市場調研數據的特點

(1)相關性

對于一個樣本個體而言，它具有本身的多個特征，這些特征之間就具有一定的相關性。對于多個樣本而言，個體與個體的特征之間具有相關性。如果樣本隨時間而變化，那么該樣本在不同時刻的特征之間又具有相關性。因此，由于上述多個原因使得市場調研數據具有了復雜的相關性，傳統的統計學調查難以解決這樣的問題。

(2)離散性

因為市場調研數據是通過自填式問卷、網絡調查數據庫等方法得到，所以市場調研數據一般以離散變量為主，且這些數據之間只有標示作用，并沒有嚴格的邏輯關系。

(3)模糊性

市場調研數據當中不可避免的會接觸到各種表達方式和概念，因此,它具有模糊性。因為由自填式問卷或結構式訪問的方法得到的市場調研數據具有以上特點，所以在實際應用中基于統計學的處理方法只能籠統的顯示數據的部分特性,如頻數、離散程度等。對于數據之間的關系只能分析出維數極少的大致的關系。而且利用軟件進行數據挖掘時，因為現有的軟件中的數據挖掘算法對于數據類型和格式要求較高,所以能應用到的數據挖掘算法很少。就算是數據要求較低的關聯分析,其結果也存在大量的冗余。因此,我們需要建立一個合適的市場調研數據的數學模型來完善原先的方法并使跟多的數據挖掘方法可以運用到其中，使得結果更準確。

針對現今的市場調研數據處理與分析中存在的問題，通過三維矩陣建立了市場調研數據的數學模型。將每一題表示為空間中的一個維度，每一張問卷表示成一個矩陣，將多個矩陣疊加即可得到市場調研數據的三維矩陣模型。在建立三維矩陣模型的基礎上，可以利用三維矩陣的性質對其進行多種數學處理,也可以采用超圖理論對數據進行進一步的分析,大大豐富了調查數據的處理方法。

市場調研是了解各方面信息的重要途徑之一，市場調研數據主要是通過調查問卷的方法得到的。由于市場調研數據的維數較高，加上人為主觀因素,數據類型主要為二元變量、離散變量、序數變量等為主，所以對于市場調研數據的分析和處理大都基于統計學,只對單一題目進行統計學分析,其分析方法主要是基于題型進行處理的，對于題目和題目之間的關系很少關心。許多數據挖掘算法因為種種限制無法在市場調研的數據分析中得到應用。因為方法的限制，所以現在很多市場調研只能驗證事先想好的內容和假設，很少可以對高維數據進行相對復雜的回歸分析處理。

結語

該文針對市場調研數據處理與分析中存在的問題，建立了基于三維矩陣的數學模型,將單選題和多選題表示成向量，將排序題表示成多個列向量，從而每一題可以表示成空間的一個維度，每一個向量就是一個元素，這樣每一張問卷就可以表示成一個矩陣，通過將多個矩陣疊加就可以得到三維矩陣。