Anket sonuçlarını raporlamak için veri analizi hakkında bilmemiz gerekenler

Anket ile toplanan veri analizi ve sonuçları menfaat sahiplerine rapor etmek anketin ve araştırmanın son adımıdır. Grafik çizelgelerinin raporlamada kullanımı sadece yaygın değil, aynı zamanda kavramların etkin aktarımı için de önemlidir. Grafikler ve istatistiksel tablolar kullanarak yapılan özetleme, sorulan konunun “kapsamlı bir resmini” oluşturmada etkilidir. Müşteri memnuniyeti veya çalışan performans değerlendirme ya da akademik araştırma yapıp yapmadığınızdan bağımsız olarak, raporlamak için istatistiksel bilgiye sahip olmalısınız.

Veri analizi nedir ve kullanımı nasıldır?

İstatistikler, mevcut koşullar için uygun bir tanımlayıcı bulabilmemiz için anketlerin ve verilerin sonuçlarını toplamanın ve analiz etmenin bir yoludur. İstatistiksel analizde de toplanan verilerden kapsamlı bir resim çizmeye ve doğru sonuçlara varmaya çalışıyoruz. Ancak bu veriler normalde hamdır ve özel bir anlamı yoktur.

Bu sonuca ve bu anlama ulaşmanın avantajı nedir sorusunun cevabı bu anlamı ve hedef kitlenizi iyi anlayıp sonraki adımlarınızı doğru bir şekilde planlamanıza yardımcı olacak ve kalıplar oluşturmanıza yardımcı olmaktır.

Bir yandan online anketler, kullanıcılarınızı her zamankinden daha kolay belirlemenizi sağlarken, diğer yandan kısa, basit bir anket bile size kullanamayacağınız can sıkıcı veriler verebilir.

Farklı oy kullanma taktiklerini öğrenmek için bu makaleyi okuyun:

Veri analizi etmek, kitleniz hakkında size kapsamlı bir sonuç verebilir. Rakamlar tek başına bir anlam ifade etmediğinden, verileri yoklayarak ve değerlendirerek anlamlı kararlar vermenizi sağlayan kalıplar elde edebilirsiniz.

Bir kuruluşta neden istatistiksel analiz yapmak zorundayız?

Veri değişkenliği, veri analizi ve istatistiksel analize yönelmemizin nedenlerinden biridir. Değişkenlik risk demektir. Başka bir deyişle, değişikliklerinden dolayı büyük miktarda veri ve bilgi olmasına rağmen geleceği kolay tahmin edemeyiz. Riski yönetmek için veri değişkenliği uygun şekilde ölçülmeli ve anlaşılmalıdır. Örneğin:

1. İnsan kaynakları verimliliği değişkendir. Ortalama çalışan verimliliği, kurumun/ çalışma biriminin genel performansını yansıtabilir. Ancak iş bir üretkenlik planı geliştirmeye gelince, çalışanlarınızın üretkenliğini artırmaya yardımcı olmak için yapabileceğiniz bazı şeyler var. Planlamada insan kaynakları verimliliğindeki değişkenliği göz önünde bulundurmanız gerekir.
2. Şirketinizin pazarlama bütçesini sektördeki benzer şirketlerle karşılaştırın ve şirketinizin pazarlamaya sektördeki normalden daha az harcama yaptığını bulun. Bu karşılaştırma karar vermek için yeterli değil. Firmaların bütçeleri arasındaki farka da dikkat etmelisiniz. Firmanızın pazarlama bütçesi ile sektör ortalaması arasındaki fark ile ana rakibinizin sektör ortalaması arasındaki bütçe farkı nedir? Bu değişkenlik karşılaştırması size stratejik pazarlama planlama süreci hakkında daha iyi bir fikir verecektir.

“Standart sapma”, değişkenliği belirlemede ve değiştirmede en yaygın göstergedir. Bu indeks, verilerin merkez noktasına, yani ortalamaya göre değişkenliğini yansıtır. Doğal olarak bazı değerler ortalamaya standart sapmadan daha yakındır, bazıları ise daha uzaktır.

