市场调研数据的特点

(1)相关性

对于一个样本个体而言，它具有本身的多个特征，这些特征之间就具有一定的相关性。对于多个样本而言，个体与个体的特征之间具有相关性。如果样本随时间而变化，那么该样本在不同时刻的特征之间又具有相关性。因此，由于上述多个原因使得市场调研数据具有了复杂的相关性，传统的统计学调查难以解决这样的问题。

(2)离散性

因为市场调研数据是通过自填式问卷、网络调查数据库等方法得到，所以市场调研数据一般以离散变量为主，且这些数据之间只有标示作用，并没有严格的逻辑关系。

(3)模糊性

市场调研数据当中不可避免的会接触到各种表达方式和概念，因此,它具有模糊性。因为由自填式问卷或结构式访问的方法得到的市场调研数据具有以上特点，所以在实际应用中基于统计学的处理方法只能笼统的显示数据的部分特性,如频数、离散程度等。对于数据之间的关系只能分析出维数极少的大致的关系。而且利用软件进行数据挖掘时，因为现有的软件中的数据挖掘算法对于数据类型和格式要求较高,所以能应用到的数据挖掘算法很少。就算是数据要求较低的关联分析,其结果也存在大量的冗余。因此,我们需要建立一个合适的市场调研数据的数学模型来完善原先的方法并使跟多的数据挖掘方法可以运用到其中，使得结果更准确。

针对现今的市场调研数据处理与分析中存在的问题，通过三维矩阵建立了市场调研数据的数学模型。将每一题表示为空间中的一个维度，每一张问卷表示成一个矩阵，将多个矩阵叠加即可得到市场调研数据的三维矩阵模型。在建立三维矩阵模型的基础上，可以利用三维矩阵的性质对其进行多种数学处理,也可以采用超图理论对数据进行进一步的分析,大大丰富了调查数据的处理方法。

市场调研是了解各方面信息的重要途径之一，市场调研数据主要是通过调查问卷的方法得到的。由于市场调研数据的维数较高，加上人为主观因素,数据类型主要为二元变量、离散变量、序数变量等为主，所以对于市场调研数据的分析和处理大都基于统计学,只对单一题目进行统计学分析,其分析方法主要是基于题型进行处理的，对于题目和题目之间的关系很少关心。许多数据挖掘算法因为种种限制无法在市场调研的数据分析中得到应用。因为方法的限制，所以现在很多市场调研只能验证事先想好的内容和假设，很少可以对高维数据进行相对复杂的回归分析处理。

结语

该文针对市场调研数据处理与分析中存在的问题，建立了基于三维矩阵的数学模型,将单选题和多选题表示成向量，将排序题表示成多个列向量，从而每一题可以表示成空间的一个维度，每一个向量就是一个元素，这样每一张问卷就可以表示成一个矩阵，通过将多个矩阵叠加就可以得到三维矩阵。