大數據背景下是否需要統計調查問卷

① 大數據時代背景下，企業還需要問卷調查嗎

大數據是大企業的玩兒法，需要有龐大的用戶群體產生的大規模數據版。
隨著數據清洗、權數據分析技術的完善，擁有海量數據的大型互聯網公司基本可以拋棄問卷了。題主所說的企業應該是包含了所有的企業，說到這里您應該明白了，沒有海量數據積累和流量的公司和大數據是基本沒有關系的。
當然了，非要讓自己大數據一下的話也不是沒有辦法，去買啊！要是有技術的話，可以買來數據自己分析；要是沒有技術的話，可以直接買別人分析得出的結論。這個問卷調查之後統計分析得出結論並沒有什麼區別，只是樣本容量不在一個數量級而已；若是去買別人家分析好的結論，那與傳統的請咨詢公司是差不多的啊。
太陽底下沒有新鮮事......

② 大數據與統計學的關系

大數據與統計學的關系：統計學是大數據的三大基礎學科之一，所以統計學與大數據之間的關系還是非常密切的，但是這也導致一部分人產生了一定的誤解，認為大數據就是統計學，統計學就是大數據。

實際上，雖然在大數據時代背景下，統計學的知識體系產生了一定程度的調整，但是統計學本身的理念與大數據還是具有一定區別的，統計學注重的是方式方法，而大數據則更關注於整個數據價值化的過程，大數據不僅需要統計學知識，還需要具備數學知識和計算機知識。從另一個角度來說，統計學為大數據進行數據價值化奠定了一定的基礎。

其實對於很多職場人來說，平時大部分的數據分析任務都是基於統計學理論進行的，包括採用的數據分析工具也都屬於統計學領域的范疇。

從未來的發展趨勢來看，一方面統計學會進一步向大數據傾斜，包括目前不少統計學專業的研究生課題，都逐漸開始向大數據方向拓展，另一方面大數據會在發展的初期大量採用統計學相關理論和技術，這也能夠提升大數據相關技術的落地應用能力。

③ 如何利用大數據思維來進行用戶調研

如何利用大數據思維來進行用戶調研

傳統的產品調研，通常需要先行選定用戶樣本，之後耗費大量人力物力採用不同的調研方法，進行用戶調研。如果把大數據應用到用戶調研當中，憑借著海量的歷史數據樣本，對於調研問題，可以藉助大數據進行預分析處理，之後再進行人工選擇性介入處理，不僅可以提高用戶調研的效率，以最快的速度響應用戶需求，而且可以極大的降低用戶調研的成本。基於此，本文試圖利用大數據思維，來解讀大數據時代下用戶調研的新變化。

說明：本文提供的僅僅是大數據時代下，用戶調研的思路。如果有具體的用戶調研需求，歡迎向筆者提出，筆者將在下篇推文中，進行具體案例的探討。

大數據作為一種生產資料，正在越來越深入的影響著人類社會。現在，大數據在電商領域，通過根據相似消費者的商品偏好，向顧客推薦更符合其個人喜好的商品，這一推薦方式不僅僅省去了消費者尋找商品的時間，更是提高了電商平台的收入。

同理，在音樂、電視劇、電影，廣告投放、用戶調研等領域，大數據的可用武之地也越來越廣。那麼，大數據時代給用戶調研方式帶來了哪些改變呢？

大數據被廣泛應用以前，傳統的用戶調研方式，通常需要經過界定調研問題、制定調研計劃、綜合調研方法、設計調研問卷、總結調研結果這5個步驟。

但是，大數據被廣泛應用以後，憑借著海量的歷史數據樣本，對於調研問題，可以藉助多種公開的大數據工具進行預分析處理，之後再進行人工選擇性介入處理，將二者進行比對，進行多輪TEST，幫助產品人員發現問題的真相。

一、設置出優秀的調研問題，調研便成功了一半

設置調研問題，處於整個調研的第一個環節，其重要性自然不言而喻。比如某些產品經理可能會提出「用戶為什麼不接受視頻付費」，或者「是否有足夠的用戶願意支付15元/月來觀看正版高清視頻，如果是更低或者更高的價格呢？」前一個調研問題過於寬泛，而後一個調研問題卻又界定的過於單一。

