问卷调查法的基本步骤（带你全方位了解如何高

我的一个朋友在一家知名软件公司担任行政部长。 在申报办公室电费的过程中，发生了这样一件事：

负责交电费的员工把这个月的电费单告诉了他的朋友，让他签字确认。 同时他说，需要领导签字。 朋友签字后，上报审批：“领导您好，这是本月的电费单，请审批。” 但是领导问：“为什么是这些数据？能告诉我原因吗？这些数据正常吗？” 朋友顿时不知所措，感觉领导问的对，就是没准备好答不上来！

朋友回来后问负责电费的同事，同事告诉他基本和去年一样的开支。 因为公司还没有用空调，所以电费没那么多。 朋友觉得有道理，又去见领导，请示同意。

朋友说：“领导，公司现在已经不用空调了，电费也不是很高，和去年同期基本持平。” 领导问：“我就想知道，走平了正常吗？能说这个数据正常吗？为什么？” 看到领导质疑的眼神，朋友越来越觉得自己工作失职，告诉自己一定要让数据亮出来，让数据自己说话！ 当晚，朋友带领部门全体员工分别检查了照明和电力设备。 、办公台式机、笔记本电脑、服务器、辅助设施等用电设备及其耗电量都经过仔细分析。 计算结果接近他们的实际电费。

第二天，带着这样的结果，朋友又来到了领导办公室，得到的回答是：这就是我想要的！ 回复通过！

虽然这段经历已经过去三四年了，但每每想起，都仿佛发生在昨天。 朋友之所以记得，是因为正是这次经历，养成了他关注数据的好习惯！

“大数据管理”的核心是通过“数据挖掘”发现隐藏在数据中的趋势、特征、关联等信息的过程，即从数据中发现有价值的信息和知识。 要运用大数据管理，首先要明确两个基本定义，即知识发现和数据挖掘。

知识发现（在 KDD 中）是从数据集中识别有效、新颖、潜在有用且最终可理解的模式的重要过程。

知识发现将信息转化为知识，从数据中挖掘隐藏的知识块将有助于知识创新和知识经济的发展。 这个过程的输出是规则和结构。

数据挖掘（Data，DM）是通过系统分析从大量数据中提取隐藏规律，并利用这些规律预测未来或指导未来工作的科学过程。 这个过程的输出是一个有助于预测未来的模型。

那么，在挖掘数据时，最常用、最有效的方法是什么？

面试方法

所谓访谈法，就是通过个别访谈、小组访谈、电话访谈等方式，以各种方式直接从工作场所的工作人员和与组织有联系的有关人员那里获取信息。 这种方法需要分析师有很高的面试技巧和高度的投入。

在工作场所采访员工可能需要很长时间，但效果很好。 通过这样的访谈，可以发现组织、流程、团队和个人工作中实际发生的事情。 经验丰富的面试官努力与他们的受访者建立一种信任的融洽关系，当问题涉及与绩效相关的效率或有效性时，这不是一件容易的事。 访谈者还必须准确记录访谈内容，用被访者习惯的语言提问，并尊重地听取他们的意见。

1.类型。面试的主要类型有：结构化面试、非结构化面试、混合式面试

结构化面试。 面试官事先制定一份格式化问题清单，基本问题和挖掘问题对所有面试者都是一样的，面试内容控制在预定的话题上。

非结构化面试。 面试官和被面试者的对话没有任何预设的格式，面试的话题可能比较宽泛，不同的被面试者可能会问完全不同的问题。

混合面试。 结合结构化和非结构化访谈是最常用的方法。

2. 目的。 面谈法的主要作用是：了解工作细节，了解项目和计划，了解员工对组织和流程的看法，发现工作中的困难，获取对组织、士气和管理的看法，跟踪关键事件。

3.关键技能。 面试是人与人之间交流、沟通的过程，会对提问者提出一定的要求，要求提问者具备一定的会话技巧，比如：

提问的能力。 通过提问获得有意义的信息。

提问的能力。 适时使用开放式问题，回答更多问题。

营造氛围的能力。 营造和谐的谈话氛围，让员工畅所欲言。

记录能力。 完整准确地记录员工的发言，不要添加自己的意见。

4.电话面试。 顾名思义，电话面试是通过电话进行的对话。 由于此对话是通过电话进行的，因此需要关注一些细节：

1）抽样设计，包括抽样单位和被调查者的选择。

2）设计并形成问卷。

3) 选择一种抽样方法生成电话号码的抽样样本。

4) 复制用于抽样的电话号码。

5) 制定一份电话自我介绍和备用说明的草稿，供采访者使用。

6) 聘请面试官和导演，并安排面试。

7）开展试点访谈，修改访谈问卷。

8) 完成并打印调查问卷和其他表格。

9) 培训采访者和主管。

10）全面开展严控访谈活动。

5. 小组面试。 一种流行的小组访谈形式是小组访谈，其中一群人聚集在一起，这些人对所调查的问题有仪式感的兴趣，并提供有关特定主题的信息。 通常在小组面试中，应做到以下六点：

1）目标群体定位。

2）心理准备。

3）闲聊并解释意图。

4) 记录小组讨论。

5）暂停和挖掘问题。

6）难以处理。

小组访谈有助于发现绩效问题或提高绩效，而与目标群体的充分互动则更有利于解决未来的绩效问题。

调查问卷

问卷调查看似比较简单，甚至是一种常用的数据收集的基本方法。 事实上，它不是！ 好的问卷设计和开发不易，更难获得目标人群的充分反馈。 但是如果做得好，没有比调查更好的方法来从大量分散的受众那里获取数据了。

问卷调查提供了一种准确评估访谈中发现的事实和意见的广度和可靠性的方法。 一份简短的问卷可以确保受众愿意回答问卷，并且可以大大简化调查后的数据分析工作。 必要时先进行小规模的问卷调查试点，然后根据反馈对问卷中的问题进行大规模修改，避免收集到大量无用信息。

除非接受过统计分析方面的培训，否则在调查问卷的所有阶段都必须提供专家支持和指导。 愚蠢问卷最常见的结果是收集了大量对组织无用的数据。 所以，问卷必须从以下问题开始：你想知道什么？ 鉴于您想知道的信息，您如何使用这些信息？

人工智能下的数据采集

随着机器学习、深度学习、自然语言处理等方法的进步，以及计算能力的提升，各种数据开始有了意义。 例如，客户数据可用于分析人口统计、购物习惯和其他行为，以改善营销活动和用户体验。

移动互联网时代，用户每天通过QQ、微信、网页浏览等各种业务产生海量的大数据，运用先进科学的大数据分析技术，必然会获得意想不到的价值。

人工智能算法非常复杂，需要进行数千次计算，有时甚至每秒一次。 科技公司在获取用户数据时，需要设定界限，不能触及他人的隐私。 同时，在使用用户数据之前，必须通过技术手段保护敏感数据。

郑重声明：本文版权归原作者所有，转载文章仅出于传播更多信息之目的。 如作者信息标注有误，请第一时间联系我们修改或删除，谢谢。