Етап 5. Проаналізуйте отримані дані

Цей крок присвячений оцінюванню всіх даних, які ви зібрали до цього часу. Використовуючи різні методи, ви проаналізуєте кількісні та якісні дані для отримання актуальної й корисної інформації в результаті проведених консультацій. І хоча цей процес може здатися дещо складним, аналіз отриманих даних є одним з ключових етапів публічних консультацій. Пам’ятайте, що ви можете залучити інших членів команди або навіть зовнішніх експертів із потрібними навичками та досвідом до аналізу даних, отриманих під час консультацій.

Життєвий цикл даних

Так само, як проведення публічних консультацій, дані проходять через багато етапів. Цей процес можна узагальнити понятті «життєвий цикл даних». Життєвий цикл даних забезпечує результативне управління даними та їхнє збереження. Існує кілька варіантів цього процесу. Наведена нижче версія адаптована до специфіки публічних консультацій.

Основні фази життєвого циклу даних охоплюють планування, збір, оброблення, аналіз та поширення даних. Ми розглянули кроки з планування та збору в етапах 2 та 4 проведення консультацій. У цьому розділі ми спочатку поговоримо про те, що передбачає оброблення даних, зокрема транскрибування та очищення. Після цього ми розглянемо, як аналізувати отримані дані. Поширення даних та результатів вивчимо в етапі 7.

Джерело: адаптовано з U.S Geological Survey (USGS).

Інколи буває складно визначити, коли закінчується оброблення і починається аналіз даних. Оброблення полягає у структурованих діях, які спрямовані на трансформування або поєднання даних, щоб підготувати їх до аналізу. Водночас аналіз — це вивчення та оцінювання даних, у процесі якого ви перевіряєте гіпотези, робите відкриття та висновки.

Види даних у контексті публічних консультацій

Процес опрацювання даних

У результаті публічних консультацій генерують великі обсяги якісних неструктурованих даних, які непросто аналізувати. Тому вам потрібно буде ретельно обробити отримані дані, щоб виокремити корисну інформацію.

Першим кроком в аналізі публічних консультацій є транскрибування здобутих даних. У процесі беруть написані від руки нотатки, аудіо-файли, паперові опитувальники та інші дані, зібрані під час консультацій, та сортують у машиночитані дані, які потім можна аналізувати. Аналітики можуть робити це вручну, друкуючи нотатки та вносячи дані до електронних таблиць, або вони можуть використовувати різні транскрибувальні програми.

Транскрибування має відбуватись у вигляді стандартизованого процесу. Це означає, що кожен, хто займається такою діяльністю, має дотримуватись однакових правил, щоб забезпечити точність даних та послідовність розшифрування всіма аналітиками. На щастя, ви використовували шаблони, які відповідають цим вимогам, включно зі стандартизованими запитаннями та відповідями (див. Етап 2). Такі правила можуть також передбачати видалення абревіатур та скорочень, переводячи їх у повну форму, або створення таблиці умовних кодів, яких слід дотримуватися під час транскрибування.

Щоб полегшити аналіз, різні дані треба зберігати в окремих файлах або електронних таблицях. Під час офлайн-заходів ви можете отримати різні види даних, наприклад, аудіо-стенограми, інформація про заходи (метадані) та письмові нотатки. Кожне з цих джерел спочатку слід транскрибувати в окремий Excel-аркуш з використанням шаблону. Це забезпечує чітке розмежування при зборі даних і допоможе в їхньому обробленні, якщо хтось виявить помилки під час подальшого аналізу.

На цьому етапі важливо ретельно перевірити якість даних. Можливо, аналітики припустилися похибок під час транскрибування, які потрібно виправити — таке трапляється, і це нормально! Аналітики мають перевірити, чи немає продубльованих відповідей, орфографічних помилок чи інших проблем, які впливатимуть на якість даних. І хоча хтось вже транскрибував дані, вони все ще можуть потребувати оновлень та виправлень під час опрацювання.

Після транскрибування та очищення даних слід зробити резервну копію оригінальних файлів з даними у захищеному місці, перш ніж переходити до подальшого оброблення. Опрацювання даних означає здійснення маніпуляцій та змін, а це пов'язано з ризиком втрати якості. Ви також можете постійно зберігати важливі проміжні або вихідні набори даних. Це забезпечує прозорість та підзвітність процесу, якщо хтось інший захоче повторити ваші результати.

Тепер час закодувати ваші якісні дані за допомогою методики під назвою «тематичне кодування». Тематичне кодування використовують для виявлення та групування основних тем, зафіксованих під час вашої консультації. Цей метод дає змогу проаналізувати якісні дані, послуговуючись простими засобами кількісного аналізу.

Аналіз відповідей на запитання з множинним вибором зазвичай простий. Ви легко знайдете відповіді на запитання, наприклад: «Більше учасників вибрали варіант А чи варіант Б?» або «Який варіант був найменш популярним серед учасників?». Такий аналіз можна зробити, просто підрахувавши, скільки людей вибрали один із наведених варіантів. Однак у випадку неструктурованих відповідей на відкриті запитання потрібно робити систематичний контент-аналіз, перш ніж ви зможете відповісти на зазначені запитання.

