Cómo analizar los datos de una encuesta

Después de recopilar los datos de tu encuesta estadística y elaborar un plan de análisis de datos, es momento de aprovechar el poder del análisis para entender los resultados y presentarlos de una manera fácil de entender y que te permita transformarlos en acciones. Aquí te explicamos cómo nuestros expertos en investigación mediante encuestas dan sentido a los datos cuantitativos (en comparación con los datos cualitativos), al estructurar sus informes en torno a las respuestas de las preguntas de investigación. No obstante, incluso para los expertos puede ser difícil analizar las percepciones en los datos sin procesar. 

Si quieres alcanzar los objetivos de tu encuesta, comienza por confiar en la metodología que sugieren nuestros expertos. Una vez que tengas los resultados reflejados por los indicadores de tu encuesta, analízalos de manera eficaz con todas las herramientas de análisis de datos que están a tu disposición, como el análisis estadístico, el análisis de datos, y las tablas y gráficas.

Analizar los datos de encuestas de forma rigurosa es primordial para obtener la información y las percepciones que te permitirán tomar mejores decisiones comerciales. Sin embargo, es importante estar consciente de los posibles desafíos que pueden entorpecer el análisis o incluso sesgar los resultados. 

Hacer demasiadas preguntas abiertas puede retrasar y complicar tu análisis porque genera resultados cualitativos que no se basan en datos numéricos. En cambio, las preguntas cerradas generan resultados más fáciles de analizar. El análisis también puede verse obstaculizado por hacer preguntas sesgadas o inductivas, o plantear preguntas confusas o muy complejas. Contar con las herramientas y los conocimientos adecuados garantiza que el análisis de encuestas sea sencillo y eficaz.

Lee más sobre cómo usar las preguntas abiertas en comparación con las preguntas cerradas.

Con las muchas técnicas de análisis de datos de SurveyMonkey, convierte tus datos sin procesar en percepciones prácticas que puedes presentar en formatos fáciles de entender. Las tablas y gráficas automáticas y las nubes de palabras te permiten darle vida a los datos. Por ejemplo, el análisis de sentimientos proporciona un resumen instantáneo de qué opinan las personas a partir de miles o incluso millones de respuestas abiertas. Puedes analizar los sentimientos positivos, neutrales y negativos de un vistazo o filtrar por sentimiento para identificar las áreas en las que debes prestar atención a fin de obtener percepciones aún más profundas. Imagínate poder convertir todas esas respuestas de texto en un conjunto de datos cuantitativos.

Las nubes de palabras te permiten visualizar las palabras más utilizadas en las respuestas abiertas y así interpretarlas con rapidez. Puedes personalizar el aspecto de las nubes de palabras de diversas maneras, desde seleccionar los colores o las fuentes para palabras específicas hasta ocultar fácilmente las palabras que no sean trascendentales.

Con nuestra amplia variedad de funciones y herramientas puedes abordar los desafíos que presenta el análisis y generar gráficas e informes contundentes con rapidez. Descubre cómo puedes entregar un informe de último minuto en un abrir y cerrar de ojos con SurveyMonkey.

Primero, hablemos acerca de cómo planeaste obtener los resultados a partir de las preguntas principales de tu investigación. ¿Incluiste preguntas de investigación empírica? ¿Consideraste emplear el muestreo probabilístico? Recuerda que deberías haber esbozado las preguntas principales de investigación después de haber establecido un objetivo para tu encuesta.

Por ejemplo, si organizaste un congreso sobre educación y entregaste a los asistentes una encuesta para comentarios después del evento, una de las principales preguntas de investigación podría ser la siguiente: ¿Cómo califican los asistentes el congreso en general? Ahora observa las respuestas que recopilaste para una pregunta específica que se refiere a esa pregunta principal de investigación:

¿Planeas volver a asistir a este congreso el próximo año?

Como puedes observar, en las respuestas hay algunos porcentajes (71 %, 18 %) y números brutos (852, 216). Los porcentajes son solo eso: el porcentaje de personas que dio una respuesta particular. En otras palabras, los porcentajes representan la cantidad de personas que dieron cada respuesta como una proporción del número de personas que respondieron la pregunta. Entonces, el 71 % de los encuestados (852 de los 1200 encuestados) planea volver el siguiente año.

Esta tabla también muestra que el 18 % dice que no tiene planeado regresar y el 11 % dice que no está seguro.