Normal olarak dağıtılan veriler söz konusu olduğunda, standart sapma, verilerin üçte ikisinin, yaklaşık %70’inin ortalamadan bir standart sapma, ortalamadan üçte bir daha yüksek ve üçte bir daha düşük olduğu anlamına gelir. Toplamda, verilerin %95’i ortalamadan iki standart sapmadır ve verilerin %99,7’si ortalamadan üç standart sapmadır.

Şimdi, çalışan verimliliğinin normal bir dağılımını varsayarak, insan kaynakları verimliliğinin ilk örneğine geri dönersek, iyileştirme önlemleri planlamayı bilmeniz gerekir. Hangi grup iyileştirmesi ortalama üzerinde en fazla etkiye sahip olabilir ve tabi ki daha az finansal ve zaman kaynağı olabilir? Bu soruların cevaplarının kolaylaştırılması, yalnızca ortalama ve veri değişkenliği kavramıyla birlikte standart sapmanın dikkate alınmasıyla mümkündür.

Şimdi bir insan kaynakları / müşteri, yönetici veya pazarlama uzmanı olarak bir plan geliştiriyorsanız, değişkenlik kavramını aklınızda bulundurun ve tüm müşteri grupları, çalışanlar veya pazar için bir plan yapmaya çalışmayın. Bu grupların değişken olduğunu anlayın ve daha kesin planlayın ve hedefleyin.

Kuruluşlardaki değişkenlik ve bunları inceleme ihtiyacı, istatistiksel analizin zorunlu nedenlerinden sadece birkaçıdır.

Anket analizi ve istatistiksel veri analizi etmek için model türleri

İstatistiksel veri analizi için dünyada birçok model bulunmaktadır. Bu modellerin her biri, belirli bir hedefe odaklanarak verilerinizi analiz etmenize yardımcı olur. İstatistiksel model türleri arasında bu 7 modeli sayabiliriz:

1. Tanımlayıcı veri analizi (Descriptive)

Tanımlayıcı istatistiklerde bilgiler kısaca tablolar ve grafikler halinde sunulur ve sonuçların topluluğa yönelik herhangi bir sonuç veya genelleme yapılmaz. Aslında istatistikler grafikler ve tablolar yardımıyla özetlenir ve konunun genel ve kapsamlı bir resmini gösterir.

Örneğin, belirli bir konu hakkında izleyicinin fikrini ve hissini ölçerken, betimleyici istatistiklerle karşı karşıya kalırız.

Sorularınızın tanımlayıcı analizini yapabilmek için çeşitli kapalı sorular kullanmanız gerekir. Kapalı soru türleri (belirli cevapları olan sorular) arasında çoktan seçmeli sorular, Likert ölçekli sorular veya sıralama olabilir.

Daha sonra rapor aşamasında her bir seçeneğe verilen cevap sayısını farklı tablo ve grafiklerde görebilirsiniz. Örneğin:

– Ürünlerimizin kalitesinden memnun musunuz?

1. A) Evet b) Hayır c) Hiçbir fikrim yok

Şimdiye kadar firmamızın hangi ürünlerini kullandınız?

1. A) Kremler b) Şampuanlar c) Kozmetikler d) Temizleyiciler

Açık uçlu sorular kullanmak istiyorsanız bilin ki kapalı uçlu sorular nicel ve sayısal veriler sağlarken, açık uçlu sorular nitel veriler sağlar; Bu nedenle kitleyi kapalı sorularla değerlendirmek, müşteri memnuniyeti anketleri vb. tasarlamada en etkili yöntemlerden biridir. Tabii ki, açık uçlu soruların cevapları kategorilere ayrılarak belirli gruplar da oluşturulabilir ve tablolar ve grafikler aracılığıyla görüntülenebilir.

Online raporlama aşamasında istatistiksel tablolar yardımıyla frekans, ortalama, medyan, mod, standart sapma ve varyans gibi çeşitli istatistikleri görebilir ve sonuçların daha doğru yorumlanmasını sağlayabilirsiniz. Aslında bu parametrelerin hesaplanmasındaki amaç tüm verileri tek bir sayı ile anlatmaktır.