如果將調研問題界定為：

當然，並非所有調研的調研內容都能如此具體明了：

有些屬於探索性研究，這類調研的目的在於找出問題的真相，提出可能的答案，或新的創意；

有些屬於描述性研究，這類調研重在描述項目內容的某些數量特徵；

還有一些是因果性研究，這種調研的目的是檢測現象之間是否存在因果關系。

大數據的魅力在於採集的不是樣本數據，而是全部數據。例如滴滴推出滴滴外賣服務、美團推出美團打車業務，得益於現代社交網路的發達程度，滴滴和美團幾乎可以對微博、微信等社交媒體上的對於新推出服務的議論進行統計分析，從而提供更好的服務。

例如，可以通過網路指數了解網友對於此項服務的搜索行為，同時進行跟蹤分析：

當然並不是所有的網友都會使用網路搜索，他們也有可能使用360搜索，這時就要藉助360指數：

又或者用戶採取其他方式來表達情緒和想法，比如社交媒體微博、微信，可能就會用到微博指數，第三方輿情監測和口碑分析工具，藉助新浪微輿情進行口碑分析和文本挖掘：

說明：以上的大數據工具，僅列舉了常用的3種。在實際操作中，大數據工具的選擇，還需要根據用戶具體的調研問題來確定。

三、人工介入，對調研問題進行針對性處理

可以根據大數據分析結果，人工介入到調研問題上來，進行有針對性的調研處理，這時候可以採用傳統的調研方法。但是與以往不同的是，在採用這些調研方法時，不需再耗費大量成本進行種種調研。選擇人工介入的目的，是為了更真實的感受調研過程，參與調研問題的處理上來。

傳統的調研方法，通常有以下4種方式：

1.觀察法

這種方法是採取不引人注目的方式，來觀察消費者使用產品的情形，以收集最新數據資料。某些戰略咨詢公司在做調研時，十分信奉觀察法。

下面是國內知名的營銷咨詢公司，華與華在《超級符號就是超級創意》里關於這一方法運用的片段，了解一下：

「比如你在超市裡觀察牙膏的消費，觀察走到牙膏貨架前的人，你會看到這樣的一個過程：一個顧客推著購物車走過來，一邊走一邊瀏覽貨架上的牙膏；停下來，注目於一盒牙膏片刻，繼續往前走；停下來，拿起一盒牙膏，看後放下；又拿起一盒看看，再翻過來，仔細看包裝，背後的文案放回貨架；往前走兩步，掉頭回到最開始注目的那盒牙膏，仔細看看，包裝背後的文案，放回貨架；快步走回，第四步看的那盒牙膏仍進購物車里，選擇結束。」

「不，沒結束，他可能過一會兒會折回來，把剛才放進購物車里的牙膏放回貨架，換成第二步注目的那盒，也可能兩盒都要。這樣你就觀察到他買牙膏的整個過程，竟然有七個動作。」

2.焦點小組訪談法

這是一種基於人口統計特徵、心理統計特徵和其他因素的考慮，仔細的招募六到十個人，然後將他們召集在一起，在規定時間內與這些參與者進行討論的一種調研方式，參與者通常可以得到一些報酬。

調研人員通常坐在座談是隔壁的，裝有單面鏡的房間內，對座談會的討論過程進行觀察。必須要注意的是：實時焦點小組訪談時，必須讓參與者盡可能的感受到氣氛輕松，力求讓他們說真話。

3.行為資料分析法

用戶在使用產品時所產生的種種行為都可以用來觀察用戶的心理，調研人員通過分析這些數據，可以了解用戶的許多情況。

用戶的瀏覽時長和瀏覽內容可以反映用戶的實際偏好，它比用戶口頭提供給調研人員的一些陳述更為可靠。

4.實驗法

通過排除所有可能影響觀測結果的因素，來獲得現象間真正的因果關系。

比如視頻網站，向用戶提供高清視頻服務，第一季度只收費25元每月，第二季度收費15元每月。如果兩次不同價格的收費，使用該服務的用戶沒有差異，那麼視頻網站就得不出如下結論：較高的服務費用會顯著影響用戶觀看收費視頻的意願。

