Cómo analizar datos cualitativos
Cómo volcar, codificar, analizar y presentar datos cualitativos para tener resultados con impacto
Mírate ahí, analizando datos cualitativos como un/a experto/a. Estamos orgullosas de ti ✨
Artículo escrito por Samantha Carretie

Introducción

Cuando hablamos de análisis de datos, a menudo pensamos en gráficas, métricas creadas a partir de números que cuantifican las variables que queremos analizar tras haber realizado una investigación.
Pero cuando los datos que tenemos son de carácter cualitativo, hablamos de experiencias, comportamientos, hábitos y necesidades de los usuarios. Estos datos son heterogéneos y carecen de la estructura típica de los datos cuantitativos, por lo que definir de forma rigurosa la forma en la que se van a tratar es esencial.
En general, el análisis de datos cualitativos es más largo y complejo, ya que este tipo de información suele ocupar un tamaño mayor que los datos cuantitativos y ser en general más complejos de codificar. Para realizar este trabajo, utilizamos técnicas y metodologías heredadas de las ciencias sociales como pueden ser la sociología, la antropología o la psicología, valiéndonos del método científico para estructurar nuestro trabajo de forma rigurosa.
Entonces, ¿de qué forma podemos abordar el análisis de datos cualitativos para obtener hallazgos relevantes que aporten conocimiento profundo sean accionables y tengan impacto? ¡Vamos a verlo! 🎉

El contexto de la investigación cualitativa

La naturaleza de la investigación

En función del tipo de investigación que estemos realizando, encontraremos que tanto las preguntas como las hipótesis que planteemos estarán enfocadas a traer conocimiento referente a cada una de las áreas, difiriendo así en la concepción inicial del proyecto el enfoque que deberemos mantener durante el resto de la investigación.

Investigación exploratoria 🔎

Es el caso de las investigaciones que tienen como objetivo principal definir un producto, servicio, proceso o idea del que no se tiene toda la información necesaria o se desconoce su naturaleza exacta. Se utilizan metodologías como las entrevistas en profundidad, diarios o estudios de campo como la observación contextual.

Investigación generativa 🌱

Cuando nuestro objetivo es crear y/o diseñar sobre un conocimiento que ya existe, sobre los hallazgos de investigaciones previas o la información de la que disponen los diferentes miembros de un equipo, hablamos de investigación generativa. En este caso encontraríamos metodologías como son los focus groups, talleres de co-creación, o design sprint.

Investigación evaluativa ⚙️

Si buscamos validar un producto o servicio que ya está creado, involucrar a las personas realizando pruebas nos ayudará a entender si las decisiones tomadas a lo largo del proceso son las esperadas por los usuarios, ayudándonos a detectar áreas de mejora que hayan pasado desapercibidas en otros momentos. Para eso, podríamos hacer uso de los tests con usuarios, card sorting o tree testing.
Teniendo esto en mente en un primer momento, seremos capaces de priorizar dentro de toda la información cualitativa que encontremos, aquellos datos que apoyan, refuerzan e informan el tipo de investigación y los objetivos de la misma.
Aunque debemos entender el análisis de datos cualitativos como un proceso iterativo, podemos decir que una investigación cualitativa consta de las siguientes fases principales:
  • El descubrimiento y/o la obtención de los datos
  • El volcado, transcripción y preparación de estos datos
  • La organización de estos datos (por ejemplo, según participante, fecha, temática, etc)
  • El etiquetado y codificación de los datos, que los prepara para el análisis.
  • El análisis de los datos y generación de conclusiones, recomendaciones, etc

