Data Ordinal: Definisi, Contoh, Pengumpulan, dan Analisis

Perusahaan berinvestasi lebih banyak pada alat data untuk membantu tim pemasaran mereka membuat keputusan yang lebih baik.

Tetapi pemasaran membutuhkan lebih dari sekadar data dan alat analitik untuk menerapkan strategi pemasaran yang efektif. Mereka juga perlu memahami jenis data yang mereka kumpulkan dan cara menganalisisnya untuk mendapatkan wawasan yang bermakna.

Ini melibatkan kembali ke dasar dan memahami data ordinal, salah satu tipe data pemasaran utama. Artikel ini akan mengeksplorasi data ordinal dan bagaimana hal itu menginformasikan keputusan pemasaran berdasarkan data.

Tingkat kepuasan pelanggan merupakan contoh data ordinal. Variabelnya bisa berupa:

• Sangat puas
• Puas
• Netral
• Tidak puas
• Sangat tidak puas

Dengan menggunakan data ordinal, Anda dapat menghitung frekuensi, distribusi, modus, median, dan jangkauan variabel.

Setelah menentukan data ordinal, Anda mungkin bertanya-tanya tentang tipe data lainnya, seperti data nominal, interval, atau rasio. Apa bedanya dengan data ordinal? Berikut adalah beberapa definisi cepat:

• Data nominal adalah klasifikasi data yang variabelnya memiliki sekumpulan nilai dan kategori terbatas yang tidak diurutkan. Dengan data nominal, Anda mengukur variabel seperti jenis pekerjaan, yang memiliki beberapa hasil, seperti pekerjaan lepas, penuh waktu, atau campuran.
• Data interval adalah jenis data yang interval antara dua nilai tidak konstan. Data interval muncul dalam banyak cara, misalnya saat mengukur interval waktu atau saat perbedaan antara dua pengukuran bervariasi. Cara paling umum untuk merepresentasikan data interval adalah menggunakan tabel dengan kolom untuk batas atas dan bawah setiap rentang.
• Data rasio adalah jenis data yang digunakan untuk analisis statistik. Data rasio tidak memberikan informasi apa pun tentang nilai yang diwakilinya. Informasi ini harus diperoleh dari sumber lain yang dirujuk oleh data rasio. Ini sering digunakan dalam analisis informasi keuangan tetapi juga dapat diterapkan pada jenis data lainnya.

5 contoh data ordinal

Data ordinal terjadi dalam format yang berbeda. Berikut beberapa contoh data ordinal dan cara menyinkronkannya dengan strategi bisnis Anda untuk meningkatkan upaya pengelolaan data Anda.

1. Tingkat bunga

Apakah Anda telah meluncurkan produk Anda ke pasar atau memperkenalkan fitur baru pada produk Anda yang sudah ada, Anda harus melakukan riset pasar untuk mengajukan pertanyaan guna mengukur minat audiens target Anda.

Riset pasar melibatkan analisis data kualitatif dan kuantitatif untuk memahami kebutuhan pelanggan, mitra pembelian mereka, dan apa yang memotivasi mereka untuk membeli dari Anda. Wawasan ini dapat membantu meningkatkan kampanye pemasaran Anda di masa mendatang.

Misalnya, jika Anda menyelenggarakan konferensi secara rutin, survei dapat membantu Anda mengetahui seberapa baik kinerja Anda dan apakah peserta ingin menghadiri konferensi lagi. Berikut adalah contoh data tingkat minat:

Sumber: SurveyMonkey

Pertanyaan yang Anda ajukan akan mengungkapkan tingkat minat pelanggan potensial terhadap produk atau layanan Anda. Tingkat minat berkisar dari tidak tertarik, sedikit tertarik, netral, hingga sangat tertarik.

2. Tingkat pendidikan

Jenis data ordinal ini memberikan wawasan tentang tingkat kemahiran audiens target Anda.

Tingkat pendidikan mungkin menanyakan apakah audiens target Anda telah memperoleh tingkat pendidikan formal yang berbeda, seperti sekolah menengah atas, perguruan tinggi, dan sekolah pascasarjana. Anda dapat mengumpulkan data ini dengan memberi nomor pada setiap tingkatan, seperti 1 untuk tidak sekolah formal, 2 untuk sekolah dasar, dan seterusnya, hingga 10 untuk gelar doktor universitas.

Data tingkat pendidikan sangat berguna saat menggunakan analitik dalam proses rekrutmen untuk membantu Anda mengevaluasi lamaran pekerjaan dari kandidat potensial.