四、調研方法確定以後，就可以著手調研問卷的設計了

設置調查問卷，是為了收集一手資料。不過，由於問卷中問句的格式、次序和問句的順序都影響問卷的填答效果，所以對問卷中的問句進行測試和調整是非常必要的。

問卷設計的注意事項：

五、總結調研結果

將大數據統計預分析得到的結果，同產品調研人員實際調研得出的結果，進行比對，從而將數據和信息轉換成發現和建議。

最後，大功告成，根據市場調研所得的結果，就可以制定具體的營銷決策。

說明：由於在這個過程中，運用傳統調研方式，無需耗費大量人力物力，對於可疑結果，可以通過控制變數的方式，進行多輪TEST，幫助產品人員真正發現調研問題的真相。

④ 問卷調查法和大數據方法的區別和聯系

問卷調查法和大數據方法是兩種不同的數據採集和分析方法，它們的區別和聯系如下。
1、區別是虧燃數據來源，問卷調查法是通過人工設計問卷，針對特定人群進行調查，獲得的數據是定性或定量數據，而大數據方法是通過互聯網，感測器等自動化手段，收集大量的結構化和非結構化數據
2、數據量，問卷調查法獲得的數據量相對較小，適用於小樣本量的研究，而大數據方法獲得的數據量非常大，涵蓋全國甚至全球的數據，適用於大樣本量的研究。
3、數據分析，問卷調查法需要對獲得的數據進行清旅銷洗，分類和統計分析等，需要人工干預，而大數據方法利用機器學習等拆空游技術，自動化地對數據進行處理和分析，減少人工干預。
4、聯系是數據分析，問卷調查法和大數據方法都需要對獲得的數據進行分析和處理，從而獲得有用的信息和結論。
5、數據應用，問卷調查法和大數據方法都可以應用於市場調研，社會調查，醫學研究等領域，為決策提供參考和支持。

⑤ 大數據時代，問卷調查是否有存在的必要

還是需要吧，問卷調查是一種信息收集的方式，而不論抽樣調查還是普查（回大數據），只是答范圍的問題。比如針對一個產品的滿意度，什麼大數據時代，也不會所有人都主動寫一份滿意度調查給你，即使你針對所有用戶都發放了問卷，也不可能所有人都回答，總有抽樣的存在！

