringere l’attenzione su un particolare sottogruppo escludendo gli altri. In questo modo, anziché confrontare i sottogruppi tra loro, si analizza il modo in cui un sottogruppo ha risposto alla domanda. Ad esempio, potresti focalizzarti solo sulle donne o solo sugli uomini, quindi eseguire di nuovo la tabulazione incrociata in base al tipo di partecipante per confrontare le risposte degli amministratori, insegnanti e studenti di sesso femminile. Fai attenzione perché, quando analizzi i risultati, ogni volta che applichi un filtro o una tabulazione incrociata, la dimensione del campione diminuisce. Per essere certo che i risultati siano statisticamente rilevanti, ti consigliamo di utilizzare un calcolatore della dimensione del campione.

Analisi comparativa, tendenze e dati di confronto

Supponiamo che la tua indagine di feedback sulla conferenza contenga la domanda chiave “In generale, quanto sei soddisfatto della conferenza?”. I risultati mostrano che il 75% dei partecipanti si dichiara soddisfatto. Il risultato è piuttosto buono. Ma non vorresti avere un po’ di contesto? Qualche dato di confronto? È meglio o peggio dell’anno scorso? Com’è in confronto alle altre conferenze?

Bene, supponiamo che tu abbia posto questa domanda nella tua indagine di feedback dopo la conferenza dello scorso anno. Potresti essere in grado di eseguire un confronto delle tendenze. Come dicono i sondaggisti professionali d’oltreoceano, “trend is your friend”.

Se il tasso di soddisfazione dell’anno scorso era del 60%, la soddisfazione è cresciuta del 15%!  Che cosa ha determinato questo aumento della soddisfazione? Le risposte ad altre domande dell’indagine potrebbero fornire qualche chiarimento.

Se non disponi dei dati della conferenza degli anni precedenti, inizia da quest’anno a raccogliere il feedback dopo ogni evento. Questa tecnica è chiamata analisi comparativa. Puoi definire un parametro o valore di riferimento per vedere, da lì in poi, se e come è cambiata una risposta. Puoi confrontare non solo la soddisfazione dei partecipanti, ma anche altre domande.  Sarai in grado di tenere traccia, anno dopo anno, di cosa pensano i partecipanti della conferenza. Questa tecnica è chiamata analisi dei dati longitudinali. Scopri di più su come

SurveyMonkey Benchmarks può aggiungere informazioni sul contesto ai risultati delle tue indagini.

Che cose’è l’analisi dei dati longitudinali?

L’analisi dei dati longitudinali (spesso chiamata “analisi delle tendenze”) consiste sostanzialmente nel monitorare come le risposte a determinate domande cambiano nel tempo.  Una volta definito un parametro di riferimento, puoi determinare se e come cambiano i valori.  Supponiamo che il tasso di soddisfazione relativo alla conferenza fosse del 50% tre anni fa, del 55% due anni fa, del 65% l’anno scorso e del 75% quest’anno. Complimenti! L’analisi dei dati longitudinali mostra una tendenza della soddisfazione in costante crescita.

Puoi persino tenere traccia dei dati per diversi sottogruppi. Supponiamo, ad esempio, che i tassi di soddisfazione crescano anno dopo anno per gli studenti e gli insegnanti ma non per gli amministratori.  Potresti voler esaminare le risposte degli amministratori a diverse domande per cercare di capire perché sono meno soddisfatti degli altri partecipanti.

Calcolo dei numeri

Sei a conoscenza di quante persone hanno affermato di voler ritornare, ma come fai a sapere se le risposte all’indagine sono attendibili e se puoi utilizzarle con sicurezza per prendere decisioni informate in futuro? È importante fare attenzione alla qualità dei dati e capire i fattori della rilevanza statistica.

Nell’uso comune, il termine “rilevante” indica qualcosa di importante o significativo. Nell’ambito dell’analisi e delle statistiche d’indagine, per rilevante si intende “una valutazione dell’accuratezza”. È qui che entra in gioco l’inevitabile “più o meno” per un’indagine. In particolar modo, ciò significa che i risultati dell’indagine sono accurati entro un certo livello di confidenza e non per pura casualità. Trarre conclusioni in base a risultati non accurati, ovvero non statisticamente rilevanti, è rischioso. Il primo fattore da considerare in qualsiasi valutazione della rilevanza statistica è la rappresentatività del tuo campione, vale a dire fino a che punto il gruppo di persone incluse nella tua indagine dispone delle caratteristiche della popolazione totale in merito alla quale vuoi trarre le conclusioni.

