Sampling verwijst naar de handeling van het selecteren van een specifiek aantal items uit een grote set gegevens voor verdere analyse. Bedrijfsonderzoek genereert vaak enorme hoeveelheden gegevens, vooral in marktgericht onderzoek, zoals demografie. Steekproeftechnieken in bedrijfsonderzoek stellen onderzoekers in staat te werken met een beter hanteerbare deelverzameling van gegevens waarvan zij geloven dat deze nauwkeurig de trends in de grotere verzameling vertegenwoordigen.
Primaire onderzoek
Bedrijven verzamelen onderzoeksgegevens om op twee verschillende manieren monsters te nemen. Het eerste, primaire onderzoek betreft het opgraven van gegevens uit zijn bronnen. Enquêtes zijn de meest populaire vorm van primair onderzoek, of ze nu persoonlijk, telefonisch, via internet of op andere manieren worden uitgevoerd. De resultaten van primair onderzoek zijn eigen, wat betekent dat geen enkel ander bedrijf toegang heeft tot de resultaten van primair onderzoek, tenzij het specifiek door de onderzoeker wordt verleend of ter beschikking van het publiek wordt gesteld.
Secundair onderzoek
Wanneer primaire onderzoeksresultaten worden gedeeld met andere onderzoekers, verrichten de andere onderzoekers secundair onderzoek. Secundair onderzoek is voornamelijk afhankelijk van de inspanningen van anderen die de tijd hebben genomen om grote sets relevante en waardevolle gegevens te verzamelen. Het opzoeken van gemiddelde inkomenscijfers van het Bureau of Labor Statistics is een voorbeeld van secundair onderzoek. Omdat het bureau de uitgebreide metingen en het samenstellen van de gegevens al heeft uitgevoerd, kunnen andere bedrijfsonderzoekers profiteren van de gegevens met weinig of geen kosten.
Willekeurige bemonstering
Willekeurige steekproeven impliceren volledig willekeurig het kiezen van een bepaald aantal gegevenspunten, dan gebruikend de steekproef voor verdere analyse. Willekeurige steekproeven kunnen een effectieve techniek zijn bij het analyseren van tamelijk homogene verzamelingen gegevens. Stel je een bedrijf voor dat op zoek is naar het percentage mensen dat in een bepaalde toestand morbide obesitas heeft. In plaats van te werken met een dataset van enkele miljoenen ingangen, kon het bedrijf redelijkerwijs een willekeurig staal van enkele honderden vermeldingen analyseren om tot een getal te komen dat de statistiek van de volledige gegevensreeks benaderde.
Nde naam bemonstering
Nde naambemonstering, ook wel systematische bemonstering genoemd, is vergelijkbaar met willekeurige bemonstering, behalve dat hierdoor de invloed van willekeurige gegevensselectie wordt verminderd. Systematische steekproef omvat het selecteren van elke nde gegevensinvoer voor opname in een steekproef. Als u bijvoorbeeld een dataset van één miljoen enquêtereacties had, kunt u elke duizendste vermelding selecteren om in een steekproef op te nemen, zodat u een beter hanteerbaar voorbeeld van duizend items hebt.
Gecontroleerde bemonstering
Gecontroleerde bemonstering neemt zeer specifieke monsters uit een vrij heterogene reeks gegevens. Gecontroleerde bemonstering is het meest waardevol bij het uitvoeren van secundair onderzoek, aangezien primair onderzoek kan worden ontworpen om, indien gewenst, alleen specifieke respondenten te targeten.
Stel u een bedrijf voor dat een grote dataset koopt met informatie over leeftijd, etniciteit, opleiding en inkomensniveau van respondenten. Als een bedrijf het gemiddelde inkomensniveau voor een bepaalde leeftijdsgroep wilde bepalen, zou het bedrijf een steekproef kunnen maken die alleen bestaat uit items die voldoen aan de specifieke leeftijdscriteria voordat het inkomstencijfer wordt berekend.
