Vzorčenje se nanaša na dejanje izbire določenega števila vnosov iz velikega števila podatkov za nadaljnjo analizo. Poslovne raziskave pogosto ustvarjajo velike količine podatkov, zlasti v tržno usmerjenih raziskavah, kot je demografija. Tehnike vzorčenja v poslovnih raziskavah omogočajo raziskovalcem, da delajo z bolj obvladljivim podskupinom podatkov, za katere menijo, da natančno predstavljajo trende v večji zbirki.
Primarne raziskave
Podjetja pridobivajo podatke o raziskavah, iz katerih jemljejo vzorce na dva različna načina. Prva, primarna raziskava, vključuje kopanje podatkov iz njenih virov. Raziskave so najbolj priljubljena oblika primarnega raziskovanja, ne glede na to, ali se izvajajo osebno, po telefonu, prek interneta ali na kakršen koli drug način. Rezultati primarnih raziskav so lastniški, kar pomeni, da nobeno drugo podjetje nima dostopa do rezultatov primarnega raziskovanja, razen če ga raziskovalec posebej odobri ali da je na voljo javnosti.
Sekundarne raziskave
Ko se rezultati primarnih raziskav delijo z drugimi raziskovalci, drugi raziskovalci opravljajo sekundarne raziskave. Sekundarne raziskave se v bistvu opirajo na prizadevanja drugih, ki so si vzeli čas, da bi zbrali velike zbirke pomembnih in dragocenih podatkov. Iskanje podatkov o povprečnih dohodkih iz Urada za statistiko dela je primer sekundarnih raziskav. Ker je urad že opravil obsežno anketiranje in zbiranje podatkov, lahko drugi poslovni raziskovalci izkoristijo podatke z malo ali brez stroškov.
Naključno vzorčenje
Naključno vzorčenje zajema naključno izbiro določenega števila podatkovnih elementov, nato pa vzorec uporabimo za nadaljnjo analizo. Naključno vzorčenje je lahko učinkovita tehnika pri analiziranju dokaj homogenih sklopov podatkov. Predstavljajte si podjetje, ki želi določiti odstotek ljudi, ki so v določeni državi zbolelo za debelimi. Namesto da bi se ukvarjala s podatkovnim nizom, ki je obsegal več milijonov vnosov, je podjetje razumno analiziralo naključni vzorec več sto vnosov, da bi prišlo do številke, ki bi približala statistiko celotnega nabora podatkov.
Nth Name Sampling
Vzorčenje N-tega imena, imenovano tudi sistematično vzorčenje, je podobno naključnemu vzorčenju, le da zmanjšuje vpliv arbitrarnega izbora podatkov. Sistematično vzorčenje vključuje izbiro vsakega n-tega vnosa podatkov za vključitev v vzorec. Če ste na primer imeli nabor podatkov z enim milijonom odgovorov ankete, lahko izberete vsak tisočinčni vnos, ki ga boste vključili v vzorec, tako da boste lahko imeli bolj obvladljiv vzorec tisoč vnosov.
Kontrolirano vzorčenje
Kontrolirano vzorčenje vzame zelo specifične vzorce iz precej heterogenega niza podatkov. Kontrolirano vzorčenje je najbolj dragoceno pri izvajanju sekundarnih raziskav, saj se lahko primarne raziskave oblikujejo tako, da se po želji usmerijo le na specifične anketirance.
Predstavljajte si podjetje, ki kupi veliko podatkovno zbirko, ki vsebuje informacije o starostni, etnični, izobraževalni in dohodkovni ravni anketirancev. Če bi podjetje želelo določiti povprečne ravni dohodka za določeno starostno skupino, bi lahko podjetje pred izračunom zneska dohodka zgradilo vzorec, sestavljen samo iz vnosov, ki izpolnjujejo posebna starostna merila.
