mba案例研究中的数据分析方法

　　mba案例数据分析往往与数据搜集同步进行。初步搜集数据的同时进行数据分析，之后会产生下一阶段的数据搜集和数据分析。在这种数据搜集和数据分析不断循环的过程中，研究的问题也许会得到新的提炼，并带来更多的数据和发现。相对于其他部分，数据分析是案例研究中发展得最不全面的部分。罗伯特？K.殷提出了两个主要的分析数据的策略。第一个策略是使用研究者已经形成的理论主张（或理论假设）来指导研究，这些理论主张（或理论假设）有助于研究者聚焦到相关的数据，并组织案例研究。第二个策略是形成组织案例研究的描述性框架。这一策略无需理论主张（或理论假设）作指导，描述性框架可以是关于研究对象的各个维度或各个方面的。
　　
　　对于数据分析方法，总体上有三种数据分析方法：解释性分析、结构性分析以及反射性分析。

    解释性分析是通过对数据的深入考察，找出其中的构造、主题和模式。由于解释性分析要求案例研究的结果尽量客观，因此一般要使用计算机对数据进行处理。

    结构性分析是通过对数据的考察，确认隐含在文件、事件或其他现象背后的模式。结构性分析不同于解释性分析，它不需要理解每一个数据的意思并作出推断。作为一种常规的分析，结构性分析只需要考察文字或叙述上的数据。

    反射性分析是一种主观的分析方法，它依赖于研究者的直觉和判断对数据进行描述。Gall等提出，当研究者需要重视一种现象，并需要对此作出大量的描述时，反射性分析是最理想的分析方法。
　　
　　除此之外，数据分析是案例研究方法构建新理论的关键环节，同时数据分析又是最困难和最没有现成规范的。-般地，数据分析主要包括三种相互配合的方法和流程：数据提炼、数据展示和数据推导（确认）。其中，数据提炼就是指将数据加以筛选、聚焦、简化、抽取以及将现场记录加以转化的过程；数据展示是将数据加以适当组织、压缩、集成，以便归纳的过程；数据推导是指确认数据具有的规则、形式、解释性、可能的结构、因果流程和性质的过程。实际上，上述三种数据分析方法是相互交织、联系在一起的，它们在数据搜集和数据分析中共同形成一个循环，在实际中很难非常明确地区分这些活动。