L'échantillonnage consiste à sélectionner un nombre spécifique d'entrées dans un grand ensemble de données en vue d'une analyse plus approfondie. La recherche commerciale génère souvent de grandes quantités de données, en particulier dans les études de marché telles que la démographie. Les techniques d’échantillonnage utilisées dans la recherche commerciale permettent aux chercheurs de travailler avec un sous-ensemble de données plus gérable, qui, à leur avis, représente avec précision les tendances de la collection la plus vaste.
Recherche primaire
Les entreprises disposent de données de recherche pour prélever des échantillons de deux manières différentes. La première, la recherche primaire, consiste à extraire des données de ses sources. Les enquêtes constituent la forme la plus populaire de recherche primaire, qu’elle soit réalisée en personne, par téléphone, via Internet ou par tout autre moyen. Les résultats de la recherche primaire sont exclusifs, ce qui signifie qu'aucune autre société n'a accès aux résultats de la recherche primaire à moins que ceux-ci ne soient spécifiquement accordés par le chercheur ou mis à la disposition du public.
Recherche secondaire
Lorsque les résultats de recherche primaires sont partagés avec d'autres chercheurs, ceux-ci effectuent des recherches secondaires. La recherche secondaire repose essentiellement sur les efforts d’autres personnes qui ont pris le temps de compiler de vastes ensembles de données pertinentes et précieuses. Rechercher les chiffres du revenu moyen du Bureau of Labor Statistics est un exemple de recherche secondaire. Étant donné que le bureau a déjà effectué une analyse et une compilation approfondies des données, d'autres chercheurs en entreprise peuvent en tirer parti à moindre coût, voire aucun.
Échantillonnage aléatoire
L'échantillonnage aléatoire consiste à choisir un certain nombre d'éléments de données de manière totalement aléatoire, puis à utiliser l'échantillon pour une analyse plus approfondie. L'échantillonnage aléatoire peut être une technique efficace pour analyser des ensembles de données assez homogènes. Imaginez une entreprise cherchant à déterminer le pourcentage de personnes souffrant d'obésité morbide dans un état donné. Plutôt que de travailler avec un ensemble de données de plusieurs millions d'entrées, la société pourrait analyser de manière raisonnable un échantillon aléatoire de plusieurs centaines d'entrées pour obtenir un nombre proche de la statistique de l'ensemble de données.
Échantillon de nom
Le neuvième échantillonnage de noms, également appelé échantillonnage systématique, est similaire à l'échantillonnage aléatoire, à la différence qu'il réduit l'influence de la sélection arbitraire de données. L'échantillonnage systématique implique la sélection de chaque nième entrée de données à inclure dans un échantillon. Si vous disposiez d'un ensemble de données d'un million de réponses à une enquête, par exemple, vous pouvez sélectionner chaque millième entrée à inclure dans un échantillon, ce qui vous laisse un échantillon plus gérable de mille entrées.
Échantillonnage contrôlé
L'échantillonnage contrôlé prend des échantillons très spécifiques à partir d'un ensemble de données assez hétérogène. L'échantillonnage contrôlé est le plus précieux lors d'une recherche secondaire, car la recherche primaire peut être conçue pour ne cibler que des répondants spécifiques, si cela est souhaité.
Imaginez une entreprise qui achète un grand ensemble de données contenant des informations sur l’âge, l’appartenance ethnique, l’éducation et les niveaux de revenu des personnes interrogées. Si une entreprise souhaite déterminer le niveau de revenu moyen d'un groupe d'âge donné, elle peut créer un échantillon constitué uniquement d'entrées répondant aux critères d'âge spécifiques avant de calculer le chiffre de revenu.
