Odběr vzorků se týká aktuálního výběru konkrétního počtu položek z velké sady dat pro další analýzu. Podnikový výzkum často vytváří obrovské množství údajů, zejména v oblasti výzkumu zaměřeného na trh, jako je například demografický vývoj. Techniky odběru vzorků v podnikovém výzkumu umožňují výzkumníkům pracovat s mnohem spravitelnější podsoubor dat, o kterých věří, že přesně reprezentují trendy ve větší sbírce.
Primární výzkum
Podniky získají údaje z výzkumu, ze kterých mohou odebírat vzorky dvěma různými způsoby. První primární výzkum zahrnuje kopání dat ze svých zdrojů. Průzkumy jsou nejoblíbenější formou primárního výzkumu, ať už osobně, přes telefon, přes internet nebo jiným způsobem. Výsledky primárního výzkumu jsou majetkové, což znamená, že žádná jiná společnost nemá přístup k výsledkům primárního výzkumu, pokud není výslovně udělena výzkumným pracovníkem nebo zpřístupněna veřejnosti.
Sekundární výzkum
Když jsou primární výsledky výzkumu sdíleny s jinými výzkumníky, ostatní výzkumníci vykonávají sekundární výzkum. Sekundární výzkum se v podstatě opírá o úsilí ostatních, kteří si udělali čas na sestavení rozsáhlých souborů relevantních a cenných údajů. Pohled na průměrné údaje o příjmech z Úřadu statistiky práce je příkladem sekundárního výzkumu. Vzhledem k tomu, že předsednictvo již provedlo rozsáhlé mapování a sestavování dat, mohou další výzkumní pracovníci využívat data s malými nebo žádnými náklady.
Náhodné vzorkování
Náhodný výběr vzorků zahrnuje volbu určitého počtu datových položek zcela náhodně a poté použít vzorku pro další analýzu. Náhodné vzorkování může být účinnou metodou při analýze poměrně homogenních sad dat. Představte si společnost, která chce zjistit procento lidí, kteří jsou v určitém stavu diagnostikováni morbidně obézní. Spíše než pracovat s datovou sadou několika milionů záznamů, mohla by společnost rozumně analyzovat náhodný vzorek několika stovek záznamů, aby získal číslo, které přibližuje statistiku celé sady dat.
Nth Name Vzorkování
Odhad vzorků N, nazývaný také systematický vzorkování, je podobný náhodnému odběru vzorků, kromě toho, že snižuje vliv libovolného výběru dat. Systematické vzorkování zahrnuje výběr každé n-té datové položky pro zařazení do vzorku. Máte-li například datový soubor o milionu odpovědí na průzkum, můžete zvolit každý tisícý záznam, který se má zahrnout do vzorku, a nechat tak více než tisíc záznamů.
Kontrolované odběry vzorků
Kontrolované odběr vzorků vyžaduje velmi specifické vzorky z poměrně heterogenního souboru údajů. Kontrolovaný vzorkování je nejcennější při provádění sekundárního výzkumu, neboť primární výzkum může být navržen tak, aby se zaměřil pouze na konkrétní respondenty, pokud by to bylo žádoucí.
Představte si společnost, která nakupuje velký soubor dat obsahující informace o věku respondentů, etnicitě, vzdělání a úrovni příjmů. Pokud by společnost chtěla určit průměrnou úroveň příjmů pro určitou věkovou skupinu, mohla by před sestavením výnosu sestavit vzorku obsahující pouze položky, které splňují konkrétní věkové kritérium.
