质量控制

质量控制对于保持数据的完整性和可行性至关重要。在数据上执行的每一个操作，从收集点开始，都为引入错误提供了机会。因此，您必须实现过程来降低在数据中引入错误的风险，并在错误发生时减轻错误的影响。

可以使用各种质量控制策略:

• 映射整个数据工作流，从收集点到最终格式数据集，并将其分解为对数据执行的操作(参见下面的示例)。对于每一项操作，确定要应用的质量控制程序。确保质量控制程序始终如一地执行，并在相关的地方形成文件。
• 确保动作是可逆的。不要覆盖原始数据;使用新名称保存修改后的文件，最好在文件名中使用版本号或日期，以便清楚地识别版本。
• 标准化并记录你的工作流程，这样其他人就可以遵循你的指示并获得与你相同的结果，例如，通过编写数据收集的分步协议，或采访记录的格式和匿名化指南。遵循相关的既定程序，如实验室标准操作程序:这些程序已经过尝试和测试。
• 如果你正在进行实验科学研究，可以考虑使用在线工具，例如protocols.io，它允许您记录、注释和发布有关实验过程的详细信息。您可以在版本控制的过程中开发并注释您的协议(在一个封闭的组中或在公开的组中)，并且可以为已发布的版本分配doi并从论文中的方法部分链接。
• 提前定义数据结构和数据收集表单或模板。例如，建立一个电子表格，在列标题中清楚地标记变量，包括测量单位。在单独的工作表或文档中提供数据输入说明。您的文档应该包括变量的完整定义，以及给定变量允许的值的信息(包括缺失的值代码)。
• 利用软件中的任何数据验证功能，例如Excel允许您为单元格或单元格范围指定允许的值。
• 采用数据重复输入和随机抽样检查等方法可以减少错误的发生。
• 检查数据是否有意义。数据可视化可以帮助识别可疑的异常值和异常值:具有明显尖峰的趋势线可能突出可疑值。

英国数据服务提供指导质量控制．

数据工作流示例