الاستطلاع المجهول: المزايا: صراحة أكبر، وصول لجميع الموظفين، سرعة ونتائج قابلة للقياس. العيوب: لا يُفسّر ‘لماذا’، قد لا يُتمّه الجميع. المقابلة مع المدير: المزايا: فهم عميق للأسباب. العيوب: المرؤوس قد لا يكون صريحًا مع رئيسه المباشر، يستغرق وقتًا، لا تُعطي بيانات قابلة للمقارنة الكمية.

عينة غير ممثّلة (Sampling Bias) — طلاب المدارس الخاصة فئة ذات خصائص اجتماعية واقتصادية محددة تختلف عن المراهقين عمومًا. قد يكون لديهم أجهزة إلكترونية أكثر، وقت دراسة مختلف، ضغوط مختلفة. النتائج قد لا تنطبق على المراهقين بشكل عام — التعميم خطأ منهجي.

Web Scraping: استخراج بيانات تلقائيًا من مواقع الويب ببرنامج يقرأ صفحات HTML. مشروع: جمع أسعار المنافسين من مواقعهم العامة لمقارنة السوق — نشاط تجاري مقبول. إشكالي: استخراج بيانات شخصية للمستخدمين من الشبكات الاجتماعية دون موافقتهم — ينتهك الخصوصية ويخالف شروط الاستخدام وقوانين حماية البيانات في كثير من الدول.

البيانات: كمية، أولية، منظمة، يُجمعها في الوقت الحقيقي (Real-time Streaming Data). التحديات: (1) حجم ضخم جدًا — 500 محطة × 24 قراءة/ساعة = 12,000 نقطة/يوم. (2) تزامن دقيق بين المحطات. (3) بعض المستشعرات تُعطي قراءات خاطئة (أعطال). (4) التخزين والمعالجة السريعة. (5) الاتصال الشبكي المستمر من مناطق بعيدة.

Cross-Sectional: لقطة واحدة في وقت محدد لمجموعات مختلفة (دراسة دخل 1000 شخص الشهر الماضي). Time Series: قياسات متكررة لنفس الشيء عبر الزمن (دخل نفس الأشخاص كل شهر لسنة). لدراسة تأثير زيادة الأجور: Time Series أنسب — تتبّع الإنفاق قبل وبعد الزيادة للأشخاص أنفسهم يُعطي دليلًا على العلاقة السببية، بخلاف مقارنة مجموعات مختلفة في لقطة واحدة.

البيانات الضخمة: مجموعات بيانات ضخمة ومعقدة تتجاوز قدرات أنظمة المعالجة التقليدية. الـ 3Vs: (1) Volume (الحجم) — تيرابايتات وبيتابايتات. (2) Velocity (السرعة) — تُولَّد وتُعالَج بسرعة كبيرة (تغريدات Twitter: 500 مليون/يوم). (3) Variety (التنوع) — منظمة وغير منظمة ونصف منظمة. أحيانًا يُضاف Veracity (الدقة/الموثوقية) و Value (القيمة).

المتطلبات: (1) موافقة صريحة مستنيرة من المريض على جمع بياناته واستخدامها. (2) إخفاء الهوية (Anonymization) قبل الاستخدام في الأبحاث. (3) تشفير البيانات وتأمينها. (4) تحديد الغرض مسبقًا — لا تُجمع لغرض ثم تُستخدم لآخر (Purpose Limitation). (5) حق المريض في الوصول لبياناته وحذفها. (6) الالتزام بـ HIPAA (أمريكا) أو GDPR (أوروبا) أو التشريعات المحلية.

المستقل: العامل الذي يُغيّره الباحث عمدًا. التابع: العامل الذي يقيس الباحث تأثيره. مثال: دراسة تأثير عدد ساعات النوم (مستقل) على التحصيل الدراسي (تابع). الباحث يتحكم في وقت نوم الطلاب ويقيس درجاتهم. المبدأ: المستقل يؤثر في التابع (أو الباحث يفترض ذلك ويختبره).

سجلات المشتريات: كمية + منظمة (أرقام، تواريخ، مبالغ في جداول). جلسات التصفح: كمية + شبه منظمة (logs). نقرات الإعلانات: كمية + منظمة. تقييمات المنتجات: مزيج — رقم التقييم (كمي/منظم) + نص الرأي (نوعي/غير منظم). البيانات المختلطة (كمية + نوعية) الأكثر قيمةً لكن الأصعب تحليلًا.

Confirmation Bias: الباحث يميل لجمع البيانات التي تؤيد فرضيته المسبقة وتجاهل أو تأويل ما يخالفها. التأثير: نتائج مبنية على انتقاء انتقائي وليس صورة كاملة. مثال: باحث يؤمن بفعالية علاج معين يُركّز على الحالات التي تحسّنت ويُهمل التي ساءت. الحل: تسجيل منهجي لكل البيانات قبل التحليل، وتحديد معايير جمع البيانات مسبقًا.

الاستطلاع: يُعطي المدينة توقعات ومشاعر السكان وأولوياتهم (بيانات ذاتية). غير مكلف. لكن الناس قد يُجيبون بما يعتقدون لا بما يفعلون فعلًا. المستشعرات: بيانات موضوعية حقيقية (كثافة المرور، الأوقات، الاختناقات). أدق للتخطيط الهندسي. لكن تكلفة عالية وتُثير مخاوف الخصوصية. المثالي: الاثنان معًا — المستشعرات تُحدد المشكلة، الاستطلاع يُفهّم الأولوية.

Data Validation: التحقق من أن البيانات المُدخلة صحيحة ومنطقية قبل قبولها. أمثلة في التسجيل: (1) البريد الإلكتروني يحتوي @ ونطاقًا صالحًا. (2) رقم الهاتف بالطول المحدد وبأرقام فقط. (3) تاريخ الميلاد في الماضي وليس المستقبل. (4) كلمة المرور ≥ 8 أحرف وتحتوي رقمًا. (5) لا تُسمح الحقول الفارغة للحقول الإلزامية.