Наприклад, під час проведення консультацій щодо зміни маршруту місцевого автобуса ви можете побачити, що багато людей оцінили зручність нового маршруту. Цю тему обговорювали багато учасників. Деякі з прихильних до ідеї вживали такі означення як «корисний», «зручний», «практичний», «простіший» тощо. Інші, більш негативно налаштовані, казали «довший», «незручний», «складний». Крім цього, учасники можуть вважати новий маршрут зручним (або незручним) з різних причин: для деяких це буде те, що він дозволяє їм швидше дістатися з точки А в точку Б (швидкість), для інших — те, що нові зупинки на лінії роблять маршрут зручнішим (зупинки), або їм подобаються коротші інтервали руху (частота) тощо. Під час кодування відповідей кожного стейкхолдера, тематичне кодування дозволяє вам виокремити закономірності у їхніх розмовах.

Використовуючи цей приклад, можна представити ваше тематичне кодування таким чином.

Тема — зручність:
- підтема (ставлення): позитивне / негативне / нейтральне;
- підтема (причина): швидкість / кількість зупинок / частота руху / маршрут.

Після того, як закодуєте зібрані якісні дані, ви зможете використовувати інші методи оброблення, щоб поставити кількісні запитання:

Скільки учасників прокоментували зручність нового маршруту автобуса?
Який відсоток цих коментарів був позитивним або негативним?
Яка була основна причина, чому учасники вважають, що автобусний маршрут є зручнішим?

Продовжуючи тематичне кодування переконайтеся, що аналітики систематично та послідовно застосовують використовувані теми та підтеми до всіх даних. Підтеми існують, щоб відмітити нюанси та роз'яснення до теми. Намагайтеся не використовувати забагато підтем. Додавайте підтеми лише під одну основну тему. Занадто багато тем і підтем можуть розмивати ключові повідомлення та викликати плутанину. Найголовніше, про що потрібно пам'ятати, — це те, що аналітики повинні уніфіковувати лейбли для тем та підтем і розуміти, як вони застосовуються до даних.

Проаналізуйте

Поставте запитання до даних

По суті, аналіз даних складається із запитань та відповідей на них. Дані, які ви зібрали, транскрибували та закодували, можна використовувати для вивчення різноманітних питань, пов'язаних із предметом консультацій. Перш ніж розпочати аналіз, слід подумати над запитаннями, які ви хочете поставити до зібраних даних. Також варто поміркувати, які обмеження має наявний у вас набір даних, та визначити запитання, на які не вдасться знайти відповідь з отриманих даних. Не забувайте про початкові цілі консультації, коли будете формулювати свої запитання.

Поставлені запитання часто будуть вимагати додаткового оброблення даних із використанням різних методів. Наприклад, якщо ви проводили консультації щодо місцезнаходження нової початкової школи, можливо, потрібно буде відфільтрувати дані за кількістю людей, які мають або не мають дітей, інтегрувати відповіді з попередніх консультацій, що проводили поблизу, щоб порівняти результати, трансформувати інформацію про довжину маршруту до пропонованої школи, щоб відобразити це на мапі, або узагальнити демографічні дані стейкхолдерів проведених консультацій, щоб переконатися, що на консультації була представлена більшість населення (підрахунок кількості чоловіків / жінок, розрахунок середнього віку учасників тощо). Під час аналізу запитань та оброблення даних, ви отримаєте результати, які потрібно буде проаналізувати та вписати в контекст.

Техніки оброблення даних

Наведемо огляд деяких технік оброблення даних:

фільтрування — перегляд даних на основі різних критеріїв для вилучення найменш релевантних;
інтегрування — поєднання різних наборів даних;
трансформування — конвертування, реорганізація або переформатування даних без зміни їхнього значення (наприклад, для використання іншого програмного забезпечення);
узагальнення — групування даних та підготовка статистики.

Джерело: адаптовано з U.S Geological Survey (USGS).

Тлумачте зібрані дані

Після оброблення даних настав час нарешті подивитися на ваші результати! Під час аналізу співвіднесіть усі отримані дані та протлумачте їх з огляду на контекст консультацій. Тлумачення додає змістовності вашому аналізові й передбачає такі запитання: «Чому?», «Яким чином?» та «Що це означає?».

Повернімося до прикладу про зміну маршруту автобуса. Уявіть, що ви отримали 200 коментарів про зручність нового транспортного маршруту. Узагальнивши результати тематичного кодування та порівнявши різні змінні, ви отримали таку таблицю.

Ви можете зрозуміти досить багато на основі цієї таблиці. Наприклад, те, що більшість учасників цінує швидкість автобуса та часті зупинки на лінії нового маршруту. Водночас багато хто незадоволений частотою, з якою ходить автобус нині. Отже, збільшення частоти може підвищити рівень задоволеності громадян!

Процес аналізу передбачає всі дії та методи, які допоможуть вам описати факти, виявити закономірності, знайти пояснення, визначити подібності та відмінності, зрозуміти зв'язки між змінними та перевірити свої гіпотези. Для цього можна застосувати статистичний аналіз, візуалізувати зібрані дані або просто розтлумачити отримані результати. Якщо під час аналізу виникають нові запитання або нові теми, не вагайтеся досліджувати їх, навіть якщо це вимагає додаткового оброблення даних.