Conocer el tamaño de la muestra también es clave para que te asegures de estar analizando de manera precisa y eficaz los resultados de tu encuesta. El tamaño de la muestra es el número de personas que necesitas que respondan tu encuesta por completo para que sea viable desde el punto de vista estadístico. Aunque seas un experto en estadística, determinar el tamaño de la muestra de una encuesta puede ser difícil. Por fortuna, SurveyMonkey facilita el proceso con su sencilla calculadora del margen de error que te ayuda a determinar cuántas personas necesitas encuestar para reducir tu margen de error.

Recuerda que cuando estableciste un objetivo para tu encuesta y diseñaste el plan de análisis, pensaste qué subgrupos ibas a analizar y comparar. Ahora es el momento en que esa planificación entra en juego. Por ejemplo, digamos que querías comparar las respuestas que dieron los profesores, estudiantes y administradores a la pregunta acerca de asistir al congreso del siguiente año. Para poder observar esto, debes examinar en detalle los índices de respuesta por medio de una tabulación cruzada; en esta podrás ver los resultados de la pregunta sobre el congreso separados por subgrupos:

En esta tabla puedes ver que una gran mayoría de los estudiantes (el 86 %) y profesores (el 80 %) planea volver a asistir el año que viene. Sin embargo, los administradores que asistieron a tu congreso piensan diferente, ¡menos de la mitad (el 46 %) de ellos tiene la intención de regresar! Con suerte, algunas de nuestras otras preguntas te ayudarán a descubrir por qué y qué puedes hacer para mejorar el congreso para los administradores, a fin de que más de ellos regresen año tras año.

Un filtro es otro método de análisis de datos. Filtrar significa dirigir tu enfoque a un subgrupo particular y dejar fuera a los demás. Por lo tanto, en lugar de comparar subgrupos entre sí, aquí solo observamos cómo un subgrupo respondió la pregunta. Con la combinación de filtros obtienes una precisión milimétrica en los datos.

Por ejemplo, podrías limitar tu enfoque a solo mujeres (o solo hombres) y luego volver a realizar la tabulación cruzada por tipo de asistente para comparar solo a las administradoras, maestras y estudiantes mujeres. Una cosa que debes tener en cuenta a medida que segmentas tus resultados es que cada vez que aplicas un filtro o tabulación cruzada, el tamaño de la muestra se reduce. Para asegurarte de que los resultados sean estadísticamente significativos, podrías utilizar una calculadora del tamaño de la muestra.

Las gráficas pueden ser una herramienta de referencia frecuente cuando pretendes presentar rápidamente los resultados de tu análisis de una manera que cualquier persona los entienda con facilidad. Con SurveyMonkey, es fácil crear gráficas que aporten claridad y contexto a tu análisis que, a su vez, hace que el uso de los datos sea más específico y práctico.  

Las tabulaciones cruzadas, también conocidas como informes de tablas cruzadas, son herramientas útiles para analizar a profundidad tus datos. Estas estructuran tus datos en una tabla que agrupa a los encuestados según la información general que compartieron o las respuestas a la encuesta, lo que te permite comparar las respuestas de cada grupo entre sí. De esta manera, puedes comprender mejor a cada grupo de encuestados y descubrir en qué se diferencian.

Digamos que en tu encuesta de comentarios sobre el congreso, una pregunta clave es “¿En general, qué tanto te agradó el congreso?”. 

Tus resultados muestran que el 75 % de los asistentes estuvo satisfecho con la conferencia. Eso parece muy bueno. No obstante, ¿no te gustaría obtener un poco de contexto? ¿Algo con qué compararlo? ¿Es mejor o peor que la del año anterior? ¿Cómo se compara con otras conferencias?

Los puntos de referencia proporcionan respuestas a estas y muchas preguntas más, pues te permiten hacer comparaciones con datos anteriores y actuales a fin de identificar tendencias en tu sector y mercado, y conocer tu posición frente a la competencia.

Bien, digamos que formulaste esta pregunta en la encuesta de comentarios sobre el congreso después del congreso del año anterior. A partir de ella, podrías hacer una comparación de tendencias. Los encuestadores profesionales concuerdan que lo más importante de observar en tus resultados son las tendencias. Si el índice de satisfacción del año anterior fue del 60 %, incrementaste la satisfacción en 15 puntos porcentuales. ¿Qué provocó este incremento de la satisfacción? Con suerte, las respuestas a otras preguntas en la encuesta ofrecerán algunas respuestas.

