پایگاه‌داده‌ی آماری
در فرآیند طراحی UX کنترل کیفی تحلیل توصیفی نقشی حیاتی ایفا می‌کند. تحلیل آماری در واقع یک مرحله متعلق به تحقیقات کمی برای درک عمیق نیازها است. پس از تجزیه و تحلیل، درک بهتری از نیازهای طراحی خواهید داشت. به طور کلی، دو نوع تجزیه و تحلیل در فرآیند طراحی UX وجود دارد: تحلیل کیفی و کمی. تجزیه و تحلیل داده‌های اندازه‌گیری شده به عنوان تجزیه و تحلیل کمی شناخته می‌شود. به سوالاتی مانند چه‌قدر؟ چند تا؟ و غیره پاسخ می‌دهد. ممکن است این نوع تجزیه و تحلیل داده‌ها از طریق نظرسنجی‌های برخط گردآوری شوند. در یافته‌های کیفی، می‌توانید داده‌ها را با استفاده از پاسخ‌ها و فعالیت‌های کاربر گردآوری نمایید و بر اساس سوالاتی مانند چرا؟ یا چگونه؟ پاسخی را به کاربر نمایش دهید. داده‌ها صرفاً یک مشاهده برای تحلیل کیفی است.
تحلیل توصیفی یکی از تحلیل‌های مهم در فرآیند تحقیق کمی کنترل کیفی است. در این تجزیه و تحلیل، شما باید داده‌ها را بر اساس اتفاقات رویداد ثبت کنید. اگر در تحقیقات کاربر بر اساس معیارهای از پیش تعیین شده داده‌ها گردآوری شود کافی است. شما باید به سادگی توصیف کنید که داده‌ها چیست و چه چیزی را مرتبط با فرآیند طراحی نشان می‌دهد. در دیدگاه پژوهشی، این نوع تحلیل معیاری برای سنجش داده‌های یک رویداد خاص است و به شما کمک می‌کند تا داده‌های بزرگ را به طور معقولی حفظ کنید. داده‌های جمع‌آوری‌شده مورد استفاده‌ی این تجزیه و تحلیل صرفاً از طریق مشاهده است.
چهار نوع متداول تحلیل توصیفی وجود دارد که به صورت عملی مورد استفاده قرار می‌گیرد که عبارتند از اندازه‌گیری فراوانی، اندازه‌گیری گرایش مرکزی، اندازه‌گیری تغییرات یا پراکندگی، اندازه‌گیری موقعیت‌ها.
اندازه‌گیری فراوانی یا فرکانس:
همان‌طور که همه می‌دانید فرکانس به تعداد دفعاتی که یک رویداد رخ می‌دهد اشاره دارد. مثل یک شمارش است. داده‌ها تعداد دفعاتی را نشان می‌دهد که چیزی اتفاق می‌افتد.
اندازه‌گیری گرایش مرکزی:
در این نوع، شما یک رویداد معمولی را اندازه‌گیری می‌کنید. در این تحلیل می‌توانید با توزیع‌ها آشنا شوید و از اصطلاحاتی مانند میانگین و میانه و Mode استفاده می‌شود که بر توزیع داده‌ها نظارت دارد.
اندازه‌گیری تغییرات یا پراکندگی:
در این نوع تحلیل توصیفی میزان توزیع داده‌ها بر میانگین اندازه‌گیری می‌شود. به عبارت رایج، می‌توانید شدت انتشار داده‌ها را در این تحلیل درک کنید. تغییرات شدید داده‌ها با عباراتی مانند حداکثر، حداقل و Outliners و غیره به کاربر انتقال داده می‌شود.
اندازه‌گیری موقعیت‌ها:
در این تجزیه و تحلیل، خواهید آموخت که داده‌ها در میان نمرات رقابتی در بازار کجا قرار دارند. برای شناسایی موقعیت خود با نمره‌ی نرمال یا استاندارد مقایسه می‌شوید.
از نظر طراح UX، هر معیار توصیفی بر اساس محصولات و خدمات تجاری و نیازمندی کاربران تعریف می‌شود. در اندازه‌گیری فرکانس، می‌توانید تعداد دفعاتی را که کاربران محصول یا خدمات شما را در یک دوره خریداری می‌کنند اندازه‌گیری کنید. تجزیه و تحلیل به شما کمک می‌کند تا شهرت محصول یا خدمات خود را در بازار رقابتی تجزیه و تحلیل کرده تا روشن سازید که آیا محصول شما نسبت به سایر کالاها در فضای تجاری برتری دارد یا خیر. در نهایت با استفاده از تجزیه و تحلیل توصیفی، خواهید آموخت که کسب‌وکار شما در میان رقبا از چه موقعیتی برخوردار است.
تمام این تحلیل‌ها به شما درک بهتری از نیازهای کاربر می‌دهد. طراحان UX می‌توانند الزامات را از دیدگاه کاربر شناسایی کنند و طراحی کامل صفحه‌ی وب و یا فرم برنامه‌ی کاربردی را برای دستیابی به مخاطبان به‌عنوان هدف بدون زحمت ارائه نمایند.
صفحات گسترده‌ای مانند SPSS و Excel ابزار مناسبی جهت انجام تحلیل توصیفی می‌باشند. در عمل استفاده‌ی تعبیه‌شده از ابزارهای مورد اشاره در صفحات وب یا برنامه‌های کاربردی قابل انجام نیست و بهره‌گیری از پایگاه‌داده‌های آماری یا Statistical Database پیشنهاد می‌گردد.
یک سیستم پایگاه‌داده‌های آماری (SDB) یک سامانه‌ی جامع پایگاهی اعم از DBMS و دیگر جداول سیستمی می‌باشد که کاربران خود را قادر می‌سازد فقط آمارهای کل مثلاً میانگین و تعداد نمونه را برای زیرمجموعه‌ای از موجودیت‌های ارائه شده در پایگاه‌داده‌ها بازیابی نمایند.
از آن‌جایی که یک پایگاه‌داده‌ی آماری ممکن است حاوی اطلاعات فردی حساس مانند سوابق حقوق و دستمزد و سلامت باشد، به طور کلی، کاربران فقط مجاز به بازیابی آمار کل برای زیرمجموعه‌ای از نهادهای ارائه شده در پایگاه‌های داده هستند. عملگرهای متداول پرس‌وجو در SQL عبارتند از SUM، COUNT، MAX، MIN و AVERAGE، اگرچه معیارهای آماری پیچیده‌تری نیز ممکن است توسط برخی از سیستم‌های پایگاه‌داده پشتیبانی شوند.
پایگاه‌های داده‌ی آماری نگرانی‌های امنیتی منحصر به فردی را ایجاد می‌کنند که تمرکز تحقیقات بسیاری بوده است. با این حال، چالش کلیدی امنیتی این است که اطمینان حاصل شود که هیچ کاربری نمی‌تواند اطلاعات خصوصی را با توجه به حریم خصوصی استنتاج کند.
