در این دوره، بینش هایی در مورد بازاریابی به دست خواهید آورد تا به تعیین اینکه آیا فرصتی واقعاً در بازار وجود دارد و آیا برای سازمان یا مشتری شما ارزشمند و قابل اجرا است یا خیر، کمک می کند. هفته 1: روش های موجود برای ایجاد نظرسنجی های کمی را به همراه مزایا و معایب آنها ارزیابی کنید. نوع سؤالاتی را که باید پرسیده شود مشخص کنید و از سؤالات بدون ابهام نظرسنجی خودداری کنید. هفته دوم: طراحی، آزمایش و اجرای نظرسنجی با شناسایی مخاطبان هدف و به حداکثر رساندن نرخ پاسخ. شما فرصتی خواهید داشت که از Qualtrics، یک ابزار نرم افزاری نظرسنجی، برای راه اندازی نظرسنجی خود استفاده کنید. هفته 3: مدل‌های آماری را که می‌توان در داده‌های بازاریابی خود اعمال کرد، تجزیه و تحلیل کنید تا بتوانید تصمیمات مبتنی بر داده‌ها را درباره آمیخته بازاریابی خود بگیرید. هفته 4: محتمل ترین نتایج حاصل از تصمیمات بازاریابی را پیش بینی کنید و با نوع تجزیه و تحلیل مورد نیاز برای مشکل تجاری خود مطابقت دهید. تحقیقات کمی را به عنوان یک دوره مستقل یا به عنوان بخشی از تخصص تحقیقات بازار بخوانید. شما باید قبل از گذراندن این دوره، تجربه ای معادل با گذراندن دوره دوم این تخصص یعنی تحقیقات کیفی داشته باشید. با گذراندن کلاس سوم در Specialization، مهارت های مورد نیاز برای موفقیت در برنامه کامل را به دست خواهید آورد.

این دوره مفاهیم مهم و روش های عملی را برای حمایت از برنامه ریزی، جمع آوری، ذخیره سازی و انتشار داده ها در تحقیقات بالینی ارائه می دهد. درک و اجرای اصول مدیریت داده های جامد برای هر حوزه علمی حیاتی است. صرف نظر از نقش فعلی (یا پیش بینی شده) شما در شرکت تحقیقاتی، مجموعه دانش و مهارت قوی در اصول مدیریت داده ها و عملکرد، بهره وری شما را افزایش می دهد و علم شما را بهبود می بخشد. هدف ما استفاده از این ماژول ها برای کمک به شما در یادگیری و تمرین این مجموعه مهارت است. این دوره دانش فعلی بسیار کمی از فناوری به جز نحوه کار با مرورگر وب را در نظر می گیرد. ما روی درس‌های عملی، آزمون‌های کوتاه و تمرین‌های عملی تمرکز می‌کنیم و بهترین شیوه‌های مدیریت داده را با هم بررسی می‌کنیم.

جمع آوری داده های خوب بر روی نمونه های خوب ساخته شده است. اما نمونه ها را می توان به روش های مختلفی انتخاب کرد. نمونه‌ها می‌توانند انتخاب تصادفی یا راحت افراد، سوابق، یا شبکه‌ها یا واحدهای دیگر باشند، اما کیفیت این نمونه‌ها را زیر سوال می‌بریم، به‌ویژه اینکه این روش‌های انتخاب برای نتیجه‌گیری خوب در مورد یک جامعه پس از جمع‌آوری و تجزیه و تحلیل داده‌ها چه معنایی دارند. نمونه‌ها را می‌توان بر اساس قضاوت محقق با دقت بیشتری انتخاب کرد، اما بعد از آن سؤال می‌شود که آیا این قضاوت می‌تواند توسط عوامل شخصی مغرضانه باشد. نمونه‌ها را می‌توان به روش‌های آماری دقیق و دقیق، با استفاده از روش‌های انتخاب تصادفی و کنترل برای ارائه نمایش صدا و کنترل هزینه، رسم کرد. این آخرین نوع نمونه ها هستند که در این دوره مورد بحث قرار خواهند گرفت. نمونه‌گیری تصادفی ساده را که می‌توان برای نمونه‌گیری افراد یا سوابق استفاده کرد، نمونه‌گیری خوشه‌ای که می‌تواند برای نمونه‌گیری از گروه‌های افراد یا سوابق یا شبکه‌ها استفاده شود، طبقه‌بندی که می‌تواند برای نمونه‌های تصادفی ساده و خوشه‌ای اعمال شود، انتخاب سیستماتیک و چند مرحله‌ای طبقه‌بندی شده را بررسی خواهیم کرد. نمونه ها این دوره با مروری کوتاه بر نحوه برآورد و خلاصه عدم قطعیت نمونه گیری تصادفی به پایان می رسد.