डेटा डिमिस्टिफाइड: मात्रात्मक बनाम गुणात्मक डेटा

हमारी महीनेभर चलने वाली डेटा डिमिस्टिफाइड श्रृंखला के दूसरे भाग में आपका स्वागत है। Data Literacy Month के हिस्से के रूप में, यह श्रृंखला डेटा की दुनिया की प्रमुख अवधारणाओं को स्पष्ट करेगी, वे प्रश्नों के उत्तर देगी जिन्हें आप पूछने से हिचकते हैं, और इस दौरान थोड़ी मस्ती भी करेगी। यदि आप शुरुआत से प्रारंभ करना चाहते हैं, तो श्रृंखला की हमारी पहली कड़ी पढ़ें: What is a Dataset?

इस कड़ी में, हम डेटा के विभिन्न प्रकारों, उनके उपयोग के उदाहरणों, और आप इनके साथ कैसे शुरुआत कर सकते हैं, की पड़ताल करेंगे। 

डेटा के दो प्रकार

आपके पास किस प्रकार का डेटा है, इसे समझना उसके विश्लेषण और व्याख्या के लिए सर्वोत्तम तरीका तय करने में अनिवार्य है। डेटा को वर्गीकृत करने का एक सामान्य तरीका इसे मात्रात्मक और गुणात्मक डेटा में विभाजित करना है।

• मात्रात्मक डेटा वह डेटा है जिसे गिना या मापा जा सकता है। आमतौर पर, इसका अर्थ है कि इसे संख्याओं में मापा जाता है। 
• गुणात्मक डेटा वह डेटा है जिसे वर्णित किया जा सकता है। आमतौर पर, इसका अर्थ है कि यह पाठ होता है।

विभिन्न डेटा कार्यों पर काम करते समय, आप संभवतः मात्रात्मक और गुणात्मक दोनों प्रकार के डेटा से मिलेंगे। निम्नलिखित अनुभागों में बताया गया है कि आप एक ही कार्य में दोनों डेटा प्रकारों से कैसे निपट सकते हैं। 

वीडियो डेटा का विश्लेषण 

मान लीजिए आप एक मार्केटिंग विश्लेषक हैं। आपकी कंपनी एक नया सोशल मीडिया अभियान चला रही है और चाहती है कि आप कुछ मौजूदा वीडियो एसेट्स के प्रदर्शन का विश्लेषण करें ताकि आपके सहकर्मियों को किस प्रकार की सामग्री बनानी चाहिए, इस पर डेटा-आधारित प्रेरणा मिल सके।

आप पहले वीडियो के बारे में मात्रात्मक डेटा पर विचार करना चाहेंगे। इसमें शामिल है:

• वीडियो की लंबाई।
• वीडियो के कुल इंप्रेशन की संख्या।
• वीडियो के कुल क्लिकों की संख्या।
• स्वयं वीडियो पर क्लिक-थ्रू दर (अर्थात, क्लिक करने वाले लोगों की संख्या को कुल इंप्रेशन से विभाजित करना)
• वीडियो को पसंद करने वाले लोगों की संख्या।
• वीडियो पर टिप्पणियों की संख्या।

इनमें से प्रत्येक डेटा बिंदु एक संख्या है। वीडियो की लंबाई सेकंड में एक माप है। क्लिक-थ्रू दर एक प्रतिशत है। बाकी डेटा पूर्णांक हैं क्योंकि वे गिनती हैं।

आप वीडियो की सामग्री से गुणात्मक डेटा भी निकाल सकते हैं। प्रत्येक वीडियो से संबद्ध गुणात्मक डेटा में शामिल हो सकता है:

• वीडियो का विषय। 
• वीडियो की सौंदर्य शैली।
• वीडियो का लहजा।
• वीडियो की स्क्रिप्ट।

