샘플링은 추가 분석을 위해 대량의 데이터 세트에서 특정 수의 항목을 선택하는 행위를 의미합니다. 비즈니스 연구는 대개 인구 통계와 같은 시장 중심 연구에서 방대한 양의 데이터를 생성합니다. 비즈니스 리서치의 샘플링 기술을 통해 연구자는 더 큰 컬렉션의 트렌드를 정확하게 나타내는 것으로 생각되는보다 관리하기 쉬운 데이터 서브 세트로 작업 할 수 있습니다.
1 차 연구
기업은 두 가지 뚜렷한 방법으로 표본을 추출 할 수있는 연구 데이터를 얻습니다. 첫 번째 연구는 소스에서 데이터를 수집하는 것입니다. 설문 조사는 개인적으로, 전화를 통해, 인터넷을 통해 또는 다른 수단을 통해 수행 되든, 가장 많이 사용되는 일차적 연구 형태입니다. 1 차 연구의 결과는 독점적인데, 연구자가 특별히 허가하지 않거나 대중에게 공개하지 않는 한 다른 회사가 1 차 연구 결과에 액세스 할 수 없음을 의미합니다.
이차 연구
1 차 연구 결과가 다른 연구자들과 공유 될 때, 다른 연구자들은 2 차 연구를 수행하고 있습니다. 중등 리서치는 본질적으로 관련성이 높고 가치있는 데이터를 수집하기 위해 시간을 투자 한 다른 사람들의 노력에 의존합니다. 노동 통계국 (Bureau of Labor Statistics)의 평균 소득 수치를 조사하는 것은 2 차 조사의 한 예입니다. 뷰로는 이미 광범위한 측량과 데이터 수집을 수행했기 때문에 다른 비즈니스 연구원은 거의 또는 전혀 비용없이 데이터를 이용할 수 있습니다.
랜덤 샘플링
랜덤 샘플링은 임의의 수의 데이터 항목을 무작위로 선택하고 추가 분석을 위해 샘플을 사용하는 작업입니다. 랜덤 샘플링은 상당히 균질 한 데이터 집합을 분석 할 때 효과적인 기법이 될 수 있습니다. 특정 국가에서 병적으로 비만으로 진단 된 사람들의 비율을 결정하고자하는 회사를 상상해보십시오. 수백만 개의 항목으로 구성된 데이터 세트로 작업하는 대신 회사는 수백 개의 항목으로 구성된 무작위 표본을 합리적으로 분석하여 전체 데이터 집합의 통계에 가까운 숫자를 얻을 수있었습니다.
N 번째 이름 샘플링
체계적인 샘플링이라고도하는 N 번째 이름 샘플링은 임의의 데이터 선택의 영향을 줄이는 것을 제외하고 무작위 샘플링과 유사합니다. 체계적 샘플링은 샘플에 포함시킬 모든 n 번째 데이터 항목을 선택하는 작업입니다. 예를 들어 백만 개의 설문 응답 데이터 세트가있는 경우 샘플에 포함 할 매 1,000 번째 항목을 선택하여 관리하기 쉬운 1,000 개 항목의 샘플을 남길 수 있습니다.
제어 샘플링
제어 샘플링은 매우 다른 데이터 집합에서 매우 특정한 샘플을 취합니다. 통제 된 샘플링은 2 차 연구를 수행 할 때 가장 중요합니다. 1 차 연구는 원하는 경우 특정 응답자만을 대상으로 할 수 있기 때문입니다.
설문 응답자의 연령, 민족, 교육 및 소득 수준에 대한 정보가 포함 된 대용량 데이터 세트를 구매하는 회사를 상상해보십시오. 회사가 특정 연령 그룹의 평균 소득 수준을 결정하기를 원하는 경우 회사는 소득 기준을 계산하기 전에 특정 연령 기준을 충족하는 항목으로 만 구성된 견본을 작성할 수 있습니다.
