Datankeruulähteitä

Datankeruulähteitä ovat ne lähteet, joista kerätään dataa tutkimus- ja analyysitarkoituksiin sekä päätöksenteon tukemiseksi. Lähteet voivat olla primaarisia, eli data kerätään itse esimerkiksi kyselyillä, kokeilla, havainnoimalla tai haastattelemalla, sekä sekundaarisia, joissa data on jo olemassa ja saatavilla muilta tahoilta.

Primaarisia datankeruulähteitä voivat olla kyselyt, kokeet, havainnot, haastattelut sekä sensoridatat ja laitteen tai sovelluksen lokit. Sekundaarisia lähteitä ovat tilastolliset rekisterit, hallinnolliset tiedot, julkiset tilastodatat, kaupalliset datasetit sekä verkkosivujen, sovellusten tai sosiaalisen median data.

Esimerkkejä datankeruulähteistä ovat tilastotiede- ja sosiaalitieteissä käytetyt kyselyt ja kokeet; teollisuus- ja älykotien IoT-sensoridataa; liiketoiminnassa transaktiotiedot ja verkkosivujen analytiikka; hallinnossa väestörekisterit ja koulutustiedot; tutkimuksessa esimerkiksi kuvat, äänitteet ja geodata.

Datan keruussa on kiinnitettävä huomiota laatuun, kattavuuteen ja ajantasaisuuteen sekä virheisiin, puuttuvaan dataan ja mittauslihavuuteen. Tutkimuksessa ja liiketoiminnassa korostuvat vastuullinen datankäyttö, tietosuoja ja eettiset periaatteet, kuten anonymisointi ja suostumuksen hankkiminen.

Datanhallinta ja -provenienssi tarkoittavat metatietojen, alkuperän jäljittämisen ja datan elinkaaren hallintaa. Hyvin dokumentoidut datankeruulähteet tukevat toistettavuutta, laadunvalvontaa ja tiedon yhdistämistä toisiin lähteisiin.