Analyzing Survey Data2

Données numériques : types et caractéristiques

Améliorez la prise de décision en collectant des données clients.

PARTAGER L’ARTICLE SUR

Table of Contents

Les données numériques vous aident à tester la satisfaction et l’expérience client avec votre marque, vos produits, vos services et d’autres aspects de votre entreprise, en chiffres faciles à analyser. Plongeons dans la compréhension de la façon dont les données numériques sont utiles dans la recherche pour accélérer les décisions commerciales. 

Qu’est-ce que les données numériques ?

Les données numériques font référence aux données qui se présentent sous forme de nombres, et non dans une langue ou une forme descriptive. Souvent appelées données quantitatives, ces données sont collectées sous forme de nombres et diffèrent de toute forme de types de données numériques en raison de leur capacité à être calculées statistiquement et arithmétiquement.

Exemple : vous avez un nombre total de vos employés. Vous prenez un décompte des employés masculins et vous le soustrayez du nombre total d’employés pour obtenir le nombre d’employés féminins. Cette caractéristique des données numériques à manipuler arithmétiquement en fait le meilleur choix pour l’analyse de données statistiques.

Explorez tous les types de questions d’enquête possibles sur Voxco

Types de données numériques

Les deux formes de données numériques que vous pourrez voir sont des données discrètes et des données continues. Ces deux variantes sont explicitement utilisées à des fins statistiques et de recherche et il est prouvé qu’elles fournissent les meilleures données, grâce à des méthodes de recherche.

Examinons de plus près en quoi ces types sont différents les uns des autres :

  • Données discrètes

Les données discrètes sont utilisées pour représenter les éléments dénombrables. Cela peut prendre des formes numériques et catégorielles et les regrouper dans une liste. Cette liste peut aussi être finie ou infinie.

Les données discrètes prennent essentiellement des nombres dénombrables comme 1, 2, 3, 4, 5, etc. En cas d’infini, ces chiffres continueront.

Exemple : compter les morceaux de sucre d’un pot est un dénombrable fini. Mais compter les morceaux de sucre du monde entier est infini.

  • Données continues

Comme son nom l’indique, cette formule contient des données sous forme d’intervalles. Ou simplement dit, des gammes. Les données numériques continues représentent les mesures et leurs intervalles tombent sur une ligne numérique. Par conséquent, cela n’implique pas de compter les articles.

Exemple : dans un examen scolaire, les élèves qui ont obtenu une note de 80 % à 100 % sont distingués, 60 % à 80 % sont dans la première partie du classement et moins de 60 % sont en seconde partie.

Les données continues sont en outre divisées en deux catégories.

Intervalle et Ratio.

  • Données d’intervalle – le type de données d’intervalle fait référence aux données qui ne peuvent être mesurées que le long d’une échelle à égale distance les unes des autres. Les valeurs numériques de ce type de données ne peuvent subir que des opérations d’ajout et de soustraction. Exemple : la température corporelle peut être mesurée en degrés Celsius et degré Fahrenheit et aucune de ces mesures ne peut être 0.
  • Données de ratio – contrairement aux données d’intervalle, les données de ratio ont un point zéro. Étant similaire aux données d’intervalle, le point zéro est la seule différence présente. Exemple : dans la température corporelle, la température du point zéro peut être mesurée en Kelvin.

Variables de données numériques

A numerical variable is something that inhibits any value that is finite or infinite. Like length, age, weight, exam scores, etc. numerical variables can be called a continuous variable when it has continuous data characteristics. 

  • Interval variables 

It has values with interpretable differences but never zero. These values can be added or subtracted but can never be multiplied or divided. Interval variables have standard difference between them and are an extension of ordinal variables. 

Interval variables have two distributions: Normal distribution and non-normal distribution.

    • Normal distribution 

A random variable having a real value is said to be normally distributed when its distribution is unknown. Two different tests are carried on two different sample such as;

      • Matched sample tests 

        • Paired t-test: to compare two sample population means.
        • Repeated measures ANOVA: to compare means of 3 or more variables. It is based on repeated observations. 
      • Unmatched sample tests

        • Un-paired test: to compare two sample population means.
        • ANOVA: to compare means of 3 or more variables based on single observation. 

