22 апреля 2026 г.

Качественные vs количественные данные

Карьерник — квиз-тренажёр в Telegram с 1500+ вопросами для собесов аналитика. SQL, Python, A/B, метрики. Бесплатно.

Короткий ответ

  • Количественные (quantitative) — числовые данные, измеряемые в шкалах (цена, возраст, количество)
  • Качественные (qualitative) — нечисловые: категории, описания, отзывы

Количественные отвечают на «сколько?» и «как часто?». Качественные — на «почему?» и «какие впечатления?».

Примеры

Количественные

  • Возраст клиента: 35
  • Сумма заказа: 2 500 ₽
  • Количество посещений: 12
  • Время на сайте: 3:45
  • NPS score: 9

Качественные

  • Отзыв пользователя: «Очень удобное приложение»
  • Категория: «Одежда» / «Электроника»
  • Пол: M / F
  • Причина отказа (текст)
  • Interview feedback

Подвиды количественных

Discrete (дискретные)

Целые значения:

  • Количество товаров
  • Число кликов
  • Возраст в годах

Continuous (непрерывные)

Любые значения в диапазоне:

  • Вес
  • Температура
  • Время
  • Деньги (условно)

Подвиды качественных

Nominal (номинальные)

Без порядка:

  • Страна
  • Цвет
  • Категория

Ordinal (порядковые)

С порядком, но без точного расстояния:

  • Уровни (low/medium/high)
  • Звёздные рейтинги (1-5)
  • Оценки (A, B, C)

NPS — спорный случай (часто считают как ordinal, но используют как quantitative).

Методы анализа

Количественные → статистика

  • Mean, median, SD
  • Corelation, regression
  • Hypothesis tests (t-test, ANOVA)
  • Distribution analysis
  • Time series

Качественные → content analysis

  • Thematic analysis (группировка тем)
  • Sentiment analysis (автомат)
  • Word clouds
  • Topic modeling (LDA)
  • User interviews

В SQL / pandas

Количественные

SELECT AVG(amount), STDDEV(amount), MAX(amount)
FROM orders;
df['amount'].describe()

Качественные

SELECT category, COUNT(*)
FROM orders
GROUP BY category;
df['category'].value_counts()

Визуализация

Количественные

  • Histogram
  • Box plot
  • Scatter plot
  • Line chart

Качественные

  • Bar chart
  • Pie chart
  • Word cloud
  • Тепловая карта (heatmap для корреляций)

Mixed-methods

В продуктовой аналитике часто используют оба подхода вместе:

  1. Количественно — увидеть «что происходит»
  2. Качественно — понять «почему»

Пример: conversion rate упал (quantitative) → пользовательские интервью (qualitative) → узнали причину.

Примеры в продукте

Количественные метрики

  • DAU, MAU
  • Revenue
  • Conversion
  • Retention
  • Session length

Качественные данные

  • App Store отзывы
  • NPS комментарии
  • Support tickets
  • User interviews
  • Usability testing

Conversion between

Из качественного в количественное

  • One-hot encoding для ML
  • Sentiment score из отзывов (+1, 0, -1)
  • Binary flags: has_tag_X

Из количественного в качественное

  • Binning: age → age_group (young/middle/old)
  • Quartiles: revenue → quartile

Ограничения

Количественные

  • Не объясняют причин
  • Зависит от outliers и distribution
  • Не учитывают эмоции, мотивацию

Качественные

  • Сложно масштабировать
  • Subjective interpretation
  • Sampling bias (кто отвечает?)
  • Time-intensive

На собесе

«Чем отличаются?» Количественные — числовые (измеряемые). Качественные — категориальные / текстовые.

«Примеры?» Revenue (quant), категория товара (qual).

«Зачем нужны оба?» Количественные — «что». Качественные — «почему».

«NPS — качественный или количественный?» Score (0-10) — quantitative. Комментарий рядом — qualitative. Вместе mixed-methods.

Связанные темы

FAQ

Что важнее для аналитика?

Количественные — основа. Качественные — дополнение для глубины.

Можно ли считать среднее по ordinal?

Технически — можно, но осторожно. Интервалы между уровнями не равны.

В ML нужны количественные?

ML работает с числами. Качественные — через encoding (one-hot, label encoding, embedding).

Качественные = маленькая выборка?

Чаще да, но не всегда. App Store отзывы — тысячи качественных данных.

Тренируйте аналитику — откройте тренажёр с 1500+ вопросами для собесов.

Тренироваться в Telegram