定量与定性平衡

定量数据通过数字和规律告诉你“发生了什么”，比如有百分之七十二的用户留了下来。定性数据通过故事和经历告诉你“为什么”，比如为什么各项指标都不错，你最优秀的人才却还是选择离开。只看数字，你会看到表面，却错过背后的原因；只听故事，你又可能被少数声音特别大的人的意见误导。最有力的决策来自两者的结合：让数字告诉你该关注哪里，让故事告诉你那里究竟发生了什么。 请注意：当你在数据中发现一个出乎意料的数字时，问问自己：“什么样的故事能解释它？”

两类数据如何相互配合

定量数据很擅长发现大群体中的规律。它能告诉你数量多少、频率多高、程度多大。当你需要衡量随时间发生的变化、比较不同群体，或找出异常值时，这类数据尤其有用。定性数据则擅长揭示数字无法捕捉的背景、动机，以及意料之外的发现。你可以把定量数据想成卫星视角，把定性数据想成街头视角。

如何整合两类数据

最有效的做法是发挥两类数据各自的长处。先用定量数据确定该问哪些问题，找出值得关注的异常、趋势或信息缺口。再用定性方法，比如访谈、观察和开放式反馈，了解这些规律为什么会出现。这个顺序能避免你迷失在无穷无尽的数据里，也能确保你调查的是真正重要的问题。

实际中有哪些应用

在产品开发中，使用指标可能显示，相当一部分客户在某个特定步骤放弃使用一项功能，而用户访谈能揭示导致他们放弃的困惑。在医疗服务中，患者满意度评分能让你大致了解服务质量，患者访谈则能解释哪些具体经历影响了这些分数。在组织变革中，员工敬业度调查能广泛衡量员工的态度，焦点小组则能挖掘他们抵触或支持变革的深层原因。

当一类数据占据主导时

只依赖定量数据，可能会让你把力气花在错误的地方：指标变好了，实际问题却没有解决。只依赖定性数据，可能会让你对少数表达积极的人的意见反应过度，却忽略大多数人的经历。两者的合适比例取决于具体情境：影响重大、可用数据点又有限的决策，需要更深入的定性了解；大规模的运营决策，则更依赖覆盖面广的定量数据。

混合方法研究为理解定量与定性数据如何配合使用提供了基础。这两种方法并非相互竞争，而是相互补充，各自弥补对方的盲点。关键在于，整合必须事先有意识地安排，而不是事后才想到。你需要通过明确的策略将数据结合起来，而不是把它们当成研究中彼此独立的部分。

• Fetters、Curry 和 Creswell（2013）：整合通过在研究设计、方法和结果解释三个层面有意识地结合两种方法来实现；最严谨的研究设计会明确规划，定量与定性发现将如何相互印证、补充或拓展 [1]。
• Bazeley（2018）：整合能带来任何一种方法单独使用时都无法产生的洞见；价值来自两类数据之间的互动，而不是将它们当作两条平行的信息来源 [2]。

与只使用一种方法的研究相比，混合方法需要更多时间、资源和专业知识。整合也可能流于表面：只是同时报告两类数据，却没有真正结合它们带来的认识。定量与定性研究传统之间还存在哲学层面的分歧，一些研究者觉得这些分歧难以调和。在实践中，组织的激励机制、利益相关方的偏好，或数据收集的难易程度，往往会让某一类数据占据主导。至于“如何”整合，目前仍有争议，包括什么时候结合、整合到什么程度，以及怎样才算真正的整合，而不只是让两类数据并存。