Si no cuentas con datos de congresos anteriores, haz que este sea el primero en donde recopiles retroalimentación. Esto se denomina comparación con un punto de referencia. Para ello, estableces un punto de referencia o número inicial y así, de ahora en adelante, podrás ver cómo cambian las tendencias, si es que lo hacen. No solo puedes comparar la satisfacción de los asistentes con un punto de referencia, sino también las respuestas a otras preguntas. Podrás hacer un seguimiento anual acerca de qué piensan los asistentes del congreso. Esto se denomina análisis longitudinal de datos.

Incluso puedes hacer un seguimiento de los datos de subgrupos diferentes. Por ejemplo, digamos que los índices de satisfacción de estudiantes y maestros incrementan año con año, pero no los de los administradores. En ese caso, te convendría observar las respuestas que los administradores dieron a las diversas preguntas para ver si puedes obtener percepciones de por qué están menos satisfechos que otros asistentes.

Ya sabes cuántas personas dijeron que regresarían, pero ¿cómo puedes saber si tu encuesta obtuvo respuestas en las que puedas confiar y respuestas que puedas utilizar con seguridad para tomar futuras decisiones? Es importante prestar atención a la calidad de los datos y comprender los componentes de la importancia estadística.

En las conversaciones cotidianas, la palabra “importante” significa valioso o destacado. En el campo de la estadística y el análisis de encuestas, “importante” quiere decir “una evaluación de la exactitud”. Aquí es donde nos enfrentamos de manera inevitable al “más o menos”. En particular, significa que los resultados de la encuesta son exactos dentro de un cierto nivel de confianza y no debido al azar. Sacar conclusiones basadas en resultados que no son exactos (es decir, que no son estadísticamente importantes) es riesgoso. El primer factor que se debe considerar en cualquier evaluación de importancia estadística es la representatividad de tu muestra, es decir, hasta qué punto el grupo de personas que incluiste en la encuesta representa a la población total de personas de quienes deseas sacar conclusiones.

Tienes un problema si el 90 % de los asistentes al congreso que completaron la encuesta eran hombres, pero solo el 15 % de todos los asistentes eran hombres. Cuanto más sepas acerca de la población que te interesa estudiar, más confianza puedes tener cuando tu encuesta refleja esos números. A pesar de que tu muestra no es representativa (necesitarías tener más encuestadas), puedes sentirte con algo de confianza ya que los hombres solo conforman el 15 % de los encuestados en este ejemplo.

Si la muestra de tu encuesta es una selección aleatoria de una población que ya conoces, la importancia estadística puede calcularse de manera directa. Un factor principal aquí es el tamaño de la muestra. Imagina que 50 de las 1000 personas que asistieron a la conferencia respondieron a la encuesta. Cincuenta (50) es un tamaño de muestra pequeño y genera un amplio margen de error. En resumen, tus resultados no tendrán mucho peso.

Supongamos que preguntaste a los encuestados a cuántas de las 10 sesiones disponibles asistieron durante el congreso. Tus resultados fueron los siguientes:

Es posible que desees analizar el promedio. Como puedes recordar, existen tres tipos diferentes de promedio: media, mediana y moda.

En la tabla que se muestra arriba, el número promedio de asistencia a las sesiones es 6.1. El promedio que aparece aquí es la media, el tipo de promedio que probablemente conozcas mejor. Para calcular la media, multiplicas el número conferencias a las que fueron los asistentes (fila verde) por la cantidad de asistentes correspondiente, sumas los datos y divides eso entre la cantidad de números que sumaste. En este ejemplo, tienes 100 personas que dicen haber asistido a una sesión, 50 personas a cuatro sesiones, 100 personas a cinco sesiones, etc. Entonces, multiplicas estos pares, los sumas y divides entre el número total de personas.

La mediana es otro tipo de promedio. La mediana es el valor medio que marca el 50 %. En la tabla que se mostró con anterioridad, ubicaríamos el número de sesiones en las que asistieron 500 personas a la izquierda del número y 500 a la derecha. La mediana es, en este caso, 6 sesiones. Esto puede ayudarte a eliminar la influencia de valores atípicos que puedan afectar negativamente tus datos.

El último tipo de promedio es la moda. La moda es la respuesta más frecuente. En este caso la respuesta es seis. 260 participantes de la encuesta asistieron a seis sesiones, más de los que asistieron a cualquier otra cantidad de sesiones.