İstatistiksel tablo türlerinden biri olan frekans dağılım tablosu, büyük ve düzensiz verileri göstermenin uygun maliyetli ve kolay bir yoludur; Bu tabloların yardımıyla bilgileri hızlı bir şekilde anlıyoruz.

Birçok kişi verileri daha iyi temsil etmek için grafikler kullanır; Çünkü kavramları çok kolay, hızlı ve bir bakışta aktarırlar.

Anketinizi veya anketinizi istatistiksel olarak analiz etmek isteyebilirsiniz; Bu durumda her sorunun kümülatif diyagramlarını analiz bölümünden ve diyagramlardan ayrı olarak görmek mümkündür.

Grafikler, çubuk grafikler, histogramlar ve pasta grafikler dahil olmak üzere birçok biçimde gelir.

Çubuk grafiği: Bu grafik, farklı grupları veya seçenekleri karşılaştırmak için idealdir. Maksimum ve minimum frekanslar bir bakışta görülebilir. Zaman içinde veri akışını değiştirmek için çubuk grafikler de kullanılabilir. Örneğin, aşağıdaki grafikte mavi sütunlar Haziran ayını temsil etmektedir. Bir önceki yılın Haziran ayı istatistiklerini (mor sütunlar) ekleyerek bu iki istatistiği tek bir grafikte ve bir bakışta karşılaştırabiliriz. Nominal değişkenler veya sıralama değişkenleri (sıralı) olan sorularda çubuk grafikleri kullanmanızı öneririz. Bu grafiklerle yanıt sürelerinin ölçeği ve sayısı çok basit bir şekilde görüntülenir.

Yaş, ikamet edilen şehir, favori spor veya yemek gibi nominal değişkenler ve eğitim düzeyi, likert ölçeği, derecelendirme ve sıralama değişkenlerinden bahsedilebilir.

Histogram Grafiği: Histogram, periyodiklik dağılımını göstermek için kullanılan bir diyagram türüdür. Bu grafiğin x ekseni, verilerin sıklığını gösterir ve y ekseni, her sütunun dönüş yüzdesini veya sayısını gösterir.

Bir çubuk grafik ve bir histogram arasındaki fark, bir çubuk grafikte verilerin dikdörtgen sütunlar halinde kategorize edilmesi ve her sütunun uzunluğunun gösterdiği kadar büyük olması, ancak bir histogramda verilerin sıra numaralarına göre düzenlenmesidir.

 

Pasta grafiği: Nihai sonuçlarda farklı grupların ve seçeneklerin payını veya yüzdesini göstermek istiyorsanız grafiği seçin. Bu grafik türü çok basit ve anlaşılırdır ve nominal değişkenler için birçok uygulamaya sahiptir.

2. çıkarımsal veri analizi (Inferential)

Analitik veya çıkarımsal istatistikler, verilerdeki değişkenler arasındaki ilişkiyi incelemek için kullanılır. Bu istatistikler, sonuçları tüm istatistik topluluğuna tahmin etmek, sonuçlandırmak veya genellemek için kullanılır. Çıkarımsal analizde, küçük bir veri örneği alınır ve sonuçlar daha büyük bir hedef topluluk için kullanılır.

Örneğin, uykunun yararları üzerine yapılan psikolojik araştırmalarda 500 kişilik istatistiksel bir popülasyonun kullanıldığını varsayalım. Sonuçlar, 7 ila 9 saat arasında iyi bir uyku çeken kişilerin gün içinde daha fazla konsantrasyon ve sağlıkları olduğunu gösteriyor. Araştırmacılar, gezegendeki diğer insanların 7 ila 9 saat sağlıklı uykuya sahip olmaları durumunda daha sağlıklı ve odaklanmış olacakları sonucuna varıyor.

3. Faktör veri analizi (Factor)

Faktör analizi iki şekilde yapılır: Açımlayıcı ve Doğrulayıcı. Bu yöntem, birkaç bağımlı değişken arasındaki varyansı analiz etmek için kullanılır.