Une variable numérique est quelque chose qui inhibe toute valeur finie ou infinie. Comme la longueur, l’âge, le poids, les résultats aux examens, etc., les variables numériques peuvent être appelées variables continues lorsqu’elles ont des caractéristiques de données continues.

  • Variables d’intervalle

Il a des valeurs avec des différences interprétables, mais jamais nulles. Ces valeurs peuvent être ajoutées ou soustraites, mais ne peuvent jamais être multipliées ou divisées. Les variables d’intervalle ont une différence standard entre elles et sont une extension des variables ordinales. 

Les variables d’intervalle ont deux distributions : la distribution normale et la distribution non normale.

 

·         Distribution normale

Une variable aléatoire, ayant une valeur réelle, est dite normalement distribuée, lorsque sa distribution est inconnue. Deux tests différents sont effectués sur deux échantillons différents tels que montré ci-dessous.

  • Tests d’échantillons appariés
    • Test T apparié : pour comparer deux moyennes de population d’échantillons.
    • Mesures répétées ANOVA : pour comparer les moyennes de trois variables ou plus. Il est basé sur des observations répétées.
  • Tests d’échantillons inégalés
    • Test non apparié : pour comparer deux moyennes de population d’échantillons.
    • ANOVA : pour comparer des moyennes de trois variables ou plus sur la base d’une seule observation.

·         Distribution non normale

Une variable aléatoire ayant une valeur réelle est dite normalement distribuée lorsque sa distribution est connue. Deux tests différents sont effectués sur deux échantillons différents tels que :

 

  • Tests d’échantillons appariés
    • Test de la somme des rangs de Wilcoxon : pour comparer deux groupes d’échantillons appariés.
    • ANOVA à deux voies de Friedman : pour comparer la différence de moyennes entre trois groupes ou plus.
  • Tests d’échantillons inégalés
    • Test de la somme de rang de Wilcoxon : lorsque les exigences pour le test T de deux échantillons non appariés ne sont pas satisfaites.
    • Test de Kruskal-Wallis : pour voir si trois groupes ou plus d’échantillons non appariés partent de la même distribution.

 

  • Variable de ratio

C’est une extension de la variable d’intervalle, mais la différence est qu’elle a une vraie valeur nulle. Ces variables peuvent subir n’importe quelle opération comme l’addition, la soustraction, la multiplication ainsi que la division.

En parlant des tests qui sont effectués sur les variables de rapport, référez-vous à ceux des variables d’intervalle, car ils sont les mêmes.

Analyse des données numériques

Il y a deux façons d’interpréter les données recueillies, sous forme numérique. En fonction de vos données et de la façon dont vous obtenez des résultats, vous pouvez utiliser les méthodes suivantes :

  1. Statistiques descriptives – cela utilise les ensembles de données pour décrire un échantillon de population. Ces ensembles de données sont recueillis auprès de la population elle-même. Les méthodes utilisées dans les statistiques descriptives sont : moyenne, médiane, mode, écart-type, variance, etc.
  2. Statistiques inférentielles – cette méthode consiste à faire des inférences, ou des prédictions, concernant une population, en fonction des données recueillies auprès de l’échantillon de cette population. Voici quelques façons d’effectuer des statistiques inférentielles :
  • Analyse des tendances : pour tirer des tendances et des idées en collectant les données de l’enquête sur une certaine période.
  • Analyse SWOT : signifie Forces, Faiblesses, Opportunités et Menaces.
  • Les forces et les faiblesses constituent une analyse interne, tandis que les opportunités et les menaces constituent une analyse externe d’une entreprise.
  • Analyse conjointe : elle détermine comment les gens font leurs choix. Il s’agit d’une technique d’analyse d’étude de marché.
  • Analyse TURF : signifie Total Unduplicated Reach and Frequency analysis. Elle est utilisée pour évaluer le potentiel de marché d’une combinaison de produits.