Las medias (y otros tipos de promedio) también pueden utilizarse si los resultados se basaron en escalas de Likert.

Cuando se trata de informar los resultados de la encuesta, reflexiona sobre qué significan los datos.

Digamos que el congreso en general obtuvo valoraciones mediocres, por lo que decides profundizar para descubrir el motivo. Los datos muestran que los asistentes dieron valoraciones muy altas a casi todos los aspectos del congreso (las sesiones y clases, los eventos sociales y el hotel), pero realmente no les gustó la ciudad elegida para que se llevara a cabo (¡quizá el congreso se realizó en Chicago, en enero y hacía mucho frío para salir!). 

En pocas palabras, fue un gran congreso en general, pero con una pésima elección de ubicación. Miami o San Diego podrían ser una mejor elección para una conferencia en invierno.

Un aspecto del análisis e informe de los datos que debes considerar es la causalidad versus la correlación.

Las personas asimilan y entienden la información de diversas formas. Por fortuna, SurveyMonkey ofrece formas muy diversas de hacer análisis de datos para que puedas evaluar y presentar la información de la manera que sea más útil para lograr tus objetivos y crear gráficas, tablas e informes que permitan comprender con facilidad tus resultados.

Estas son algunas de las preguntas comunes que te ayudarán a medida que desarrollas habilidades de análisis de encuestas:

El análisis longitudinal de datos (con frecuencia denominado “análisis de tendencias”) básicamente es el seguimiento de cómo los resultados de preguntas específicas cambian con el tiempo. Una vez que se establece un punto de referencia, puedes determinar cómo los números cambian, si lo hacen. Imagina que el índice de satisfacción para tu congreso fue del 50 % hace tres años, 55 % hace dos años, 65 % el año pasado y 75 % este año. ¡Felicitaciones! El análisis longitudinal de datos muestra una tendencia sólida y ascendente en la satisfacción.

Regresar

La causalidad es cuando un factor provoca otro, mientras que la correlación es cuando dos variables se mueven juntas, pero una no influye o provoca la otra. Por ejemplo, beber chocolate caliente y usar guantes son dos variables que están relacionadas, tienden a subir y bajar juntas. Sin embargo, una no provoca la otra. De hecho, ambas son provocadas por un tercer factor, el clima frío. 

El clima frío influye tanto en el consumo de chocolate caliente como en la probabilidad de usar guantes. El clima frío es la variable independiente y el consumo de chocolate caliente y la probabilidad de usar guantes son las variables dependientes. En el caso de nuestra encuesta para comentarios sobre el congreso, el clima frío probablemente influyó en la insatisfacción de los asistentes acerca de la ciudad elegida para el congreso y el congreso en general. 

Por último, para realizar un análisis más profundo, la relación entre las variables en tu encuesta podría requerir realizar un análisis de regresión.

Regresar

El análisis de regresión es un método avanzado de análisis y visualización de datos que te permite observar la relación entre dos o más variables. Existen muchos tipos de análisis de regresión y el que elijas dependerá de las variables que estés examinando. Lo que todos los tipos de análisis de regresión tienen en común es que observan la influencia de una o más variables independientes en una variable dependiente. Al analizar los datos de nuestra encuesta, nos podría interesar saber qué factores afectaron en mayor medida la satisfacción de los asistentes al congreso. ¿Es una cuestión de la cantidad de sesiones? ¿El orador principal? ¿Los eventos sociales? ¿Las instalaciones? Con el análisis de regresión, los expertos en encuestas pueden determinar si y hasta qué punto la satisfacción con estos diferentes atributos de la conferencia contribuye a la satisfacción general.

A su vez, esto ofrece percepciones sobre qué aspectos del congreso podrías modificar en la próxima ocasión. Digamos, por ejemplo, que pagaste una suma de dinero importante para tener a un prestigioso orador principal en tu sesión de apertura. Los participantes le dieron al orador y al congreso en general un puntaje alto. Con base en estos dos factores, podrías pensar que tener un fabuloso (y costoso) orador principal es la clave para el éxito de tu congreso. El análisis de regresión puede ayudarte a determinar si este es realmente el caso. Podrías descubrir que la popularidad del orador principal fue el mayor impulsor de la satisfacción de los asistentes al congreso. Si es así, el siguiente año te conviene tener otra vez un excelente orador principal. Sin embargo, digamos que la regresión demuestra que, aunque a todos les gustó el orador, esto no contribuyó mucho a la satisfacción de los asistentes. Si este es el caso, esa gran cantidad de dinero gastada en el orador podría gastarse en otra cosa. 