Keşfedici veri analizi, veri keşfine ve testine odaklanır ve daha önce bilinmeyen değişkenler arasındaki ilişkiyi bulur. Aslında, veri kalıpları arasında potansiyel bir ilişki bulmaya çalışır. Keşif verileri veya EDA, yeni bağlantılar bulmak ve varsayımlarda bulunmak için kullanışlıdır.

Örneğin büyük bir kuruluşta, belirli yıllar boyunca gelir artışına ilişkin veriler dikkate alınır. Yıllar öncesini varsayalım ve daha sonra İnternet ve dijitalleşmenin etkisinin karşılaşmasını. Bu sayede gelir artışı ile dijitalleşme arasında anlamlı bir ilişki bulabilir ve dijital faaliyetleri artırarak daha fazla gelir ve kâr elde edebilecekleri sonucuna varılabilir.

Ya da farklı veriler dikkate alınarak müşterilerin bir ürünün fiyatındaki değişimlere farklı zamanlarda duyarlılığını ölçmek mümkündür.

4. Tahmine dayalı veri analizi (Predictive)

Tahmine dayalı analiz, gelecekteki gelirleri, davranışları veya eğilimleri tahmin etmek için kullanılır. Bu yöntem, istatistiksel teknikler veya makine öğrenimi (yapay zeka makine öğrenimi) kullanır. Bu yöntem, doğrusal modellerin yanıt vermediği durumları tahmin etmek için kullanılır ve tahmin etmek için daha karmaşık istatistiksel ve analitik yöntemlerin kullanılması gerekir.

Örneğin, bir ülkenin başkanlık seçiminin sonucunu tahmin edeceğinizi varsayalım. Bunu yapmak için, bir sonraki cumhurbaşkanının kim olacağını belirlemek için önceki verilerin, kamuoyu yoklamalarının ve mevcut eğilimlerin analizini kullanmanız gerekir.

5. Nedensel veri analizi (Causal)

Bu analiz türünde iki değişken arasındaki ilişkinin nedenlerini ve etkilerini ele alır ve bir ilişki oluşturmanın nedenini buluruz. Bu verileri kullanmak için farklı insan gruplarına sahip olmanız ve analizinizi ilerletmek için ortalamanızı kullanmanız gerekir.

Kuruluşunuzdaki bir değişikliğin etkisini ölçebildiğinizi varsayalım. Örneğin, kuruluşunuz için gidiş-dönüş hizmeti kurarak çalışanlarınızın memnuniyetini ne kadar artırdığını veya azalttığını öğrenin. Bunun için öncelikle bir departman veya kuruluşunuzun belirli bir bölümü için bu imkanı sağlarsınız. Ardından, daha sonraki anketler yaparak, o bölümdeki memnuniyet oranında nelerin değiştiğini öğrenecek ve memnuniyetin azalmasının veya artmasının nedenini gerçekten anlayacaksınız.

6. Mekanik veri analizi (Mechanistic)

Mekanik analizde, verilen değişkenlerde, diğer değişikliklere neden olabilecek kesin değişiklikleri bulmaya çalışırız. Bu tür analizler fizik ve mühendislik bilimlerinde kullanılmaktadır çünkü bu bilimlerde en ufak bir hataya yer yoktur ve her şey çok dikkatli gitmek zorundadır.

Örneğin, nükleer bilimde bir deney yapılacağını varsayalım. Mekanik veri analizi yardımıyla tüm bağımsız ve bağımlı değişkenler doğru bir şekilde ölçülmeli ve istenilen sonuca ulaşılmalıdır.

7. Tanımlayıcı veri analizi (Prescriptive)

 “ne yapılması gerektiğini” anlamak için verileri analiz eden ve daha iyi kararlar almaya ve en uygun çözümleri bulmaya yardımcı olan sistematik bir çalışmadır.

Bu yöntem, iş verilerini analiz etmede çok etkilidir çünkü sonuçta daha iyi kararlara yol açar. Bu analizde grafikler, algoritmalar veya öğrenme makineleri de kullanılır.

Örneğin, ürünlerin pazarlanması ve satılmasında bu tür veri analizi, pazarlamacıların müşteri verileri yardımıyla daha iyi bir pazarlama stratejisi seçmesine, ürün fiyatlarını daha rasyonel olarak belirlemesine ve pazara daha iyi ürünler getirmesine yardımcı olur.

