4 Análisis e Interpretación

ANÁLISIS E INTERPRETACIÓN DE DATOS
Para analizar los datos de una investigación se requieren de diversos factores, entre ellos incluir cómo
se realizará el análisis de datos.
De hecho, llegar a la parte de análisis de datos significa que el trabajo más difícil ya está hecho.
Es mucho más difícil definir el problema de la investigación, desarrollar e implementar un plan de

muestreo, desarrollar un diseño de estructura y determinar las medidas necesarias que necesitas.
Antes de que se sepa las diferentes maneras de analizar y discutir los datos, es necesario saber las
diferencias entre investigación cualitativa e investigación cuantitativa y la diferencia entre datos
cualitativos y datos cuantitativos.
¿Por qué tengo que analizar los datos antes de presentar los resultados de una investigación?
El propósito de analizar los datos es obtener información que pueda ser útil para tu trabajo.
El análisis, sin importar si los datos son cuantitativos o cualitativos, puede:
 Describir y resumir los datos

 Identificar la relación entre variables
 Comparar variables
 Identificar la diferencia entre variables
 Pronosticar resultados
Ejm. Digamos que decides hacer una investigación etnográfica (la cual es una investigación cualitativa).
En el primer paso, decides tomar una pequeña muestra (algo que normalmente se realiza en las
investigaciones cualitativas) pero después, decides realizar una entrevista estructurada o una encuesta
(que normalmente se realizan en las investigaciones cuantitativas) para determinar las actitudes
particulares de personas cuando sucede un fenómeno en particular (investigación cualitativa). Debido
a que utilizaste métodos que obtienen datos cuantitativos y cualitativos, tu investigación será una
mezcla de ambos.
Una fuente de confusión para muchas personas es la creencia de que la investigación cualitativa
únicamente genera datos cualitativos (texto, palabras, opiniones, etc.) y que la investigación
cuantitativa genera solo datos cuantitativos (números).
En algunos casos si sucede esto, pero ambos tipos de datos pueden ser generados por cualquier tipo
de investigación que se realice. Por ejemplo, una encuesta (investigación cuantitativa) comúnmente
obtiene información como edad, salario, longitud de servicio (datos cuantitativos), pero también es
probable que obtenga datos cualitativos como opiniones y actitudes.
Es recomendable conocer todo sobre el software de análisis de texto de Question Pro.
¿Qué técnica se debe usar para analizar los datos?

Cuando se trata de analizar datos, algunas personas creen que únicamente las técnicas estadísticas son
las que se pueden aplicar a los datos cuantitativos (números).
Esto es incorrecto, existen muchas técnicas estadísticas que se pueden aplicar a los datos cualitativos;
como por ejemplo, la escala de valoración, la cual se utiliza comúnmente en investigaciones
cuantitativas. Incluso si un estudio cualitativo no utiliza datos cuantitativos, existen muchas maneras
de analizar los datos cualitativos que se obtienen.
Por ejemplo, tras realizar una entrevista, la transcripción y la organización de los datos son las
primeras etapas de análisis. Después, lo que se debe hacer es analizar sistemáticamente las
transcripciones, agrupar los comentarios, interpretarlos y obtener las conclusiones.
Conoce 4 maneras de usar una investigación cualitativa.

Una de las mayores preocupaciones al momento de recopilar tus resultados es que sean datos fiables
y válidos. Algunas preguntas que los investigadores se hacen comúnmente son:
 ¿La investigación que hice estará al nivel de otras investigaciones?

 ¿Las personas creerán en mis resultados?
Los investigadores abordan estas preguntas utilizando el método de recolección de datos (instrumento
de investigación) para darle a sus resultados validez y fiabilidad.
Recolección de datos para investigación. ¡Utiliza la técnica correcta!
Fiabilidad
La fiabilidad se refiere a que la investigación realizada y la información obtenida sea única, es decir,
que no sea repetida.
Validez
La validez puede ser explicada con la respuesta de esta pregunta: ¿Estamos midiendo lo que creemos
que estamos midiendo? Esto es algo muy difícil de abordar. Las siguientes son preguntas comunes que
te puedes hacer para abordar la validez y poder analizar los datos con confianza.
 ¿Cómo obtuvo el investigador acceso completo al conocimiento y a los datos obtenidos?
 ¿Los investigadores con experiencia utilizan las mismas preguntas y métodos?
Ningún procedimiento es completamente fiable, pero si el procedimiento de recolección de datos no

es de confianza la investigación es inválida. Otro problema es que incluso aunque la investigación sea
fiable, no significa que esta tenga validez.
6 pasos para el buen análisis de datos

Debido al boom de las soluciones basadas en datos, es importante detallar cuál es el proceso
para generar análisis de datos para la toma de decisiones. El avance en cuanto a herramientas
y capacidad de las computadoras para efectuar cálculos de manera rápida, ha permitido
evidenciar situaciones en aspectos como la economía, demografía y hasta nuestra genética,
entre muchos otros. A continuación, 6 pasos prácticos para generar mejores análisis de datos:
1. Defina bien su problema