Découvrez le logiciel d’enquête Voxco en action avec une démonstration gratuite.

Caractéristiques des données numériques

  • Les données numériques ont deux catégories : les données discrètes et les données continues, où ces dernières sont ensuite classées en données d’intervalle et en données de ratio.
  • Les données numériques sont de nature quantitative, car elles prennent des valeurs quantitatives pour les données.
  • Les données numériques nous permettent d’effectuer des opérations arithmétiques sur elles, comme ajouter et soustraire. Il peut également être utilisé n’importe quel calcul d’analyse statistique. 
  • Ces données peuvent être estimées et énumérées. Lorsque les données numériques sont précises, elles sont alors énumérées, ou bien elles sont estimées. 
  • La différence d’intervalle entre chaque donnée numérique, lorsqu’elle est placée sur une échelle numérique, est égale. Une horloge ou un thermomètre en sont de parfaits exemples. 
  • Les données numériques peuvent être analysées à l’aide de deux méthodes : l’analyse descriptive et l’analyse inférentielle.
  • Les données numériques facilitent la visualisation. Cela utilise des techniques de visualisation de données telles que le nuage de points, le diagramme de points, le diagramme de points empilés, les histogrammes.

Cinq exemples de données numériques

  • Âge – l’âge d’un individu est compté sous les données numériques, car il peut prendre des valeurs numériques dénombrables. Exemple : un enfant de 10 ans a commencé à marcher il y a 7 ans. 
  • Temps – le temps est une donnée numérique et est dénombrable, fini. Exemple : le temps pendant lequel un coureur effectue dix tours de terrain. 
  • Taille – la taille d’une personne peut prendre n’importe quelle valeur dénombrable et elle continue de croître avec le temps. Exemple : la taille d’une personne peut être mesurée en mètres, pouces, pieds ou centimètres. 
  • Revenu – Le revenu d’une personne ou d’une famille est une donnée numérique. Sur le marché, cela est utilisé pour déterminer la capacité d’achat des clients. 
  • Scores aux tests – les résultats des tests des élèves sont notés en chiffres, puis sont classés en fonction de leur score. Exemple : les élèves ayant des scores de 80 à 100 sont considérés comme une classe de distinction. 60 à 80 sont de première classe et les élèves de moins de 60 sont de seconde classe.
Online Surveys

Avantages des données numériques

  • Prédiction de la population – les chercheurs peuvent utiliser des données numériques pour recueillir la naissance de nouveau-nés dans un certain laps de temps, puis utiliser ces données pour prédire la population du pays.
  • Marketing et publicité – avant de commencer les stratégies de marketing et de publicité, les chercheurs utilisent l’analyse SWOT pour déterminer les variables externes et internes qui peuvent affecter ces stratégies.
  • Recherche – les données numériques sont une pratique courante parmi les chercheurs, en raison de leur facilité de calcul statistique.
  • Développement de produits – les chercheurs utilisent l’analyse TURF dans les étapes de développement de produits afin de déterminer la portée du nouveau produit sur le marché.
  • Éducation – comme indiqué dans divers exemples ci-dessus, les données d’intervalle sont utilisées dans les écoles et les collèges pour évaluer les performances des élèves aux examens.
  • Médecine – les médecins utilisent régulièrement le thermomètre pour étudier la température corporelle d’un patient. Cela relève également des données d’intervalle.

Inconvénients des données numériques

  • Les données numériques des personnes ne définissent pas leurs sentiments à l’égard de certains sujets.
  • Les résultats sont courts et limités.
  • Les questions génériques des chercheurs peuvent conduire à des biais structurels.

Conclusion

Cet article résume tout ce que vous devez savoir sur les données numériques, avant de commencer à les collecter. Que vous utilisiez des enquêtes ou des expériences pour collecter des données numériques, cela peut vous aider à valider votre hypothèse.

Si vous êtes prêt à commencer à collecter des données numériques, mais que vous ne savez pas quelle méthode utiliser ou quelles questions poser, vous pouvez contacter nos experts.

Read more