Google Auto Machine, bu tür veri analizinin açık bir örneğidir. Waymo, gidilecek en iyi rotanın hangisi olduğunu ve nasıl güvenli bir şekilde sürüleceğini bulmak için her yolculukta milyonlarca hesaplama yapar.

En yaygın kullanılan istatistiksel göstergeler

İstatistiksel göstergeler yardımıyla veriler hesaplanabilir. Veri analiz modellerinin her birinde bir veya daha fazla istatistiksel gösterge kullanılmaktadır.

1. Merkezi eğilim indeksi

Merkezi eğim endeksi, verilerin özelliklerini ve genel konumunu belirler. Merkezi göstergeler arasında, her birinin kendi uygulaması olan Mod, Medyan ve Ortalama adlarını verebiliriz. Veri ölçeğinin sıralandığı veya nominal olduğu araştırmalarda, orta veya görünüm daha yaygın olarak kullanılır.

Ortalama: Ortalama yanıtların dağılımı normal dağılıma yakın olduğunda ve verilere genel bir bakış sağlamak istediğimizde bu endeksi kullanırız. Tüm puanları toplayıp toplamı cevap sayısına bölerek hesaplayabilirsiniz.

Ortalama, çoğunluk için olağan rakamı temsil eder. Basit bir örnek, hepimizin deneyimlediği final notlarının ortalamasıdır.

Bu indeksin bir örneği dört seçenekli sorularda verilebilir. Her seçeneğe yanıt oranını ekleyin ve dörde bölün. Bu, her seçeneğe verilen ortalama yanıtı belirler. Bu, her bir seçenek için ortalama seçim oranının ne kadar yüksek veya düşük olduğunu gösterir.

Medyan: Diğer bir ortalama ve ortalama değer türü %50 işaretidir. Başka bir deyişle, ortadaki size insanların yarısının bu sayıdan fazla ve yarısının bu sayıdan az olduğunu söyler. Örneğin, 1 ile 10 arasında puan alan ölçek bir soruda, yanıtlayanların yarısı eşit ve 5 buçuktan fazla yanıt verdi.

Başka bir örnekte, ortanca seans sayısı, katılımcıların %50’sinin katıldığı toplam seans sayısıdır (örneğin, 10 seanstan 6’sı). Diğer yüzde 50 daha az seanstaydı.

1 (hiç memnun değilim) ile 10 (tamamen memnun) ürünlerimizden ne kadar memnun olduğunuza dair hayali bir soru sorduğunuzu varsayalım. Cevapların %50’sinin ortayı belirterek 8’den büyük olduğunu bulursanız, müşteri memnuniyeti durumunun olumlu olduğu sonucuna varılabilir.

Mod: Mod, bir veri kümesinde en çok seçeneğe sahip olan veya en yaygın yanıta sahip olan sayıdır.

Diyelim ki size çoktan seçmeli bir soru soruldu: Markamızla hangi sosyal ağ üzerinden tanıştınız?

Eğer 8 cevap seçeneğiniz varsa, en çok cevap (modu) olan seçeneği size gelecekte nasıl ve hangi ağ üzerinden yatırım yapmanız gerektiğini gösterecektir.

2. Dağılım indeksleri

Dağılım endeksleri, merkezi endekslerin aksine, merkezi endeksler etrafındaki dağılım derecesini hesaplar. Değişimin genliği, Çeyrek Sapma (Quartile Deviation) , Varyans ve Standart Sapma (Standard Deviation), dağılımın göstergeleridir.

Değişiklik kapsamı: Bu indeks maksimum değişiklik miktarını hesaplar ve kolayca hesaplanabilir;  bu şekilde minimum ve maksimum değerleri belirleyip çıkarıyoruz.

Not ortalaması 17 olan iki öğrenci düşünün. ilk bakışta önemli bir değişiklik yok; Ancak genlik değişim indeksini kullanarak, ilk öğrencinin minimum ve maksimum puanları arasındaki mesafeyi 3 puana sahip olduğunu ve ikinci kişinin 7 puan fark yaşadığını görüyoruz.