Data tingkat pendidikan dapat membantu Anda membuat prediksi yang kuat tentang siapa yang akan dipekerjakan di masa depan untuk mendukung pertumbuhan perusahaan, di mana harus memfokuskan upaya perekrutan Anda, dan menemukan kandidat yang cocok untuk posisi tertentu.

Jika Anda menjalankan tim penjualan, menilai tingkat pendidikan anggota tim memungkinkan Anda mengetahui cara mendukung tujuan pengembangan karier mereka. Dengan cara ini, Anda dapat membangun tim penjualan berkinerja tinggi dan meningkatkan retensi.

3. Status sosial ekonomi

Memahami status sosial ekonomi audiens target Anda membantu menciptakan dan menyempurnakan segmen pelanggan Anda berdasarkan profil demografis dan psikografis mereka.

Anda kemudian dapat mengandalkan segmen ini saat menjalankan kampanye pemasaran yang dipersonalisasi yang memenuhi kebutuhan dan keinginan mereka. Data ordinal tentang status sosial ekonomi untuk audiens target B2C mencakup jenis kelamin, lokasi, pendapatan rumah tangga, status perkawinan, dan usia.

Di sisi lain, data untuk audiens target B2B mencakup pendapatan kotor tahunan, tahap pertumbuhan bisnis, jumlah karyawan, posisi pasar, dan jenis industri.

4. Tingkat kepuasan

Tingkat kepuasan mencerminkan seberapa puas pelanggan Anda dengan interaksi merek yang berbeda. Misalnya, proses orientasi pelanggan Anda atau seberapa baik Anda menyelesaikan berbagai masalah pelanggan.

Kepuasan pelanggan dapat dinyatakan sebagai sangat puas, puas, tidak puas, atau sangat tidak puas. Data tingkat kepuasan membantu Anda mengukur layanan pelanggan dan kepuasan penanganan penjualan untuk mengidentifikasi area yang perlu ditingkatkan.

Berikut adalah contoh data tingkat kepuasan dari survei kesesuaian pasar produk yang dilakukan Buffer:

Sumber: Penyangga

Dengan data ini, perusahaan dapat mengetahui seberapa berguna penjadwal Buffer's Power bagi pelanggan mereka, yang berarti bahwa produk tersebut sesuai untuk pengguna mereka.

5. Perbandingan

Ini melibatkan mengajukan pertanyaan yang mengungkapkan kesamaan atau perbedaan antara dua atau lebih poin data. Setelah Anda mengidentifikasi kesamaan atau perbedaan, Anda dapat mempelajari karakteristik apa yang serupa, mana yang berbeda, dan sejauh mana perbedaan atau kesamaannya.

Misalnya, Anda mungkin ingin membandingkan kinerja pendapatan dari tahun 2021 hingga 2022. Perbandingan Anda akan menghasilkan lebih sedikit, hampir sama, lebih banyak, dan lebih banyak secara signifikan untuk pendapatan setiap tahun.

Dengan ini, Anda dapat mengukur tren ekonomi makro dan industri serta menyesuaikan strategi agar sesuai dengan proses penganggaran untuk mengontrol pengeluaran. Anda bahkan dapat memutuskan untuk melangkah lebih jauh dan membandingkan tren industri sehingga Anda dapat membuat laporan dan menulis konten pemikiran kepemimpinan untuk mendorong kesadaran merek.

Cara mengumpulkan data ordinal

Jika Anda meminta seseorang untuk mengurutkan tingkat kepuasan mereka dalam skala 1-5, tanggapan mereka adalah ordinal. Anda dapat mengumpulkan data ini ‌melalui survei atau skala Likert menggunakan perangkat lunak survei.

Survei adalah salah satu metode tertua untuk mengumpulkan data ordinal. Anda dapat menggunakan survei untuk menentukan perasaan audiens target Anda tentang produk, topik, atau masalah spesifik yang terkait dengan merek, produk, atau layanan Anda. Anda dapat melakukan survei dengan banyak metode, termasuk secara langsung, melalui telepon, atau online.

Namun, dengan survei, mengumpulkan data akurat dari orang-orang yang tidak ingin menjawab pertanyaan dengan jujur ​​atau memahaminya adalah hal yang sulit. Survei juga membutuhkan banyak waktu dari pihak peneliti untuk membuat, memvalidasi, dan menganalisisnya.

