举例来说，如果客户是一家咖啡供应商，“我们会通过产品互动情况汇总出一套包含强调部分的调查报告，其中突出体现了每一次客户提到其它竞争对手的情况，”Sebastian表示。“这样大家就能立即对客户流失状况作出因果分析——而这显然并不是定性数据能够实现的效果。”
QSR International是另一家利用定制化软件专门处理定性数据的企业，其NVivo产品已经为Gallup所采用。除了广为人知的全国民调服务之外，Gallup也以咨询方的身份帮助企业了解客户关系当中的情感状况，而这自然会涉及到大量定性数据。
“一部分关键性研究问题需要单独通过定性方式处理，其中包括客户为什么会主动疏离或者对供应商的服务表现出冷漠态度，乃至其在体验客户服务过程当中表现出的动机与思维过程，”Gallup研究与策略顾问Ilana Ron-Levey指出。“当我们与企业建立合作关系之后，定性数据能够帮助我们了解到特定观点的广泛性，同时也是我们了解其背后特定规律及分布含义的关键所在，”她解释道。
Gallup方面还利用一系列技术手段评估客户心态。举例来说，在最近一个B2B项目当中，Gallup方面就面对面采访了100多位高级客户，并以客户参与度为核心 收集到了大量定性与量化数据，Ron-Levey表示。该团队还利用NVivo以及微软Excel手动编码的方式对定性数据进行分析。
有了这些分析结果，Gallup利用定性响应以统计方式解释了影响客户参与度的诸多因素。其利用定性数据描述了这些因素如果驱动客户的所见内容及感受。以此为基础，“我们收集到了多种能够切实提高不同类型客户参与度的执行策略，”她表示。
在软件当中处理定性数据通常需要为其赋予数值形式，例如为特定定性响应或者评论分配一个数值等级或者分值。比如在情绪分析当中，研究人员通常会利用一个正值或者负值来表示定性数据，而后再分配另一个数值来描述这种情绪的具体强度，Born指出。
文本分析包括以定性方式——例如议题模型及热图——对文本信息的内容进行总结，而自然语言与语义处理技术则能够从语音当中提取出真实含义——包括书面与口头两类。
将定性数据转化成量化形式可能会涉及到一些主观决策。“这是一大挑战，但其中同时也充满了机遇，”Borne指出。“语言当中包含着大量微妙且复杂的内容，我们可以将其提取出来进行深度理解，从而更加准确地把握其含义。”
QSR的NVivo产品中已经采用了一系列算法，能够通过常用词汇或者句型对数据进行分析。有了大量可视化工具，我们能够更加轻松地解读数据内容——包括关键字云与树状图。
“这让我们能够以强大且可靠的可视化角度获取观点及其深层原因，”QSR公司CEO John Owen表示。
定性数据收集工作往往相当费时，需要研究人员拥有高超的技巧并建立起和谐的关系，从而降低对受访者意见的理解偏差，效力于Gallup的Ron-Levey指出。
“作为一项长期被低估甚至忽视的重要技能，定性数据研究人员需要拥有移情能力，”Forrester公司的Lai表示赞同。“而目前的状况是，定性研究人员往往单纯依靠编程而非深入考量背景信息或者潜台词的方式进行数据分析。”
处理数据并确保研究模型切实生效同样不是件简单的事。大家可能需要从无到有对一整套量化数据集进行规范化处理，但这项任务在面对定性数据时会变得非常艰难，Borne指出。
“标准统计测试往往会对假设甲与假设乙进行比对，但对于同时包含多种理解方式的定性数据来说，这样的直接假设根本无法生效，”他进一步解释称。
而从分析的角度出发，理解方式在推广过程中往往会超出样本数据集的涵盖范围，Ron-Levey提醒道。
不过值得肯定的是，妥善打理定性数据确实能够带来令人欣慰的回报。
“在大数据时代之下，我们开始不断探索数字背后所隐藏的真正意义，”Ron-Levey表示。“通过这种方式了解人们的感受、动机以及观点将帮助企业建立起创新成果与新的运营战略，从而吸引到更多客户的关注。”
Forrester公司的Lai亦表示，“定性与量化观点可以说是客户情绪认知工作中的‘阴与阳’两面，只有将二者结合起来，才能真正得到与消费者行为相关的完整结论。”
原文标题：Why big data isn’t always the answer via：51CTO 核子可乐译