3. ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ
Η εξέταση των δεδομένων και η κατανόηση της σημασίας τους μπορεί να
είναι πολύ απλή. Χρησιμοποιήστε μεθόδους και κόλπα που διευκολύνουν
την κατανόηση και αποκαλύπτουν γρήγορα τη σημασία
4. ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ: ΤΑΞΙΝΟΜΗΣΗ
Αν τα δεδομένα σας περιλαμβάνουν μια
σειρά από τιμές κλίμακας, ταξινομήστε
τα από τη μεγαλύτερη προς τη
μικρότερη. Επιλέξτε τη στήλη και
ενεργοποιήστε την επιλογή ταξινόμησης
(σε γενικές γραμμές από το μενού
Δεδομένα > Ταξινόμηση)
5. ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ: ΦΙΛΤΡΟ
Μπορεί να έχετε μια σειρά εκατοντάδων
σειρών, οπότε η ανάλυσή τους μπορεί να
μην είναι τόσο απλή. Επομένως,
φιλτράρετε τα δεδομένα έτσι ώστε να
εμφανίζονται μόνο όσα παρουσιάζουν
ενδιαφέρον, και αποκρύψτε τα υπόλοιπα.
Χρησιμοποιήστε την επιλογή Φίλτρο (στο
μενού Δεδομένα > Φίλτρο)
6. ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ: ΟΜΑΔΟΠΟΙΗΣΗ/1
Η ομαδοποίηση δεδομένων μπορεί να
αποφέρει εξαιρετικά αποτελέσματα για τη
μέτρηση ποσότητας
(χρησιμοποιήστε τη όταν τα δεδομένα έχουν
ομογενή χαρακτηριστικά που το επιτρέπουν).
7. ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ: ΟΜΑΔΟΠΟΙΗΣΗ/2
Για παράδειγμα...
Ο κατάλογος όλων των έργων που
χρηματοδοτούνται από πολιτικές συνοχής στην
περιοχή σας: υπάρχουν εκατοντάδες ή χιλιάδες,
αλλά μπορούν να ταξινομηθούν ανά θεματικό
πεδίο; Πόσα σχετίζονται με το Περιβάλλον, τις
Μεταφορές, τον Πολιτισμό και τον Τουρισμό…;
8. ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ: ΟΜΑΔΟΠΟΙΗΣΗ/3
Για να κάνετε μετρήσεις σε διαφορετικά έργα χωρισμένα ανά
θεματικό πεδίο, μπορείτε να τα ομαδοποιήσετε με τη χρήση
ενός Συγκεντρωτικού Πίνακα. Για να το κάνετε αυτό,
επιλέξτε ολόκληρο τον πίνακα που έχετε ανοίξει στο φύλλο
εργασίας και χρησιμοποιήστε τη σχετική επιλογή (Δεδομένα
> Συγκεντρωτικός Πίνακας): πληκτρολογήστε Θεματικό Πεδίο
στην περιοχή Σειρών, και την επιλογή Μέτρηση του
Θεματικού Πεδίου στο πλαίσιο Τιμών.
9. ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ: ΣΥΝΔΥΑΣΜΟΣ ΣΤΡΑΤΗΓΙΚΩΝ
Η χρήση μίας εξ αυτών των μεθόδων δεν επαρκεί
απαραίτητα: μπορεί να πρέπει να χρησιμοποιήσετε δύο ή
τρεις μαζί.
● Αφού ομαδοποιήσετε τα δεδομένα ανά Θεματικό Πεδίο,
ίσως είναι καλό να τα ταξινομήσετε από το μεγαλύτερο στο
μικρότερο...
● Μπορεί επίσης να είναι χρήσιμο να τα φιλτράρετε πριν τα
ομαδοποιήσετε για να εστιάσετε σε ένα υποσύνολο
δεδομένων...
11. ΣΥΓΚΡΙΣΗ ΜΕΤΑΞΥ ΠΕΡΙΟΧΩΝ: ΚΑΝΟΝΙΚΟΠΟΙΗΣΗ
Η σύγκριση περιοχών είναι δυνατή αλλά
χρειάζεται να λάβετε υπόψη τις διαφορές που
προκύπτουν από τον πληθυσμό ή το γενικό
πλαίσιο.
Η κανονικοποίηση συνεπάγεται η σύγκριση
να γίνεται σε αναλογία με αυτήν την
πληροφορία.