Si dedicas tiempo a analizar atentamente la solidez de los datos de tu encuesta, estarás en camino a utilizar las respuestas como una fuente para tomar decisiones informadas.

Los datos pueden ser una de tus herramientas más poderosas

Al analizar los datos de formas novedosas, atractivas y esclarecedoras, puedes impulsar el crecimiento de tu empresa, estrechar las relaciones con los clientes y mantenerte un paso adelante de la competencia. SurveyMonkey tiene diversas opciones para adaptarse a cualquier presupuesto. 

La recopilación de datos mediante una encuesta utiliza las encuestas como un modo para reunir información de encuestados específicos. Esta práctica puede sustituir o complementar otros tipos de recopilación de datos, tales como entrevistas, grupos focales, entre otros. Los datos recopilados por medio de encuestas pueden usarse para incrementar el compromiso de los empleados, entender la conducta de los compradores y mejorar la experiencia de los clientes.

Regresar

El análisis longitudinal de datos (con frecuencia denominado “análisis de tendencias”) básicamente es el seguimiento de cómo los resultados de preguntas específicas cambian con el tiempo. Una vez que se establece un punto de referencia, puedes determinar cómo los números cambian, si lo hacen. Imagina que el índice de satisfacción para tu congreso fue del 50 % hace tres años, 55 % hace dos años, 65 % el año pasado y 75 % este año. ¡Felicitaciones! El análisis longitudinal de datos muestra una tendencia sólida y ascendente en la satisfacción.

Regresar

La causalidad es cuando un factor provoca otro, mientras que la correlación es cuando dos variables se mueven juntas, pero una no influye o provoca la otra. Por ejemplo, beber chocolate caliente y usar guantes son dos variables que están relacionadas, tienden a subir y bajar juntas. Sin embargo, una no provoca la otra. De hecho, ambas son provocadas por un tercer factor, el clima frío. El clima frío influye tanto en el consumo del chocolate caliente como en la probabilidad de usar guantes. El clima frío es la variable independiente y el consumo de chocolate caliente y la probabilidad de usar guantes son las variables dependientes. En el caso de nuestra encuesta para comentarios sobre el congreso, el clima frío probablemente influyó en la insatisfacción de los asistentes acerca de la ciudad elegida para el congreso y el congreso en general. Por último, para realizar un análisis más profundo, la relación entre las variables en tu encuesta podría requerir realizar un análisis de regresión.

Regresar

El análisis de regresión es un método avanzado de análisis y visualización de datos que te permite observar la relación entre dos o más variables. Existen muchos tipos de análisis de regresión y el que elija un experto en encuestas dependerá de las variables que esté examinando. Lo que todos los tipos de análisis de regresión tienen en común es que observan la influencia de una o más variables independientes en una variable dependiente. Al analizar los datos de nuestra encuesta, podríamos estar interesados en saber qué factores afectaron en mayor medida la satisfacción de los asistentes al congreso. ¿Es una cuestión de la cantidad de sesiones? ¿El orador principal? ¿Los eventos sociales? ¿El sitio? Al utilizar el análisis de regresión, un experto en encuestas puede determinar si y hasta qué punto la satisfacción con estos diferentes atributos de la conferencia contribuye a la satisfacción general.

A su vez, esto ofrece percepciones sobre qué aspectos del congreso podrías modificar la siguiente vez. Digamos, por ejemplo, que pagaste un alto honorario para tener a un prestigioso orador principal en tu sesión de apertura. Los participantes le dieron al orador y al congreso en general un alto puntaje. Con base en estos dos factores, podrías pensar que tener un fabuloso (y costoso) orador principal es la clave para el éxito de tu congreso. El análisis de regresión puede ayudarte a determinar si este es realmente el caso. Podrías descubrir que la popularidad del orador principal fue el mayor impulsor de la satisfacción de los asistentes al congreso. Si es así, el siguiente año te conviene tener otra vez un excelente orador principal. Sin embargo, digamos que la regresión demuestra que, aunque a todos les gustó el orador, esto no contribuyó mucho a la satisfacción de los asistentes. Si este es el caso, esa gran cantidad de dinero gastada en el orador podría gastarse en otra cosa. Si dedicas tiempo a analizar atentamente la solidez de los datos de tu encuesta, estarás encaminado a utilizar las respuestas como una fuente para tomar decisiones informadas.