Hai un problema se il 90% dei partecipanti alla conferenza che hanno completato l’indagine erano uomini, ma solo il 15% di tutti i partecipanti era di sesso maschile. Più informazioni hai sulla popolazione oggetto del tuo studio, più sicuro puoi sentirti dei risultati ottenuti dalla tua indagine. Almeno dal punto di vista del genere, puoi stare tranquillo se gli uomini rappresentano il 15% dei rispondenti all’indagine in questo esempio.

Se il campione della tua indagine è scelto casualmente da una popolazione nota, la rilevanza statistica può essere calcolata in modo molto diretto. È qui che entra in gioco un fattore fondamentale, la dimensione del campione. Supponiamo che 50 delle 1000 persone che hanno partecipato alla conferenza abbiano risposto all’indagine.  Cinquanta (50) è una piccola dimensione del campione che comporta un grosso margine di errore.  In poche parole, i tuoi risultati saranno poco rilevanti.

Supponiamo che tu abbia chiesto ai rispondenti all’indagine a quante delle 10 sessioni disponibili del ciclo di conferenze hanno partecipato. I risultati che hai ottenuto sono i seguenti:

Screen Shot 2014-03-05 at 11.02.19 AM

Forse dovresti analizzare la media. Come forse ricorderai, ci sono tre tipi diversi di medie: media, mediana e moda.

Nella tabella riportata sopra, il numero medio di sessioni frequentate è 6,3. Questa è la media, il tipo con cui forse hai più familiarità. La media si calcola sommando i dati e dividendo il risultato per il numero dei dati stessi. In questo esempio, 10 persone dicono di aver partecipato a una sessione, 50 persone a quattro sessioni, 100 persone a cinque sessioni e così via. Quindi, si moltiplicano tra loro queste coppie di numeri, le si sommano e poi si dividono per il numero totale di persone.

La mediana è un altro tipo di media.  La mediana è il valore intermedio, la soglia del 50%. Nella tabella riportata sopra dobbiamo individuare il numero di sessioni in cui 500 persone si trovano a sinistra e 500 a destra di tale valore. In questo caso, la mediana corrisponde a 7 sessioni. Questo può aiutarti a eliminare eventuali anomalie che potrebbero compromettere i tuoi dati.

L’ultimo tipo di media è la moda. La moda è la risposta più frequente. In questo caso la risposta è 6. 260 partecipanti all’indagine hanno preso parte a 6 sessioni, più di quanti abbiano partecipato a qualsiasi altro numero di sessioni.

Le medie e altri tipi di medie possono anche essere utilizzati se i tuoi risultati si basano sulle scale di Likert.

Trarre le conclusioni

Nel momento di trarre le conclusioni sui risultati delle indagini, pensa a quale storia raccontano i dati.

Supponiamo che in generale la tua conferenza abbia ricevuto valutazioni mediocri.  Hai eseguito un’analisi approfondita per individuare le cause di questo risultato.  I dati mostrano che i partecipanti hanno espresso valutazioni molto positive nei confronti di quasi tutti gli aspetti della conferenza, ad esempio le sessioni, i corsi, gli eventi sociali e l’hotel, ad eccezione della location.  (Forse la conferenza si è tenuta in Lombardia nel mese di gennaio, quando il tempo era davvero poco clemente!) Che storia raccontano questi dati? Ottima conferenza in generale, pessima location!  Sicilia o Sardegna potrebbero essere location migliori per una conferenza invernale.

Quando analizzi i dati e trai le conclusioni devi considerare due aspetti: la causalità e la correlazione.

Qual è la differenza tra correlazione e causalità?

Si parla di causalità quando un fattore ne causa un altro, di correlazione quando due variabili si muovono insieme, ma una non influenza o causa l’altra.