वीडियो का विषय, सौंदर्य और प्रोडक्शन वैल्यूज़ को संख्याओं में मापना कठिन है। इन्हें शब्दों में वर्णित करना कहीं आसान है। उदाहरण के लिए, "वीडियो डेटा साइंस सीखने के बारे में था; इसमें वेपरवेव सौंदर्य शैली थी; इसका लहजा उत्साहपूर्ण था।" 

ध्यान दें कि गुणात्मक मान तय करने में अक्सर कुछ व्यक्तिपरकता होती है। वीडियो देखने वाले दो लोग इस पर असहमत हो सकते हैं कि लहजा खुश था या नहीं, इसलिए गुणात्मक डेटा संकलन के लिए स्पष्ट दिशानिर्देश होना आवश्यक है। 

वीडियो की स्क्रिप्ट दिलचस्प है क्योंकि यद्यपि यह भी गुणात्मक डेटा है, चूंकि यह संख्याओं के बजाय शब्दों से बनी है, फिर भी यह अन्य गुणात्मक डेटा से दो तरीकों से भिन्न है।

• पहला, यह व्यक्तिपरक नहीं है क्योंकि वीडियो में लोग जो कहते हैं, वे तथ्य हैं, राय नहीं।
• दूसरा, अक्सर प्राकृतिक भाषा संसाधन (NLP) तकनीकों का उपयोग करके स्क्रिप्ट से मात्रात्मक डेटा निकाला जा सकता है।

Sentiment analysis नामक एक NLP तकनीक का उपयोग स्क्रिप्ट के शब्दों के सकारात्मक या नकारात्मक होने की मात्रा निर्धारित करने के लिए किया जा सकता है। उदाहरण के लिए, यदि "awesome" और "fantastic" जैसे शब्द "bad" या "terrible" जैसे शब्दों की तुलना में अधिक उपयोग होते हैं, तो सेंटिमेंट एनालिसिस स्क्रिप्ट को एक सकारात्मक भावना स्कोर देगा। यह विशेष रूप से तब उपयोगी है जब विश्लेषण करने के लिए दर्जनों, यदि सैकड़ों नहीं, वीडियो हों। 

सर्वेक्षण डेटा का विश्लेषण

सर्वेक्षण डेटा एक और मामला है जहाँ आप अक्सर मात्रात्मक और गुणात्मक डेटा के उदाहरणों को साथ-साथ देखते हैं। पिछले उदाहरण से कुछ महीने आगे बढ़ें। आपके मौजूदा वीडियो के विश्लेषण से मिली रोमांचक अंतर्दृष्टियों को सुनने के बाद, आपकी कंपनी ने अपने सोशल मीडिया अभियान के लिए एक नया वीडियो बनाया। लॉन्च से पहले, उन्होंने लोगों का चयन किया ताकि वे वीडियो देखें और उस पर फीडबैक लेने के लिए उन्हें एक सर्वेक्षण भेजा। आपको सर्वेक्षण के परिणामों का विश्लेषण करने का कार्य सौंपा गया है।

सर्वेक्षण में एक प्रश्न है, "आपने वीडियो को कितनी बार देखा?" यह एक मात्रात्मक डेटा बिंदु है क्योंकि उत्तर एक संख्या है।

दूसरा प्रश्न है, "वीडियो का आपका पसंदीदा हिस्सा क्या था?" यह एक गुणात्मक डेटा बिंदु है क्योंकि उत्तर शब्दों में है।

तीसरा प्रश्न है, "आप वीडियो को एक से पाँच सितारों में कैसे रेट करेंगे?" यह मात्रात्मक डेटा है क्योंकि उत्तर एक संख्या है, हालांकि यह उन अन्य उदाहरणों से थोड़ा भिन्न है जिन पर हमने चर्चा की है। चूंकि रेटिंग एक राय है, मान व्यक्तिपरक है। 

यह एक सामान्य भ्रांति है कि मात्रात्मक डेटा हमेशा अस्पष्टता-रहित होता है और गुणात्मक डेटा हमेशा व्यक्तिपरक। जैसे आपने स्क्रिप्ट वाले उदाहरण में देखा कि गुणात्मक डेटा आवश्यक रूप से व्यक्तिपरक नहीं होता, उसी तरह उल्टा भी संभव है—मात्रात्मक डेटा व्यक्तिपरक हो सकता है।