Genellikle ölçek bir mesafe olduğunda bu indeksi kullanırız; Ancak nominal ölçüm ölçeği sıralıysa, değişiklik aralığı iyi bir gösterge değildir.

• Varyans

Varyans, puanların ortalamadan sapması hesaplanarak hesaplanır. Varyans birimi, puanın karesi ortalamadan saptıkça değişir. Bu nedenle tanımlayıcı istatistiklerde kullanımı sınırlıdır. Aksine, bu indeksin çıkarımsal istatistiklerde birçok kullanımı vardır.

İlk dönem not ortalaması 16 olan bir sınıf hayal edin. Sınıf öğretmeni, yoksul öğrenciler için daha fazla eğitim vererek durumu iyileştirmeye çalışır; Ancak ikinci yarıyılda ortalamanın hala 16 olduğunu görmek bizi şaşırttı.

Notlar kontrol edilirse, zayıf öğrencilerin derslerinde kötü ilerlediğini ve genel not ortalamasını düşük tutan şeyin diğer öğrencilerin notlarındaki düşüş olduğunu görürüz. Varyans bu gibi durumlarda çok yardımcı olur. İlk yarıyılda, varyans ikinci yarıyıldan daha yüksektir.

3. Dağıtım göstergeleri

Çarpıklık ve uzama gibi indekslere dağılım indeksleri denir. Bu grup, veri dağıtım türünü açıklar.

4. Dağılım indeksleri

Varyasyon katsayısı gibi göstergelere dağılım indeksleri denir. Bu dağılım endeksi grubu, merkezi endekslere göre hesaplanır.

Anket analizi yapmak için hangi araçları kullanıyoruz?

Anketlerinizi farklı teknikler yardımıyla analiz edebilirsiniz. Bu teknikler aşağıdakileri içerir:

Veri kıyaslama veya modelleme

Veri kıyaslama, verilerinizi ve sonuçlarınızı standartlaştırmanın bir yoludur.

Bir sezonda gelirinizin ve satışlarınızın neden arttığını bilmek istediğinizi varsayalım.

Bu durumda o sezon satışları artıran değişkenleri karşılaştırmanız gerekiyor. Örneğin, reklamları artırın, çalışan memnuniyetini artırın veya ofis saatlerini değiştirin. Daha sonraki bölümlerde olağandışı değişkenleri bulabilir ve silebilirsiniz.

Kıyaslama yaparken standartlarınızı elde edebilirsiniz.

Veri regresyon analizi

Regresyon, iki veya daha fazla değişkeni inceleyen istatistiksel bir tekniktir. Regresyon konusunda bağımsız ve bağımlı değişken olmak üzere iki kavramla karşı karşıyayız. Bağımsız değişken değişirse bağımlı değişken de değişir. Yani bir önceki örnekte, önümüzdeki birkaç ay içinde herhangi bir nedenle çalışan memnuniyeti azalırsa, satış gibi diğer değişkenlerde de değişecektir.

T testi

Student’s T Test, farklı ortalama değerlere sahip iki veri setini ölçmek için kullanılan bir araçtır. Örneğin, bir istatistik topluluğundaki erkeklerin ve kadınların ortalama boylarını karşılaştırmak istediğinizi varsayalım, bu testin yardımıyla aradaki farkın istatistiksel olarak anlamlı mı yoksa rastgele mi olduğunu öğrenebilirsiniz.

Çapraz Sekme

Verileri görüntülemenin başka bir yolu da tablolar, anlaşma tabloları veya çapraz tablolar şeklindedir.

Bazen bir tabloda bir değişken yerine iki veya daha fazla değişken kullanmak mümkündür, bu durumda daha iyi bir görünüm elde etmek için çapraz tabloları kullanmak yeterlidir.

Örneğin, bir popülasyonu korona hastalığı açısından ölçmek ve frekans dağılım tablosundaki sonuçları ayarlamak istiyorsak, tablonun bir sütununda kadın ve erkek sayısı ve diğer sütunda korona hastası sayısıdır.