El Volcado

A través de las diferentes metodologías podremos recoger toda esta información gracias a la observación y la escucha activa a los participantes durante el trabajo de campo.
En este punto, lo más relevante a tener en cuenta es que a la hora del volcado, seamos capaces de homogeneizar este contenido de tal manera que nos permita poder seguir avanzando en las posteriores fases de análisis y al mismo tiempo, sea reutilizable y entendible por otros miembros del equipo de investigación, en caso de que deban acudir a ellos en posteriores estudios.
La forma en la que volquemos estos datos para poder analizarlos dependerá de la herramienta que estemos utilizando en cada momento. Ya sea a través de un software específico como Dovetail o Nvivo, o transcribiendo la entrevista en una hoja de cálculo o un documento de texto, la rigurosidad a la hora de registrar toda la información recogida condicionará la profundidad del análisis que podamos realizar.
Particularmente si no contamos con ningún software en este punto, algunas claves para poder ayudarnos en este volcado son las siguientes:
  • Documento de volcado: Crear al comienzo un documento de volcado (En formato tabla, texto, o lo que te resulte más cómodo) en el que se organicen las diferentes temáticas tratadas y los participantes para poder registrar las experiencias de cada uno de ellos en un formato pre-codificado descriptivo.
  • Notas y observaciones: Añadir notas aclaratorias sobre las observaciones en un formato diferente (en distinto color, por ejemplo) de forma que no se confundan con información de los participantes, pero ayuden a contextualizar la naturaleza del dato y faciliten la codificación posterior.
  • Verbatims: Registrar los literales sin interpretación y sin cambios. Si el participante utiliza muletillas u onomatopeyas, podemos aprovechar la ortografía y hacer uso de las comillas simples (`´) los corchetes ([ ]), o las almohadillas (* *) para indicar variaciones en el lenguaje de forma efectiva.
Durante la fase de volcado, algunos de los apuntes a los que debemos poner especial atención al registrar son los siguientes:
  • Expresiones espontáneas de los participantes como gestos, sonidos o acciones de duda, sorpresa, curiosidad, alegría,etc
  • Comportamiento, acciones o actividades que realicen
  • Su experiencia, hábitos, expectativas y necesidades
  • Citas textuales de los participantes, a ser posible, con la referencia del contexto (sea en relación al tiempo de la sesión, a la experiencia de la que está hablando el participante o a la acción que está realizando)
Recuerda también registrar tus impresiones, sensaciones y experiencias derivadas de estar realizando el campo en primera persona, ya que es información contextual y experiencial que se pierde al volver sobre la transcripción de las sesiones, los vídeos o los audios.
Es particularmente importante recordar en este punto que cuando trabajamos con datos cualitativos, es común encontrar una disonancia entre lo que las personas dicen que hacen y lo que hacen realmente, aunque ni siempre seremos capaces de identificarlas.
Registrar estas diferencias entre la declaración de una persona y sus acciones asociadas a ese mismo tema, nos ayudará a entender de forma más profunda sus motivaciones reales y cómo es su percepción y su experiencia.

La codificación de datos cualitativos

Al hablar de codificación, nos referimos al proceso en el que, de forma rigurosa, fragmentamos y conceptualizamos la información. Es la materia prima del análisis, no el análisis en sí mismo. Es la información concentrada que nos ayudará en el proceso de análisis.
En caso de estar trabajando sobre un documento previamente estructurado, o si contamos con nuestro software específico de confianza, esta información estará previamente organizada, por lo que descomponerla en subgrupos, categorías y temáticas nos resultará más sencillo.
Los códigos que podemos crear se engloban fundamentalmente en tres tipos:
  • Descriptivos: Requieren de poca interpretación y son autoexplicativos, refenciando algo concreto, expresado explícitamente por el/la participante (Por ejemplo: “Suelo dormir entre cuatro y siete horas al día” - Código: Horas de sueño)
  • Interpretativos: Es una interpretación extraída de los datos, ya que no suele expresarse de forma literal, si no a través del discurso. En este caso, se necesita una comprensión más profunda de los datos para poder detectarlos (Por ejemplo: “A menudo se me complican los días y acabo dejando las tareas menos urgentes para el final, pero llego demasiado cansada a casa por lo que no termino de hacerlas y se quedan en mi lista de cosas pendientes” Código: Priorización de tareas, Carga de trabajo)
  • Inferenciales: Suelen referirse a patrones o vínculos complejos, observados cuando se dan varios comportamientos/ocasiones entrelazados que dan señales de un origen más profundo (Por ejemplo: “Tener tantas tareas pendientes es algo que llevo mal y puedo llegar a pasarme noches enteras en vela pensando en todo lo que tengo por hacer. Entonces, al día siguiente estoy más cansada todavía y es más probable que deje aún más cosas por hacer” Código: Ansiedad)
Aunque cualquiera de estos tipos de código pueden aparecer en diferentes momentos durante el proceso, lo más común es que al principio encontremos códigos de naturaleza más descriptiva e interpretativa, ya que los códigos inferenciales tienden a usarse en las fases finales de la codificación, cuando podemos empezar a extraer patrones y vínculos complejos en los datos durante las primeras fases del análisis.
En este proceso de crear etiquetas que vinculen los fragmentos de información con las diferentes temáticas y/o categorías, algunas ideas que debemos tener presentes durante el proceso son las siguientes:
  • Tener presente siempre las preguntas de la investigación, las hipótesis y el objetivo general para crear códigos que apoyen el descubrimiento de estos temas y evitar así “perdernos” en la información.
  • En caso de que trabajemos junto a otras/os investigadoras/os, acordar previamente el formato de estas categorías para generar conocimiento de forma homogénea.
  • Evitar el uso de etiquetas demasiado específicas, genéricas o similares entre sí, para evitar categorizar de forma errónea los datos.
El objetivo que tenemos al codificar, es simplificar un gran volumen de información bajo una etiqueta que nos permita asumir la complejidad del contenido que hay detrás sin necesidad de consumirlo en bruto.
Sin embargo, debemos prestar atención a no desvincular ambos tipos de información entre sí, ya que la codificación debe ayudar a integrar la información, no sustituirla.