Skala Likert adalah survei yang meminta peserta untuk setuju atau tidak setuju dengan setiap pernyataan dalam survei, misalnya, "Saya sangat tidak setuju." Peserta kemudian memberikan jawaban kepada diri mereka sendiri berdasarkan perasaan mereka terhadap pernyataan tersebut dan tingkat persetujuan mereka terhadapnya.

Skala Likert meningkatkan kejelasan selama analisis karena responden menilai diri mereka sendiri pada skala yang teratur dengan interval yang jelas, misalnya skala 1-7.

Untuk mengumpulkan data ordinal, Anda harus menjalankan survei dengan pertanyaan yang memberi peringkat jawaban menggunakan skala implisit atau eksplisit. Misalnya, jika Anda memiliki banyak lalu lintas yang datang ke situs web perusahaan Anda, Anda dapat menggunakan alat umpan balik situs web perusahaan untuk mengumpulkan umpan balik dari situs web Anda. Bertanya:

“Seberapa puaskah Anda dengan postingan blog yang baru saja Anda baca?''

Jawaban yang mungkin bisa berupa:

• Senang
• Tidak bahagia
• Puas
• Tidak puas

Tes yang akan dilakukan dengan data ordinal

Anda dapat melakukan beberapa pengujian pada data ordinal untuk mengukur perbedaan antara dua kelompok atau lebih. Tes ini meliputi:

• Tes Kruskal-Wallis
• Tes Mann-Whitney U
• Tes peringkat-jumlah Wilcoxon
• Tes Median Mood

Data ordinal adalah tipe data yang mengurutkan nilai dari yang terkecil hingga terbesar. Dengan kata lain, data ordinal diberi peringkat atau diurutkan.

Tes Kruskal-Wallis H

Tes Kruskal-Wallis adalah tes non-parametrik yang digunakan untuk membandingkan median dari tiga atau lebih kelompok independen. Ini digunakan ketika data tidak terdistribusi secara normal, dan varians antar grup tidak sama. Tes Kruskal-Wallis juga dapat membandingkan dua kelompok dependen – sebelum dan sesudah gambar desain ulang situs web.

Tes Mann-Whitney U

Uji Mann-Whitney adalah uji non parametrik yang digunakan untuk membandingkan median dua sampel independen. Ini dapat digunakan bila ada data ordinal, seperti peringkat pada skala dari 1 sampai 5, atau bila tidak ada kelompok yang jelas dalam data.

Tes peringkat bertanda Wilcoxon

Tes peringkat bertanda Wilcoxon adalah tes non-parametrik yang dapat digunakan untuk kumpulan data dengan atau tanpa distribusi normal. Ini adalah alternatif untuk uji-t jika data tidak memiliki distribusi normal.

Saat menjalankan uji-t, asumsinya adalah distribusi data yang mendasarinya adalah normal, tetapi asumsi ini bisa saja salah.

Misalnya, saat menguji perbedaan tinggi badan antara dua kelompok, misalkan satu kelompok memiliki tinggi rata-rata 180 cm dan kelompok lainnya memiliki tinggi badan 170 cm. Anda tidak akan melihat perbedaan yang signifikan dalam ketinggian mereka.

Namun, dengan menggunakan tes peringkat bertanda Wilcoxon, Anda dapat melihat di luar perbedaan biasa dalam tinggi badan mereka.

Tes median suasana hati

Tes ini didasarkan pada premis bahwa suasana hati orang mengelompok di sekitar titik median, dengan beberapa menjadi lebih positif atau negatif daripada yang lain. Tes median Mood sering mengukur bagaimana perasaan individu tentang suatu masalah atau ide, seperti pendapat pelanggan Anda tentang produk atau layanan Anda. Itu dapat memprediksi perilaku berdasarkan suasana hati mereka, seperti apakah pelanggan Anda akan membeli dari Anda atau pesaing Anda.

Bagaimana menganalisis data ordinal

Ada dua cara untuk menganalisis data ordinal: statistik inferensial dan deskriptif.

Statistik deskriptif merangkum karakteristik kumpulan data dan mengidentifikasi pola. Berikut adalah statistik deskriptif untuk data ordinal:

• Distribusi frekuensi
• Ukuran tendensi sentral
• Rentang (ukuran variabilitas)

Statistik inferensial , di sisi lain, memprediksi apa yang mungkin terjadi di masa mendatang berdasarkan data yang Anda miliki. Anda dapat menggunakan data ordinal untuk mengumpulkan wawasan, membuat hipotesis, atau bahkan menarik kesimpulan dengan empat tes yang dijelaskan di atas.