⑥ 大數據時代傳統社會調查過時了嗎

進入大數據時代，現代網路信息技術與智能設備的普及與運用，給傳統社會調查方法帶來挑戰。有學者提出，與通過數據挖掘技術獲得海量信息相比，傳統社會調查所獲取的信息不過是「小數據」。由此引發學界爭議：大數據時代是否還需要傳統社會調查？在大數據技術與方法廣泛應用的時代，傳統社會調查方法如何彰顯其獨特價值？近日，中國社會科學報記者就此采訪了相關學者。
大數據技術方便數據採集分析
「移動互聯網使得社會行動者的態度、行為被迅速信息化，並被互聯網設備記錄下來，為科研人員的相關研究提供了以往的信息收集手段無法採集的大量信息。同時也大大提高了人類記錄和採集相關信息的能力，極大降低了獲取某些信息的成本。」中國人民大學社會與人口學院副教授李丁說。
大數據技術改變了數據的獲取、處理和理解方式。據西安交通大學公共政策與管理學院執行院長杜海峰分析，數據獲取方式從收集問卷或訪談變成了網路、多媒體等多技術手段的綜合運用，更重要的是對象的變化，傳統的方法需要科學地從母體中抽樣，大數據的數據獲取對象可能直接就是母體；數據處理方式從傳統的屬性數據分析方法，過渡到基於結構的、以智能信息處理為主的綜合集成分析；數據理解方式，由傳統的統計因果發展到以「相關」特別是不同信息之間關系「凸顯」規律的解析。
在哈爾濱工業大學社會學系教授唐魁玉看來，大數據技術不僅在收集數據、整理數據和分析數據上具備優勢，而且其帶來的巨量交互性數據能夠為社會問題的整體性分析提供有效證據。這些變革正在為社會學重新整體性回歸「社會事實」奠定新方法論基礎，同時也無疑給傳統的問卷和深度訪談調查方法帶來挑戰。
社會調查方法具有特殊優勢
既然大數據技術在信息獲取與分析領域具有如此凸顯的優勢，是否意味著傳統社會調查將被取代呢？受訪學者並不贊同此類觀點。
一方面與傳統信息採集方式相比，大數據技術目前仍有其局限性；另一方面傳統信息採集方式仍具有獨特價值。唐魁玉分析說，以抽樣調查為例，在一些案例中，抽樣調查更加適用於那些有「遺失」的數據和代表性樣本。在面對復雜性、人際性社會問題的分析時，大數據方法還不夠細致入微。
「大數據一個非常重要的特徵是『價值密度低』，數據內容可能並不是特定研究者所關心的，因此不一定都能滿足特定問題研究的需要。」杜海峰提出，對於大數據獲得的信息，傳統社會調查不但是其必要的補充，也是專項研究更為必要的基礎資料。
大數據技術所獲取的信息相當於普查和非概率樣本，盡管如此，大數據也並非沒有邊界，如果不能認識或約定其界限，數據雖大，卻不能用於科學研究。如李丁所分析，被互聯網、智能設備感知和記錄的社會行動者並不能覆蓋全部的行動者。如果認識不到大數據的覆蓋率或者代表怎樣的群體，即便樣本規模再大，得出來的知識和規律也有可能是誤導性的。
此外，大數據的邊界還在於變數意義上。「不同企業和研究單位根據其自身需要所採集的數據雖有很大的樣本量，但每個樣本的變數信息很少。如果不能將這些不同類型的資料庫信息串並起來，增加變數即各個研究對象的有效信息量，那麼研究價值也非常有限。」李丁說。
李丁認為，傳統社會調查獲得的信息密度非常高，其目的直接性、設計性、標准化程度更強，效率非常高。「如果不使用傳統的社會調查方法，即便今天世界上能力最強的互聯網公司可能也無法從現有互聯網痕跡數據中獲得一個和中國綜合社會調查具有同等代表性、信度、效度、信息密度和相同變數的數據集。」
實現兩種方法優勢互補
正如李丁所說，一方面，在大數據時代背景下，從大數據中提取出有價值的信息和知識，有可能獲得有關行動者的新知識、社會運行的新規律；另一方面，研究人員應該認識到大數據的局限性，以及傳統研究方式的優勢，避免盲目崇拜。傳統的調查方式在獲得某些高密度的、具有統計代表性的數據上仍具有成本優勢和科學性優勢。
對於學界出現的將兩種方法非此即彼對立起來的爭議，唐魁玉認為，我們在對不同類型、不同復雜程度的社會事實和社會問題進行分析時，要恰當地選擇和使用傳統的社會調查或大數據方法。
未來的社會科學研究或可實現大數據與傳統社會調查方法的優勢互補。受訪學者提出一些設想。李丁認為，傳統的質性研究方法和抽樣調查方法能夠補充大數據的不足，幫助我們理解大數據的社會含義。大數據也能為傳統調查研究提供重要的信息補充，質性研究如果能夠在既有的訪談、觀察的基礎上，還能獲得受訪對象在互聯網的痕跡數據、社會交往數據、行動軌跡數據等，就能對研究對象有更全面的了解和把握。

⑦ 調查問卷統計而成的大數據會存在什麼問題

僅供參考

對象錯誤

⑧ 大數據的統計分析方法有哪些

您好朋友，上海獻峰科技指出：常用數據分析方法有，
1.
聚類分析、
2.因子分析、
3.相關分析、
4.對應分析、
5.回歸分析、
6.方差分析；
問卷調查常用數據分析方法：描述性統計分析、探索性因素分析、cronbach』a信度系數分析、結構方程模型分析(structural
equations
modeling)
。
數據分析常用的圖表方法：柏拉圖(排列圖)、直方圖(histogram)、散點圖(scatter
diagram)、魚骨圖（ishikawa）、fmea、點圖、柱狀圖、雷達圖、趨勢圖。
希

望

採納不足可追問