	Cinsiyet	Korona testi	Sıklık
1	Erkek	Positif	40
2	Erkek	Negatif	20
3	Kadın	Positif	36
4	Kadın	Negatif	24

 

Ancak bu sonuçlar daha iyi bir şekilde çapraz tablolarda gösterilebilir. Gördüğünüz gibi çapraz tablolarda görüntülenme şekli çok daha anlaşılır.

Cinsiyet	Korona testi positif olan	Korona testi negatif olan
Erkek	40	20
Kadın	36	24

 

Anketin istatistiksel analizi için çevrimiçi araçlar 

Porsline, raporlama aşamasında sunduğu birçok özellik ile sadece bir takım filtreler uygulayarak ve istatistiksel göstergelerin anlamını bilerek, tablo ve grafik şeklinde doğru istatistiklere sahip olmanızı mümkün kılmıştır.

Porsline’da her testte üretilen verilerden Excel çıktısı alabilirsiniz. Sonuç tablosundan rapor bölümüne başvurarak Tüm Sonuçlar butonuna tıklayarak ihtiyacınıza göre tablodaki tüm bilgileri alabilir veya filtreleyebilirsiniz.

Sorular üzerinde çok seviyeli filtreleme imkanı ile ihtiyacınız olan tabloları tasarlayabilir ve çıktı alabilirsiniz. Bu filtreler ayrıca düzenlenebilir, silinebilir ve uygulanabilir. Filtreyi uygulayarak ve Excel veya CSP dosyasının çıktısını almak için düğmeye tıklayarak sonuçlar indirilecektir.

Yanıt türüne göre yanıtlayanların puanlarını bir tabloda görüntülemeniz gerekebilir.

Porsline, bunu kolayca yapmanızı sağlar. Bu şekilde bir soru sorduktan sonra istediğiniz cevaplar için puan ekleyerek olumlu veya olumsuz puanı belirleyin.

Son olarak sonuç tablosunda ve anket ve raporun istatistiksel analiz bölümünde cevapları görebilir, grafik grafikleri ve ortalama, standart sapma ve diğer istatistiksel göstergeler gibi göstergeleri görebilirsiniz.

Testiniz veya anketiniz için bir zaman belirlediyseniz; Sonuç tablosunun rapor bölümündeki istatistiksel tablolar da bir sütunda test yanıt süresini gösterebilirsiniz.

Tabi ki ayarlarda cevaplayanların bilgilerinin sonuçlar tablosunda gizli olduğu belirtilirse bu sonuçlarla ilgili sütun gizlenecek ve göremeyeceksiniz.

Porsline’da bir anket oluşturmuş olabilirsiniz ve şu anda istatistikleri görmek için bilgisayarınıza erişiminiz olmayabilir, yöneticinizin ve meslektaşlarınızın bu raporlardan haberdar olmasını veya öğretmeninizin yanıtın istatistiklerinden haberdar olmasını istiyorsunuz, Porsline bu durumu çözmek için iki temel adım atmıştır.

Öncelikle mobil ve tablet üzerinden de hesabınıza erişebilir, grafik göstergeleri ve istatistiksel raporları inceleyebilirsiniz.

İkinci olarak, analiz ve raporlama bölümünde, rapor bağlantısını kullanın ve e-posta, veya diğer sosyal ağlar aracılığıyla meslektaşlarınıza, yöneticinize veya profesörünüze açık hale getirin.

Kuruluşunuzun her bir bölümünün ayrı ayrı toplam satışları veya belirli bir ürünün toplam satışlara göre satışı bazı verilerin toplamını veya ortalamasını almak isteyebilirsiniz.

Bu yüzden istediğiniz soruları seçin ve onlar için diyagramlar çizin; daha sonra onlara bağlantıyı gönderin. Bu durumda, bu sayfada yapılan herhangi bir değişiklik, bağlantıya sahip kişiler tarafından görülebilir. Elde edilen istatistiklerin yorumunu bile yazabilirsiniz; Bu şekilde, tüm insanlar şu anda anketin istatistikleri ve sonuçları hakkında bilgilendirmektedir. 

