众包数据的两种方法

待定

我每天花大部分时间可视化人们与我共享的数据。但我们身处在瞬息万变的世界。有时候，大量原始数据会在我们毫无准备的情况下涌入，我们需要快速理解这些数据。或者，我们知道存在一个数据故事，但没有一个数据集能将其串联在一起。如果在浏览和可视化开始前，需要收集数百（或数千、数百万）个数据点，您如何单独应对这种情况？当然是通过众包数据集。

众包数据集表示与他人合作构建数据集。每个人都提供自己的数据点来创建一个数据集，供他人使用。

在全球“女性游行”盛行的背景下，我尝试了众包数据集。我想知道：促使人们游行示威的核心问题是什么？为了找到答案，我创建了一份调查，这是众包数据的两种方法之一。

方法 1：调查

调查是用于收集个人数据的工具，每个人提供的数据可汇总成一个较大的故事。科学家和学者们数百年来一直在使用调查数据，John Snow 是最早通过在伦敦展开实地调查提供较清晰霍乱疫情概况的人之一。他亲自采访了疫区居民，收集了他们分享的数据：家中有多少人患病，患病时间...这些数据简单直接。

严谨的科学研究需要仔细审查调查结果以消除偏见，但这并不意味着非正式的快速调查没有价值。毕竟，投票数据也是一种调查。尽管调查是概括性数据，但这些概括也能提供见解。

借助 Google Forms 和 SurveyMonkey 等在线工具，能够以较低成本快速创建和分发问卷调查，但这也会带来一些问题。上周末，我在 Google Forms 上创建了一个由 6 个问题组成的快速调查。我希望构建一个出现答复后立即更新的可视化，因此我保持问题简短、答案简洁。我本以为构建的问卷调查能够生成简洁、易可视化的数据集。但我错了。

失败原因在于问题结构以及我使用的调查选项。我对全球“女性游行”活动的参与者提出了以下六个问题：

请选择促使您参与游行的三个主要问题。（从列表中选择不超过三个选项，“其他”也算作一个选项）
自选举以来，您是否联系过国会议员？（是/否）
如果联系过国会议员，您使用了哪些联系方式？（从列表中选择任意多个项，“其他”也算作一个选项）
在选举之前，您是否联系过国会议员？（是/否）
您出生于哪个年代？（从选项列表中选择一项）
您的邮政编码是多少？

当我打开包含结果的电子表格时，我有点意外。

我需要清理大量数据。为什么？问题 1 和 3 是问题所在，它们也与我最感兴趣的答案相关。我哪里做错了？

多选题（全选、多选等）会创建一个用逗号或分号分隔的答案列。这意味着，必须先将答案分成不同的列，才能对这两个问题进行可视化，因此这些问题的可视化不会自动更新。（但是，回答“是/否”的问题，以及有关邮政编码和出生年份的问题没有出现差错。）
将答案分成多列也会带来问题。将答案分成多列意味着所选内容存在先后顺序（即首选项、其次项和最后项）。也就是说，每个调查对象的路径是唯一的（A、B、C 不同于 B、C、A），因此我无法将其分组为所有调查对象中的最常见选项。
我希望尽量减少人们填写我的调查问卷时遇到的障碍，因此将“其他”也设置为自然选项。但是，从数据处理角度看，“其他”是一个糟糕的想法。将“其他”作为一个写入选项意味着我需要调和此数据。

多选题的解决方案是什么？我必须对数据进行透视。这意味着，我需要垂直排列数据并将“相似”数据置于同一列中，而不是横向排列数据，在单列中显示每个答案。

应避免以下做法：

需要采用以下做法：

Steve Wexler 发布了一篇有关在 Tableau 中透视数据的优秀文章，值得一读。

根据我创建问卷调查的方式，我尝试在进行透视和分析的过程中使用 Google Forms 收集实时数据。最终，我在静态文件中捕获了用于可视化的数据，但结果并不理想。

项目进行很久之后，我收到了针对这份调查的 456 个答复（尽管有所增加，但不尽如人意）。我筛除了单选答案（这些答案往往是“其他”选项），我发现环境策略占比最大，它是调查对象们认为最亟待解决的问题，这有点出乎我的意料。这可能是因为绝大部分调查回复来自我的家乡，太平洋西北地区。

现在，我的可视化内容已完全脱离调查，尽管调查仍在收集数据。虽然我对此不满意，但是我从中吸取了一大教训，知道以后应如何在调查中设定问题结构。以后我将进一步精简问题，或者使用另一种方法。

方法 2：共享电子表格

众包数据集的第二种方法涉及电子表格共享。自互联网发展之初，我们便开始采用这种方法，但直到最近几年才真正取得成功。在我收集调查数据的同时，Erica Chenoweth (@EricaChenoweth) 和 Jeremy Pressman (@djpressman) 借助一些非常简单的说明创建了一个共享 Google 表格。他们希望获得 2017 年 1 月 21 日参加游行的人数估值。基于以下简单说明：包括人数以及相关城市、州（若适用）、国家/地区和可验证的数据源。他们通过社交媒体发布了此电子表格，这种方式取得了成功。世界各地的人在电子表格中添加数据，他们在 24 小时内构建了一个可供每个人使用的数据集。