Analysens databehov

Når problemet er definert og studiets rammebetingelser er kartlagt, er neste logiske steg å identifisere studiets og analysens databehov. Dette gjør du ved å stille deg selv følgende spørsmål:

Hvilken informasjon trenger jeg for å besvare problemstillingen, hvilken informasjon har jeg og hvilken informasjon trenger jeg å samle inn før jeg kan begynne med dataanalysen?

Databehovet kan defineres ved å foreta følgende “matematiske” beregning:

  Hvilke data trenger jeg for å kunne å kunne besvare problemstillingen?
– Hvilke data har jeg allerede?                                                                               
= Hvilke data må jeg skaffe før dataanalysen

At vi starter med å stille oss selv disse spørsmålene før vi velger forskningsdesign er viktig, da det er umulig å velge design før vi vet hva som er problemet og hvilken informasjon vi trenger for å kunne løse dette problemet. Vi må med andre ord vite hvilket databehov vi har for å kunne operasjonalisere problemstillingen til et forskningsstudie.

Databehovet avgjøres av problemstillingen, og problemstillingen bestemmes av av beslutningssituasjonen og beslutningsalternativene. Dvs. beslutningene resultatet til studiet skal redusere usikkerheten ved.

Siden ingen beslutninger blir bedre enn informasjonen de bygger på, har det lite hensikt å velge forskningsdesign før vi har en fullstendig oversikt over databehovet. Dvs. hvilke undersøkelsesenheter vi trenger informasjon om og hvilke egenskaper (variabler og verdier) ved disse undersøkelseenhetene som det er viktig å få data om.

Databehovet er situasjonsbestemt

Siden det er stor forskjell på å gjennomføre en situasjonsanalyse som skal danne grunnlaget for utformingen av en forretningsplan i forhold til en organisasjonsplan, vil situasjonsanalysens databehov alltid være situasjonsbestemt. Det er derfor umulig å komme med konkrete oppramsinger over hvilket data som må samles inn i forbindelse med en situasjonsanalyse. Databehovet vil alltid være avhengig av:

• valg av perspektiv, entropologi, ontologi og paradigme betraktninger
• teoriene og hypotesene vi tror på eller ønsker å undersøke holdbarheten av
• din egen kompetanse (kunnskaper og erfaringer), faglige ståsted og persepsjon
• tilgjengelige ressurser (tid og penger) og rammebetingelser
• entropien (usikkerheten i beslutningssituasjonen)
• markeds- og konkurransesituasjonen
• konsekvensene av beslutningene som skal tas
• forskningsdesign, utvalgsplan og og dataanalysemetoder

Arbeidsmodell for kartlegging av databehov

For å kartlegge ditt databehov anbefaler vi at du følger denne arbeidsmodellen: 

Siden vi allerede har definert problemet og problemstillingens nøkkelbegreper når vi definerte problemstillingen og operasjonaliserte nøkkelbegrepene i problemstillingen, kan vi gå rett over til punkt 2.

Her gjelder det liste opp hvilke undersøkelseenheter  vi trenger informasjon om, og hvilke egenskapene ved undersøkelseenhetene det er viktig å få data om for å kunne belyse problemstillingen. I denne sammenheng er det viktig å skille mellom ”nice to know”, og ” need to know”.

Undersøkelsesenhetene, vil normalt være et marked hvor vi ønsker å studere en eller flere aktører i markedssystemet. Variablene og -verdiene vi ønsker å studere kan være mange. For å få en viss oversikt over situasjonen kan du stille deg selv følgende spørsmål:

• Skal vi kartlegge atferds-, holdnings-, handlings-, sosiologiske eller sosio- økonomiske variabler ?
• Er variablene en – eller fler – dimensjonal ?
• Hvilke indikatorer trenger vi ?
• Hvilke målenivå har variabelen (nominal, ordinal, intervall eller rationnivå) ?
• Hvilke undersøkelsesvariabler er dikotome-, diskontinuerlig- eller kontinuerlige ? Hvilke bagrunnsvariabler trenger vi ?
• Hvilke variabler er uavhengige og hvem er avhengige?

Hva legger vi så i dette? La oss ta for oss nøkkelbegrepene litt grundigere.

Undersøkelseenheter

Undersøkelseenhetene vil normalt være en eller flere av aktørene i markedssystemet, og aktørene vil ofte befinne seg på ulike enhetnivåer.

På et mikro nivå kan undersøkelseenheten være enkeltindivider, grupper, organisasjoner eller bedrifter, men også en relasjon mellom to individer kan betraktes som en undersøkelseenhet. Vi kan f.eks. være opptatt av relasjonen mellom lege og pasient.

I studier på et makro nivå opererer vi gjerne med enheter som representerer summen av individuelle handlinger eller kollektive beslutninger (f.eks. kartlegging av markedsforhold eller maktforhold). Her vil undersøkelseenhetene kunne være et lokalsamfunn (fylke, kommune, bydel), segment, bransje, nasjon, kultur, verdensdel, hele verdenssamfunnet eller hvilken som helst annen sosial gruppe.

Les mer: Undersøkelseenheter

Egenskaper (Variabler og verdier)

Når vi snakker om egenskaper ved undersøkelseenhetene, tenker vi på hvilke variabler vi trenger og hvilke verdier disse variablene kan måles i. Ønsker vi f.eks. å måle hva innbyggerne i Oslo kommer til å stemme ved neste kommunevalg, vil det være en rekke variabler kan være interessante.

Les mer: Variabel

På grunn av faktorer som tid, penger, kompetanse og relevans er det hverken mulig eller ønskelig å inkludere alle potensielle variabler. Vi må velge ut de mest interessante for problemstillingen vår.

Arbeidet bør starte med en bred og omfattende liste (ide analyse), for så å arbeide seg frem til det man anser for å være et realistisk informasjonsbehov. Noen aktuelle variabler vil kunne være:

a) Bakgrunnsvariabler:

• Geografi (bosted, f.eks. sortert etter postnummer)
• Demografi (F.eks. kjønn, alder, inntekt, utdanning og husstand størrelse)

b) Atferdvariabler:

• Hvilket parti stemte vedkommende ved forrige kommunevalg ?
• Hvilket parti stemte vedkommende ved forrige stortingsvalg ?

Foruten å kartlegge hvilke undersøkelsevariabler prosjektet bør omfatte, er det viktig at vi samtidig kartlegger hvilke verdier disse variablene kan måles i (Nominal-, ordinal-, intervall- og rationnivå). Dette fordi variabelens målenivå har direkte betydning for hvilke metoder vi kan benytte oss i forbindelse med datainnhenting, dataregistreringen og -analysen.

Husk at kvalitative data aldri vil befinne seg på intervall- eller forholdstall nivå. Kun kvantitative metoder som produserer kvantitative data kan befinne seg på de to øverste nivåene.

Les mer: Variabelens egenskaper, verdier og målenivå