Ad esempio, bere cioccolata calda e indossare guanti imbottiti sono due variabili correlate, tendono a salire e a scendere insieme.  Tuttavia, una non causa l’altra.  Difatti, sono entrambe causate da un terzo fattore, il freddo. Il freddo influenza sia il consumo di cioccolata calda sia la probabilità di indossare guanti imbottiti. Il freddo è la variabile indipendente, il consumo di cioccolata calda e la probabilità di indossare guanti imbottiti sono le variabili dipendenti. Tornando alla nostra indagine di feedback sulla conferenza, il freddo ha probabilmente influenzato l’insoddisfazione dei partecipanti nei confronti della location e dell’evento in generale. Infine, per esaminare ulteriormente la relazione tra le variabili della tua indagine, potresti dover eseguire un’analisi della regressione.

Che cose’è l’analisi dei dati di regressione?

L’analisi della regressione è un metodo avanzato di analisi dei dati che consente di esaminare la relazione tra due o più variabili. Ci sono molti tipi di analisi di regressione e quelle scelte dagli esperti di indagini dipendono dalle variabili esaminate.  Ciò che accomuna tutti i tipi di analisi della regressione è l’esame dell’influenza di una o più variabili indipendenti su una variabile dipendente. Quando analizziamo i dati della nostra indagine, potremmo essere interessati a conoscere i fattori che hanno maggiormente influenzato la soddisfazione dei partecipanti nei confronti della conferenza. Si tratta di un problema relativo al numero di sessioni? Al relatore? Agli eventi sociali? Alla location? Con l’analisi della regressione, un esperto di indagini può determinare se e in che misura la soddisfazione verso questi diversi attributi della conferenza contribuisce alla soddisfazione generale. A sua volta, questa analisi offre ulteriori informazioni sugli aspetti della conferenza che potresti voler cambiare la prossima volta. Supponiamo, ad esempio, che tu abbia speso una grossa somma di denaro per assicurarti la partecipazione di un relatore d’eccellenza per la tua sessione di apertura. I partecipanti hanno assegnato punteggi elevati a questo relatore e alla conferenza in generale. Basandoti su questi due risultati potresti pensare che avere un relatore di spicco (e costoso) sia la chiave del successo della conferenza. L’analisi della regressione può aiutarti a verificare la fondatezza della tua supposizione. Potresti scoprire che la popolarità del relatore è stata un fattore rilevante della soddisfazione nei confronti della conferenza, nel qual caso per il prossimo anno provvederai a reclutare di nuovo un relatore di spicco. Ma supponiamo che la regressione mostri che, benché il relatore sia stato di gradimento, questo non ha contribuito molto alla soddisfazione dei partecipanti alla conferenza. Se così fosse, il denaro speso per il relatore potrebbe essere investito diversamente. Se dedichi del tempo ad analizzare attentamente la fondatezza dei dati della tua indagine, sarai in grado di utilizzare le risposte per prendere decisioni informate.

Torna a L’ABC delle indagini

3 suggerimenti veloci per migliorare le percentuali di risposta all’indagine

Ecco alcune idee per fare in modo che i rispondenti partecipino alle tue indagini.

1. Sii conciso

Se la tua indagine è breve e scorrevole, le probabilità che i rispondenti la completino sono maggiori.

2. Offri degli incentivi

Piccoli incentivi come un leggero sconto o la partecipazione a un concorso a premi possono incentivare i rispondenti a completare la tua indagine.

3. Acquista un pubblico mirato

Con SurveyMonkey Audience, puoi acquistare l'accesso a un pubblico che soddisfi criteri demografici specifici per la tua indagine. È un ottimo sistema per ottenere risposte mirate da parte di un gruppo specifico.

Ecco perché milioni di persone si affidano a SurveyMonkey

Indagini illimitate

Invia tutte le indagini e i quiz che vuoi. Anche con i piani gratuiti.

Risposte rapide

Crea e invia senza difficoltà indagini professionali e ottieni rapidamente risultati affidabili.

Approvato da esperti

Accedi a domande e modelli precompilati approvati dai nostri esperti di indagini.

Risultati in tempo reale

Controlla i risultati anche in mobilità da qualsiasi dispositivo. Individua le tendenze a mano a mano che arrivano i dati.

Idee nuove

Le indagini offrono molto di più di semplici risposte. Ottieni feedback e scopri nuove prospettive.

Dati fruibili

Estrai e condividi con il tuo team informazioni approfondite dai dati acquisiti.