Analizando datos cualitativos

A la hora de analizar datos cualitativos, y como hemos tenido en cuenta en diferentes momentos a lo largo de este artículo, debemos ser conscientes de que trabajamos con un gran volumen de información y que el tipo de etiquetas y códigos que usemos para organizar y simplificar estos datos, condicionará en gran medida la profundidad del análisis que podamos realizar en esta fase.
Tener en cuenta diferentes tipos de análisis que podemos realizar puede ayudarnos a guiar las decisiones que tomamos en este punto del proceso.

Análisis del discurso 💬

El uso de la lengua que hacen los participantes durante las sesiones es lo que conocemos como análisis del discurso. En este caso, debemos tener en cuenta que el lenguaje que usamos es una representación de ideas y su significado puede variar en función de la forma en la que las personas comunicamos estas ideas.
Para realizar este tipo de análisis, nos interesa registrar tanto sonidos como estructuras visuales, la estructura de las frases (sintaxis), el sentido y la referencia del lenguaje (semántica), la interacción, conversación y las relaciones de estas estructuras con contextos sociales, políticos, históricos y/o culturales.

Análisis de contenido 📊

A diferencia del análisis del discurso, el análisis de contenido tiene, en términos generales, un enfoque más cuantitativo.
En el caso del análisis de datos cualitativos, analizar el contenido puede ser de utilidad cuando queremos tener una primera aproximación a la incidencia de cierto tipo de conceptos en el discurso de las personas, es decir, cuantas veces aparecen ciertas palabras, ideas o conceptos. Y solo después añadir el contexto cualitativo necesario para entender los “por qués” detrás de esa incidencia, ayudándonos a obtener información enriquecida gracias a la triangulación.

Cruce de datos 🧩

Cruzar las diferentes variables con las que contamos nos ayudará a encontrar patrones específicos más allá de la categorización inicial de las diferentes temáticas extraídas durante nuestra investigación.
En este punto es, donde al volver sobre los códigos creados y los datos, podremos encontrar vínculos y relaciones entre los mismos que nos ayuden a llegar a conclusiones más profundas y relevantes.
Para poder cruzar datos de forma efectiva, debemos tener en cuenta las variables con las que contamos, así como la naturaleza y tipología de los códigos que hemos creado.
Posteriormente, buscaremos los arcos que nos ayuden a visualizar la relación e influencia que tienen entre sí las diferentes variables, realizando preguntas que nos ayuden a descubrir esta información, como por ejemplo:
  • Cómo es la correlación entre dos variables (si está influída una por la otra, por ejemplo, “cenar en un restaurante” y “estar con amigos”)
  • Si hay códigos transversales independientes del resto (por ejemplo, ideas, conceptos o expectativas)
  • Si comparten algunas otras características (por ejemplo, tomando de punto de partida un dato demográfico, qué otros códigos vemos asociados y de qué manera)

El sesgo del investigador

Como personas que investigan, tenemos nuestra propia forma de ver el mundo, nuestras experiencias, creencias, expectativas y conocimientos a través de los cuales interpretamos el contexto que nos rodea.
Es importante recordar a la hora de realizar investigaciones en general, pero cualitativas en particular, que estos denominados sesgos cognitivos pueden afectar de forma significativa a la manera en la que recogemos, registramos, codificamos y analizamos los datos.
Si bien no siempre es factible eliminarlos por completo, ser consciente de que están presentes y tratar de minimizar su impacto en nuestros estudios es parte de la responsabilidad que tenemos como personas que realizan investigación.
Algunos de los sesgos más comunes son los siguientes:
  • Sesgo de disponibilidad: Ocurre cuando pensamos que un evento o situación es más frecuente sólo porque hemos tenido un contacto reciente con dicho evento.
  • Sesgo de observación selectiva: Se da cuando dirigimos toda nuestra atención a un punto concreto en función de nuestras expectativas, desatendiendo al resto de la información.
  • Sesgo de confirmación: Este sesgo aparece cuando, como personas que hacemos investigación, buscamos de modo claro y específico aquellos datos o resultados que tienden a confirmar nuestras expectativas u opiniones.