Para plantear una solución basada en datos, la clave más importante para recibir los resultados
esperados, es definir el problema en una forma clara y concreta. Si dos seres humanos no pueden
estar universalmente de acuerdo en qué constituye el problema, mucho menos en su solución. Lo
mismo pasa con las computadoras, son solo una extensión de nuestro cerebro que se encarga de
recibir instrucciones y arrojar resultados. Asegúrese de tener claro el “qué” de su problema, facilita
mucho el proceso de formular el “cómo” solucionarlo.
2. Conozca sus datos

Identifique qué conjunto de datos tiene, de dónde provienen y su disponibilidad. Estudie también
sus metadatos (las características de sus datos) como el tamaño, naturaleza de las variables,
alcance, fortalezas y debilidades. Esto para saber el rango de soluciones que cada set de datos
pueda ofrecer. Referencias como diccionarios de datos permiten a las demás personas involucradas
tener acceso a la información de los datos disponibles.
3. Identifique el set de datos ideal

Basado en el problema que usted quiera solucionar, también sepa a lo que quiere llegar para poder
solucionarlo. Por ejemplo, si su problema es “¿cuál de mis empleados ha vendido más en los últimos
seis meses? “, su conjunto de datos ideal es una lista de empleados, y la suma de ventas para cada
uno, para el último semestre vigente. ¿Fácil verdad? Al conocer su entorno de datos, identifique
qué datos le hacen falta, y una estrategia para dar con estos y consumirlos. También, asegúrese de
“limpiar” sus variables para evitar confusiones (empleados repetidos, faltas de ortografía o
formatos).Una buena estrategia es crear análisis exploratorios, con datos simulados, para poder
justificar la compra u obtención de los datos faltantes.
4. Haga su análisis reproducible
Como muchas veces la intención de un análisis es comunicar una evidencia o hecho mediante datos,
es importante que las demás personas involucradas sepan exactamente cuál fue su estrategia para
llegar a ese resultado. Para esto manuales de usuario y guías son muy útiles, más aún cuando es un
análisis que se deba repetir periódicamente. Si se tiene la capacidad, hacer un script o código con la
solución implementada siempre es la mejor opción, pues con los mismos datos, se va a llegar
siempre a los mismos resultados, sin espacio para confusiones o errores de
interpretación. Herramientas de análisis de datos populares como Microsoft Excel, tiene su propio
lenguaje de programación (VBA) para poder recrear todas las funcionalidades utilizadas. Existen
lenguajes de programación especializados como R para computación estadística o Python, entre
muchos otros.
5. Rete su análisis

Ya teniendo resultados preliminares, someta sus resultados a prueba. Ya sea con revisiones de
otras personas no involucradas en el proceso o pruebas manuales se pueden identificar problemas,
ya sea de formato o de cálculo, que pueden ser modificables y mejorables sin necesidad de cambiar
la perspectiva del problema y evitar un análisis erróneo. Recuerde, “garbage in, garbage out” (si
entra basura, sale basura). Un análisis mal planteado conlleva a malos resultados.
6. Presente su análisis en formatos multiplataforma

Es decir, no se “case” con una herramienta. Muchos clientes tienen diferentes entornos en sus
computadoras, muchos no tienen ni siquiera Microsoft Excel en sus computadoras (software que a
muchos nos parece imprescindible) o quieren ver sus resultados en su celular o en su computadora
con Linux o Mac. Es mejor utilizar archivos en formatos como CSV (archivos separados por coma),
.txt (archivos de texto plano), PDF (Formato de Documento Portátil) o HTML (como las páginas web)
que independientemente del dispositivo que se utilice los resultados pueden ser fácilmente visibles.

4 Análisis e Interpretación

Cargado por

Copyright:

Formatos disponibles

4 Análisis e Interpretación

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4 Análisis e Interpretación

Cargado por

Copyright:

Formatos disponibles

ANÁLISIS E INTERPRETACIÓN DE DATOS

Es mucho más difícil definir el problema de la investigación, desarrollar e implementar un plan de

El análisis, sin importar si los datos son cuantitativos o cualitativos, puede:

 Describir y resumir los datos

Es recomendable conocer todo sobre el software de análisis de texto de Question Pro.

¿Qué técnica se debe usar para analizar los datos?

Conoce 4 maneras de usar una investigación cualitativa.

 ¿La investigación que hice estará al nivel de otras investigaciones?

Recolección de datos para investigación. ¡Utiliza la técnica correcta!

Ningún procedimiento es completamente fiable, pero si el procedimiento de recolección de datos no

6 pasos para el buen análisis de datos

1. Defina bien su problema

2. Conozca sus datos

3. Identifique el set de datos ideal

5. Rete su análisis

6. Presente su análisis en formatos multiplataforma

También podría gustarte