Porsline’da, formlar ve anketler aracılığıyla yalnızca veri türleri kolayca toplanmaz; Bunun yerine gelişmiş filtreler uygulayarak temel kararlar alabileceksiniz.

anket, test ve formlarınızın online olarak raporlanması aşamasında erişebileceğiniz imkanlar arasında şunlar sayılabilir:

• Verileri tablolar ve grafikler aracılığıyla görüntüler
• Anında istatistik alma imkanı
• Mobil ve tablet üzerinden istatistiksel tablo ve grafikleri bilme becerisi
• İlgili kişilere istatistiksel sayfalara bağlantılar gönderebilme
• Anket puanını istatistiksel tablolarda gösterebilme
• İstatistiksel tablolarda yanıt süresini görüntüleme yeteneği
• Belirli bir veri parçasını kullanma yeteneği (dilim ve dik)

Çözüm

Anketler yoluyla elde ettiğiniz büyük miktarda veri analizi etmek zordur. Bu örnekler online anketler yapmak için bir platform aracılığıyla sağlanırsa, verileri aynı platformu kullanarak ayarlayabileceksiniz.

Korelasyon analizi ve diğer tür çizelgeler, anketin bu bölümüne önümüzdeki birkaç ay içinde profesyonel ve kurumsal hesaplar şeklinde eklenecektir. Üretimini gözden geçirebilmemiz için gereksinimlerinizi destek aracılığıyla bizimle paylaşın.

Herhangi bir güçlük çekmeden size çeşitli istatistiksel göstergeler sağlayan tablo ve çizelgeler, size kolaylıkla istatistiksel analiz yapma ve kurumsal hedeflerinizi belirleme fırsatı verir.

Veri analizi ve Anket analizi hakkında sıkça sorulan sorular

Burada veri analizi ve anket analizi hakkında bazı soruları yanıtlayacağız:

Veri analizi nedir?

Veri analizi, yararlı bilgileri keşfetme, sonuçlara bilgi verme ve karar vermeyi destekleme amacıyla verileri inceleme, temizleme, dönüştürme ve modelleme sürecidir. Veri analizinin, çeşitli adlar altında çeşitli teknikleri kapsayan ve farklı iş, bilim ve sosyal bilim alanlarında kullanılan birçok yönü ve yaklaşımı vardır. Günümüzün iş dünyasında veri analizi, kararların daha bilimsel alınmasında ve işletmelerin daha etkin çalışmasına yardımcı olmada rol oynuyor.

Veri analizi neden önemli?

Veri Analizi, işletmelerin müşterilerini daha iyi anlamalarına yardımcı olduğu, satışları iyileştirdiği, müşteri hedeflemeyi iyileştirdiği, maliyetleri azalttığı ve daha iyi sorun çözme stratejilerinin oluşturulmasına olanak sağladığı için önemlidir.

Veri analizi veya anket analizi nerede kullanılır?

Veri analizini, müşterilerin ürün veya hizmetlere yönelik davranışlarının izlenmesinde kullanılır. Satışların neden düşük olduğunu, insanların hangi ürünleri satın aldıklarını, neden satın aldıklarını, bu ürünlere ne kadar harcadıklarını, ürünlerinizi nasıl daha iyi satabileceğinizi ve diğer birçok soruyu belirlemek için kullanılır.

Veri analizi ve anket analizi türleri nelerdir?

Veri analizi ve veri biliminde, dört ana analiz türü vardır: tanımlayıcı, tanılayıcı, tahmine dayalı ve kuralcı.

Anket analizi nasıl yapılır?

Porsline ile oluşturmuş olduğunuz anketler cevaplandıktan sonra, sonuçlar kısmında tüm yanıtları görebilirsiniz ve o da yetmez grafikler ve analizleride sizin için hazırlamışız ki rahatlıkla veri analizlerinizi yapabilesiniz.

Porsline’nın size sunmuş olduğu başlıklar böyle dir:

• Cihazlar
• Dağıtım ağları
• Yanıt oranı
• Ortalama Yanıtlama Süresi
• Görüntüleme ve Yanıt sayısı
• Sıklık ve yüzdesi
• Mod
• Medyan
• Varyans
• Standart sapma
• …