Le tecniche di analisi dei dati consentono ai ricercatori di rivedere i dati raccolti e fare inferenze o determinazione dalle informazioni. La maggior parte delle tecniche si concentra sull’applicazione di tecniche quantitative per la revisione dei dati. Alcune delle più popolari tecniche di analisi quantitativa dei dati includono statistiche descrittive, analisi dei dati esplorativi e analisi dei dati di conferma. Questi ultimi due prevedono l’uso di supportare o non supportare un’ipotesi predeterminata. I gruppi che possono utilizzare queste tecniche includono singoli ricercatori, studenti, imprese, agenzie governative e attuari, tra le altre parti che necessitano di informazioni e dati.
L’analisi quantitativa dei dati tenta di rimuovere la parzialità dei ricercatori dai dati raccolti. L’uso massiccio di statistiche, probabilità o altre tecniche matematiche consente agli individui di utilizzare metodi standard per l’interpretazione dei dati. Quando i ricercatori tentano di utilizzare tecniche qualitative di analisi dei dati – spesso basate sul background personale, le preferenze o i principi di ricerca e ragionamento dell’individuo – i dati raccolti possono essere letti in modo errato o interpretati in modo errato. Pertanto, le tecniche matematiche sono meno suscettibili a questi errori e spesso più accettate da altri individui o ricercatori.
L’analisi statistica descrittiva separa o riassume i dati in gruppi specifici. I dati demografici sono un insieme comune di statistiche descrittive. I ricercatori raccoglieranno informazioni relative all’età, al sesso, alle dimensioni della famiglia, al reddito, al tipo di lavoro e ad altre informazioni di una popolazione. Un altro tipo di analisi statistica descrittiva è la percentuale di completamento di un quarterback quando si gioca in una partita di calcio. Se il quarterback completa sei tentativi di passaggio su otto, ha una percentuale di completamento del 75 percento. Un difetto di questa tecnica è l’incapacità delle statistiche di fornire informazioni aggiuntive, come la lunghezza di ogni passaggio.
Le tecniche di analisi dei dati esplorativi spesso implicano l’uso di grafici a riquadri, istogrammi, grafici di Pareto, grafici a dispersione o grafici a stelo e foglia. Lo scopo principale di questa tecnica è supportare un’ipotesi dichiarata da un ricercatore. Ad esempio, un ricercatore potrebbe voler dimostrare un’ipotesi sulla fascia di età dei proprietari che guidano un tipo specifico di auto, come un minivan. Per testare e supportare questa ipotesi, il ricercatore raccoglierà informazioni e creerà un diagramma a scatole per determinare il numero di proprietari all’interno del suo intervallo dichiarato. Le statistiche forniranno informazioni per supportare o meno l’ipotesi e mostreranno quanti valori anomali ci sono nei dati raccolti.
Le tecniche di analisi dei dati di conferma sono l’opposto delle tecniche esplorative. In questi test, il ricercatore sta cercando di confutare l’ipotesi nulla, che è un’affermazione generalmente accettata come vera dalla maggior parte degli individui. Per confutare l’ipotesi nulla, il ricercatore raccoglierà informazioni specifiche relative all’ipotesi e testerà la media, la varianza, i valori p e gli intervalli di confidenza. L’intervallo di confidenza dimostrato dall’analisi dei dati di conferma fornirà informazioni su quanto il ricercatore dovrebbe essere sicuro che l’ipotesi nulla sia vera o falsa.