A amostragem refere-se ao ato de selecionar um número específico de entradas de um grande conjunto de dados para análise posterior. A pesquisa de negócios geralmente gera grandes quantidades de dados, especialmente em pesquisas focadas no mercado, como demografia. As técnicas de amostragem na pesquisa de negócios permitem que os pesquisadores trabalhem com um subconjunto de dados mais gerenciável que eles acreditam que represente com precisão as tendências da coleção maior.
Pesquisa primária
As empresas obtêm dados de pesquisa para coletar amostras de duas maneiras distintas. A primeira pesquisa primária envolve a exploração de dados de suas fontes. As pesquisas são a forma mais popular de pesquisa primária, seja realizada pessoalmente, por telefone, pela Internet ou por qualquer outro meio. Os resultados da pesquisa primária são proprietários, o que significa que nenhuma outra empresa tem acesso aos resultados da pesquisa primária, a menos que seja especificamente concedida pelo pesquisador ou disponibilizada ao público.
Pesquisa secundária
Quando os resultados da pesquisa primária são compartilhados com outros pesquisadores, os outros pesquisadores estão realizando pesquisas secundárias. A pesquisa secundária baseia-se essencialmente nos esforços de outras pessoas que reservaram tempo para compilar grandes conjuntos de dados relevantes e valiosos. Procurar dados de renda média do Bureau of Labor Statistics é um exemplo de pesquisa secundária. Como o departamento já realizou a extensa pesquisa e compilação dos dados, outros pesquisadores de negócios podem aproveitar os dados com pouco ou nenhum custo.
Amostragem Aleatória
Amostragem aleatória envolve a escolha de um certo número de itens de dados completamente ao acaso, em seguida, usando a amostra para análise posterior. A amostragem aleatória pode ser uma técnica eficaz ao analisar conjuntos de dados razoavelmente homogêneos. Imagine uma empresa procurando determinar a porcentagem de pessoas diagnosticadas com obesidade mórbida em um estado particular. Em vez de trabalhar com um conjunto de dados de vários milhões de entradas, a empresa poderia analisar razoavelmente uma amostra aleatória de várias centenas de entradas para chegar a um número que se aproxima da estatística de todo o conjunto de dados.
Nth Name Sampling
A última amostragem de nomes, também conhecida como amostragem sistemática, é semelhante à amostragem aleatória, exceto pelo fato de reduzir a influência da seleção arbitrária de dados. A amostragem sistemática envolve a seleção de todas as enésimas entradas de dados para inclusão em uma amostra. Se você tivesse um conjunto de dados de um milhão de respostas da pesquisa, por exemplo, poderia selecionar cada milésimo registro para incluir em uma amostra, deixando-o com uma amostra mais gerenciável de mil entradas.
Amostragem Controlada
A amostragem controlada usa amostras altamente específicas de um conjunto de dados bastante heterogêneo. A amostragem controlada é mais valiosa quando se realiza pesquisa secundária, uma vez que a pesquisa primária pode ser projetada para atingir apenas respondentes específicos, se desejado.
Imagine uma empresa que adquire um grande conjunto de dados contendo informações sobre os níveis de idade, etnia, escolaridade e renda dos participantes da pesquisa. Se uma empresa quisesse determinar os níveis médios de rendimento para um determinado grupo etário, a empresa poderia construir uma amostra constituída apenas por entradas que satisfazem os critérios de idade específicos antes de calcular o valor do rendimento.