यूज़र इंटरव्यू और फोकस ग्रुप

यूज़र इंटरव्यू और फोकस ग्रुप भी ऐसे डेटा कार्यों के उदाहरण हैं जहाँ आप गुणात्मक और मात्रात्मक दोनों डेटा से मिलते हैं। 

उदाहरण के लिए, मान लीजिए आप अपने उत्पाद पर कुछ फीडबैक प्राप्त करना चाहते हैं। आप एक फोकस ग्रुप चलाने का निर्णय लेते हैं, जहाँ आप कई उपयोगकर्ताओं का इंटरव्यू करते हैं और उनसे फीडबैक मांगते हैं। आपको जो ब्रीफ दिया गया है, वह है ऐसे उपयोगकर्ताओं का इंटरव्यू करना जो एक वर्ष से अधिक समय से आपकी सेवा का उपयोग कर रहे हैं और नियमित रूप से सक्रिय रहे हैं, परंतु पावर यूज़र्स नहीं माने जाते।

प्रतिभागियों के चयन के लिए, आप मात्रात्मक विश्लेषण का उपयोग करते हैं। यानी, आप संख्यात्मक मीट्रिक्स देखते हैं, जैसे:

• उपयोगकर्ता के पंजीकरण के बाद से बीता समय
• प्लेटफ़ॉर्म पर प्रति माह सक्रिय घंटों की संख्या
• अलग-अलग उपयोग सत्रों की संख्या

फोकस ग्रुप सत्र के दौरान, आप कई प्रश्न पूछते हैं और उपयोगकर्ता चर्चा करते हैं। वे किस बारे में बात कर रहे हैं, इसे मात्रात्मक रूप देना कठिन है क्योंकि बातचीत स्वतंत्र रूप से बहती है। हालाँकि, आप उन बातों पर उद्धरण निकाल सकते हैं जिन्हें प्रतिभागी आपके उत्पाद के लिए महत्वपूर्ण मानते हैं। ये उद्धरण गुणात्मक डेटा हैं, क्योंकि वे प्रतिभागियों के विचारों का वर्णन करते हैं लेकिन संख्याएँ शामिल नहीं होतीं।

आप फोकस ग्रुप के दौरान कुछ पोल भी चलाते हैं, जिसमें प्रतिभागियों से आगामी फीचर्स में से उन पर वोट करने के लिए कहा जाता है जिन्हें वे सबसे महत्वपूर्ण मानते हैं। इन पोल के परिणाम मात्रात्मक डेटा हैं क्योंकि फीचर्स की रैंक संख्यात्मक होती है।

डेटा प्रकारों के बारे में और जानें

हमें उम्मीद है कि आपको डेटा प्रकारों का यह संक्षिप्त परिचय पसंद आया होगा। डेटा डिमिस्टिफाइड की अगली कड़ी में, हम डेटा कार्य के विभिन्न घटकों को खोलकर देखेंगे और डेटा साइंस, मशीन लर्निंग, डीप लर्निंग, और आर्टिफिशियल इंटेलिजेंस जैसे सामान्य शब्दों के बीच का अंतर रेखांकित करेंगे। यदि आप आज ही अपनी डेटा सीखने की यात्रा शुरू करना चाहते हैं, तो निम्नलिखित संसाधन देखें। 

• देखें कि हमने डेटा लिटरेसी मंथ के लिए क्या योजना बनाई है
• हमारे Understanding Data Topics स्किल ट्रैक से शुरुआत करें
• DataFramed पॉडकास्ट को सब्सक्राइब करें
• हमारे आगामी इवेंट्स देखें
• डेटा साइंस, मशीन लर्निंग, डीप लर्निंग, और आर्टिफिशियल इंटेलिजेंस के बीच अंतर पर डेटा डिमिस्टिफाइड की हमारी अगली कड़ी पढ़ें।