La importancia del Storytelling

A menudo, el volumen de información que manejamos, las operaciones relacionadas con la investigación o el tiempo del que disponemos, pueden llevarnos a obviar la importancia de transmitir nuestro conocimiento no únicamente de manera rigurosa, si no también cercana y amena.
El storytelling en este caso puede sernos de gran utilidad, ayudándonos a generar una narrativa coherente que utilice esta metodología de aprendizaje activo para mantener la atención de nuestros interlocutores y hacerles así partícipes del trabajo realizado.
Imagina de qué manera puedes crear un hilo argumental que despierte emociones de descubrimiento y sorpresa en tu audiencia, cómo puedes acompañarles a través de los insights para que puedan experimentar a través de tu presentación, lo estimulante que es descubrir lo que la investigación ha ayudado a entender y las posibilidades que ofrece.

Presentando las conclusiones

Cuando pensamos en presentar los resultados de una investigación cualitativa, debemos tener en cuenta que el éxito de este proceso dependerá en gran medida de nuestra capacidad para presentar esta información de forma que sea sintética, directa, accesible y accionable.
De nuevo, tener presentes los objetivos de la investigación, las hipótesis planteadas y la historia que buscamos contar, nos ayudará a priorizar los resultados y a poder entender qué porciones de toda la información obtenida durante el análisis serán de mayor valor tanto para el proyecto, como para las personas a las que debemos presentar estos resultados.
En este punto, debemos distinguir dos elementos fundamentales; por un lado, el contenido del entregable que vamos a utilizar y, por otro el formato que vamos a crear, ya que ambos deben estar en sintonía para crear un documento coherente y manejable en el que tanto el resultado de nuestra investigación como nuestras conclusiones, se vean reflejadas de forma transparente.
Algunos de los puntos que debemos tener en cuenta al presentar nuestras conclusiones son los siguientes:

A qué audiencia nos dirigimos 👂

Nos referimos no solamente al perfil de las personas que lo verán directamente, si no también al tipo de equipo/departamento que trabajará con nuestro entregable.
Es importante tener en cuenta el tipo de documentos que suelen utilizar dentro de estos equipos para poder adaptar tanto nuestro formato como nuestro contenido a las necesidades de estas personas y facilitarles de esta manera el acceso a toda la información disponible, así como su posterior difusión.

Para qué va a utilizarse nuestra investigación 📑

En este caso, tendremos en cuenta cómo se va a consumir el resultado de nuestra investigación.
Tendremos que saber de antemano si es un informe que va a compartirse con diferentes personas/equipos, si se va a complementar con otros documentos o si va a ser presentado por otra persona en un foro específico.
Por ejemplo, en el caso de haber realizado test de usabilidad, los insights deberán estar formulados para ser accionables por un el equipo encargado del desarrollo del producto y nuestro formato deberá incluir un listado de los hallazgos priorizados en base a la incidencia o el impacto, lo que ayudará a contextualizar mejor y hacer más accionables los resultados.

Incluye siempre un resumen ejecutivo al comienzo 🎯

Este resumen incluye los 3-10 hallazgos más relevantes de todo el estudio, de forma sucinta y directa, independiente del formato que escojas (sea un informe o un video, por ejemplo)
De esta forma proporcionamos una visión general del resultado del proyecto que sirve por si misma para trasladar el valor obtenido de la investigación sin necesidad de ahondar en los detalles, lo que facilita que se comparta con facilidad e incite a profundizar en el resto del contenido de nuestro entregable.

Prioriza los hallazgos 🥇

A menudo durante nuestras investigaciones encontramos multitud de información que, si bien resulta de interés, no sirve directamente al objetivo de nuestra investigación.
En estos casos, registraremos toda esta información para poder recurrir a ella en futuros proyectos o ciclos de research, pero no la priorizaremos junto a los hallazgos que están directamente relacionados con nuestros objetivos.
Recuerda; saber seleccionar aquellos datos que se alinean con el foco de nuestro trabajo es imprescindible para presentar conclusiones relevantes y alineadas con el objetivo del estudio.
Y ahora...¡A analizar datos cualitativos! 💃🏻🕺