12. ΣΥΓΚΡΙΤΙΚΑ ΜΕ ΤΟΝ ΠΛΗΘΥΣΜΟ
Οι μετρήσεις αναφορικά με τον πληθυσμό
είναι η πιο ευρέως χρησιμοποιούμενη
μέθοδος. Για παράδειγμα, για να δοθεί
απάντηση στο ερώτημα: Πόσοι κάδοι
διαφοροποιημένης συλλογής απορριμμάτων
ανά αριθμό κατοίκων σε κάθε γειτονιά.
Αυτός θα μπορούσε να είναι ένας τρόπος
υπολογισμού της παραγωγής αποβλήτων.
13. ΔΗΜΙΟΥΡΓΙΑ ΔΕΙΚΤΗ
Όταν τα δεδομένα μας είναι υποσύνολο μιας μεγαλύτερης ομάδας δεδομένων
με τα ίδια χαρακτηριστικά, μπορούν να κανονικοποιηθούν με τη δημιουργία
ενός δείκτη.
14. ΔΗΜΙΟΥΡΓΙΑ ΔΕΙΚΤΗ
Παράδειγμα: αν θέλετε να μετρήσετε την απασχόληση των γυναικών και να τη
συγκρίνετε, το ιδανικό θα ήταν να δημιουργήσετε έναν δείκτη και να διαιρέσετε
με το συνολικό ποσοστό απασχόλησης.
Αποτέλεσμα: έχουμε το ποσοστό των γυναικών που απασχολούνται συγκριτικά με το
σύνολο των εργαζόμενων. Αποφεύγοντας να κάνετε συγκρίσεις με τον πληθυσμό (που
ήδη διαθέτει έναν δείκτη: το ποσοστό απασχόλησης) αλλά με τους εργαζόμενους,
εστιάζουμε σε ένα υποσύνολο του πληθυσμού, δηλαδή τους εργαζόμενους.
15. ΕΝΔΕΧΟΜΕΝΕΣ ΔΟΚΙΜΕΣ ΤΩΝ ΔΕΙΚΤΩΝ
Αναλύστε διεξοδικά τα δεδομένα που συλλέγετε
για την έρευνά σας, και δημιουργήστε νέους
δείκτες για να τα συγκρίνετε…
για παράδειγμα με δεδομένα από άλλες περιοχές,
με άλλα υποσύνολα δεδομένων, με ιστορικο-
χρονολογική σειρά...
17. 1.ΠΑΡΑΤΗΡΗΣΤΕ ΤΑ ΔΕΔΟΜΕΝΑ ΣΑΣ
Το καλύτερο σημείο εκκίνησης: δεν υπάρχει
παγιωμένη συνταγή για να αποφασίσετε ποια μέθοδο
να χρησιμοποιήσετε.
Πρέπει να μελετήσετε καλά τα δεδομένα σας
πρώτα από όλα.
18. 2. ΘΕΣΤΕ ΕΝΑΝ ΣΑΦΗ ΣΤΟΧΟ
Ξεκινήστε από τον στόχο σας και αναρωτηθείτε:
γιατί θα ήταν χρήσιμο να ταξινομήσετε, φιλτράρετε,
ομαδοποιήσετε, συσχετίσετε και συγκρίνετε τα
δεδομένα;
Τι θα δείξουν τα αποτελέσματα;
19. 3. ΜΕΙΩΣΤΕ ΤΟΝ ΟΓΚΟ ΤΩΝ ΔΕΔΟΜΕΝΩΝ
Μειώστε τον όγκο των δεδομένων: αφαιρέστε όσα
δεν είναι χρήσιμα για την έρευνά σας και
προσπαθήστε να εστιάσετε σε μικρότερα σύνολα
δεδομένων.
20. 4. ΚΑΝΤΕ ΠΟΛΛΑΠΛΕΣ ΠΡΟΣΠΑΘΕΙΕΣ
Προσπαθήστε, προσπαθήστε και
ξαναπροσπαθήστε: αν είναι δυνατόν, είναι καλύτερα
να αναλύσετε τα δεδομένα αξιολογώντας όλες τις
ενδεχόμενες μεθόδους που περιγράφονται
παραπάνω.
21. 5. ΑΝΑΖΗΤΗΣΤΕ ΑΦΥΣΙΚΕΣ ΤΙΜΕΣ
Ψάξτε για αποκλίσεις, δηλαδή για τιμές που
είναι αφύσικες συγκριτικά με τις υπόλοιπες τιμές
του πίνακα.