Tes jumlah peringkat bertanda Kruskal-Wallis, Mann Whitney U, dan Wilcoxon semuanya menganalisis data ordinal. Itu semua adalah tes nonparametrik, artinya tidak bergantung pada asumsi apa pun tentang distribusi data.

Analitik deskriptif

Analitik deskriptif mengumpulkan, menganalisis, dan melaporkan data tentang peristiwa yang telah terjadi. Ini berbeda dari analitik prediktif, yang memprediksi peristiwa masa depan berdasarkan data historis. Analitik deskriptif membantu bisnis mengidentifikasi pola di masa lalu untuk meningkatkan pengambilan keputusan mereka di masa depan.

Dalam analisis deskriptif, tujuannya adalah menemukan pola dalam data yang ada, bukan memprediksi apa yang akan terjadi di masa depan. Analitik deskriptif bertujuan untuk menemukan hubungan sebab-akibat antara peristiwa masa lalu dan menggunakan hubungan ini untuk memprediksi peristiwa masa depan.

Tidak seperti metode analisis lainnya, analisis deskriptif dapat digunakan kapan saja dengan data apa pun yang tersedia. Ini membuatnya lebih mudah diakses untuk bisnis kecil dengan sumber daya yang tidak mencukupi untuk model prediktif atau kumpulan data besar yang diperlukan oleh metode lain.

Grafik

Batang dan grafik menampilkan data dengan cara yang mudah dipahami. Mereka bermanfaat saat data terlalu besar atau rumit untuk ditampilkan dalam tabel. Jenis grafik yang Anda pilih bergantung pada jumlah informasi yang ingin Anda sampaikan, dimensi data, dan audiens Anda.

Grafik batang menampilkan informasi sebagai batang dengan panjang sebanding dengan nilainya. Mereka digunakan ketika data bersifat kategoris, artinya data tersebut termasuk dalam kelompok tertentu. Berikut adalah grafik batang untuk pusat panggilan, menunjukkan waktu yang diperlukan untuk merespons setiap hari kerja:

Sumber: Datapin

Ini adalah pilihan yang bagus jika Anda ingin audiens dapat membandingkan nilai dengan mudah. Grafik batang lebih intuitif dan lebih mudah dipahami dibandingkan dengan angka. Anda juga dapat menggunakan bilah yang dikombinasikan dengan garis atau grafik lainnya, seperti plot sebar, histogram, atau bagan pai.

Grafik garis digunakan ketika data memiliki nilai yang dipesan. Grafik ini menggunakan garis untuk menghubungkan titik-titik pada dua sumbu dengan skala yang sama di kedua sisinya. Garis-garis ini bisa padat atau putus-putus dan mulai dari titik mana pun di salah satu sumbu.

Garis mewakili perubahan dari waktu ke waktu, seperti bagaimana pasar saham berfluktuasi setiap hari atau bagaimana biaya energi berubah dari tahun ke tahun. Berikut adalah contoh prospek masuk bulanan selama 12 bulan yang divisualisasikan menggunakan grafik garis:

Ukuran tendensi sentral

Tendensi sentral adalah rata-rata dari sekumpulan angka. Ini mengukur seberapa dekat angka-angka dalam kumpulan data dikelompokkan di sekitar rata-ratanya.

Tiga jenis utama tendensi sentral adalah rata-rata, median, dan modus. Ukuran tendensi sentral yang paling umum adalah rata-rata aritmatika, yang dihitung dengan menjumlahkan semua nilai dalam kumpulan data dan membagi jumlah ini dengan jumlah nilai dalam kumpulan data tersebut.

Median juga dapat digunakan sebagai alternatif untuk menghitung tendensi sentral, cukup mencari nilai tengah dalam kumpulan data setelah menyusun semua angka dari rendah ke tinggi. Modus adalah nilai yang paling sering muncul dalam suatu himpunan.

Pengambilan kunci

Data ordinal lebih kompleks daripada data nominal dan umumnya digunakan untuk mengukur minat. Skala Likert adalah contoh data ordinal yang populer.

Gunakan beberapa contoh nyata yang disediakan di sini untuk menginspirasi pengumpulan data survei Anda sendiri. Sementara itu, pelajari lebih lanjut tentang pemungutan suara dan bagaimana hal itu membantu mengumpulkan data.