Datan käsittely ei vaikuta siitä tehtyihin johtopäätöksiin
Käsitys datasta resurssina, joka odottaa valmiina hyödyntämistä, sisältää usein myös oletuksen siitä, ettei datan käsittely vaikuttaisi sen käyttöön. Datan käsittelytoimet, kuten tallentaminen, säilyttäminen ja käyttäminen, kuitenkin jättävät usein jälkensä dataan ja siten vaikuttavat datan perusteella tehtäviin johtopäätöksiin.
Datan käsittely vaatii ihmistyötä sekä tarkoitusta varten suunniteltuja laitteita ja sovelluksia. Ihmistyö ja laitteiden suunnittelu ja käyttö puolestaan koostuvat lukuisista valinnoista ja oletuksista: kuka tallentaa, mitä tallennetaan ja mihin tarkoitukseen? Tallentaako terveydenhuollon datan lääkäri tai sairaanhoitaja potilaskäynnin yhteydessä, vai tallentaako potilas datan täyttäessään esitietolomaketta tai oirekyselyä? Myös tietojärjestelmät, joihin data tallennetaan, jättävät jälkensä dataan. Hankalakäyttöiset järjestelmät saattavat vaikuttaa esimerkiksi siihen, kuinka tarkasti käyttäjät kirjaavat asiat järjestelmään, mikä voi heijastua datan laatuun.
Datan muodostumiseen vaikuttavat myös käytetyt luokitukset. Esimerkiksi terveydenhuollon data perustuu standardoituihin luokituksiin, joiden laatiminen on vaatinut vuosikymmenten työn. Tätä työtä on tehty sekä kansallisesti että kansainvälisesti. Esimerkiksi kansallinen terveydenhuollon tiedonkeruu pohjautuu lähes vuosittain muuttuvaan hoitoilmoitusjärjestelmään (eli Hilmoon). Hilmon diagnoosidata puolestaan perustuu Maailman terveysjärjestö WHO:n ylläpitämään ja päivittyvään kansainväliseen tautiluokitukseen (ICD:hen eli International Statistical Classification of Diseases and Related Health Problems). Luokituksiin liittyy myös kiistoja. Sairauksia on poistettu luokituksesta ja uusia on lisätty, eikä kaikkia häiriötiloja ole luokiteltu sairauksiksi. Miten hyvin terveydenhuollon data kertoo esimerkiksi työuupumuksen määrästä, jos työuupumusta ei luokitella sairaudeksi ja diagnoosiksi kirjataan tästä syystä vaikkapa masennus?
Viime vuosikymmeninä datan tallennus- ja laskentakapasiteetti on kasvanut, mikä puolestaan on mahdollistanut yhä suurempien datakokonaisuuksien tallentamisen ja käytön yhä useammille yhä halvemmalla. Data voi myös olla tulosta monimutkaisesta yhdistämisestä: esimerkiksi eri lähteistä peräisin olevaa dataa on mahdollista yhdistää henkilötunnuksen avulla ja muokata sitten edelleen.
Datan tuottamisen ehtojen ja eri vaiheiden tunnistaminen auttaa hahmottamaan ja muistamaan datan rajallisuuden sekä käyttöehdot.
