数据是描述事物的符号记录，数据的种类包括访谈、影像、声音、节奏、情感互动、画作、文字文本、数字、图形、档案记录等。数据的含义称为数据的语义，数据与其语义是不可分的。数据结构是对系统静态特性的描述，数据操作是对系统动态特性的描述。数据具有动态性、静态性、动静结合的不同表现形式。数据具有载体、实体、实体集、属性、联系、域。数据模型是用来抽象、表示和处理现实世界中的数据和信息，通俗地讲数据模型就是现实世界的发生、展现、还原与模拟。数据模型包括概念模型、逻辑模型和物理模型三个层面。逻辑模型包括网状模型、层次模型、关系模型、面向对象模型、非结构化模型。数据的整理可以从第一范式规范到第三范式。数据设计和行为（处理）设计相结合，数据设计是指设计数据框架或数据结构、特征和立体化。行为（处理）设计是指依据数据设计相应地设计应用程序、数据处理等。这就需要涉及数据字典。数据字典是各类数据描述的集合，是进行详细的数据收集和数据分析所获得的主要结果。数据字典的内容包括数据项、数据结构、数据流、数据存储、处理过程。数据字典是关于数据设计中数据的描述，是元数据，而不是数据本身。

进行学术研究是一种观察和思考世界的工作，需要想象力。同样的，和数据打交道也需要想象力。然而，现实世界中，人物关系和情感微妙复杂，人处身其中意欲抽身绝非轻易之事，绝非科学验证式、客观中立和直线思考的世界观所能理解和分析。要理解和解释人文社会现象如何产生，则需要理解数据背后实体的思想、情绪、情感在生活、工作、社会中扮演什么角色，研究者需要具备一些相关和有效的分析工具。

数据和理论互为相关的：数据会借助理论得以解释，理论也会随着数据的更新、变化而演变和细化。数据不是凭空的、线性的、单维的、无机体的、扁平化的，数据是有载体的、非线性、多维度、有机体且立体化的，可以称之为立体结构或者生命体。数据随着新的情境的出现会不断更新和迭代，这就使得数据具有了“生命力”或者“生命周期”，这就需要在研究的时候，考虑数据的“立体结构”或者“生命体结构”。因此，我们在研究的时候不应把思考、数据及其载体对立起来，而是需要把存在于它们之间的连锁互动与张力梳理出来加以分析，我们需要有效地探索数据本身、数据载体、数据所承载的情感、思想、意识形态之间的关系，使得数据的“生命力”为我们的学术研究“赋能”。

研究者需要锻炼关于数据的思考、审视、分析与解读方式。关于数据的思考方法涵盖一系列的思维模式，例如逻辑推理方法、象征意义、隐喻等方式。研究者可以采用不同的镜头，滤镜和角度去察看社会生活，以便发现新观念和新认知来看待我们正在研究的世界，这就需要研究者保持对数据的触觉敏感，也就是对于数据的敏感性和灵敏性，能够非常敏锐地捕获或者识别数据的属性、维度、价值及意义。当然，研究者会把自己的想法和价值观暂时悬空，借用不同学术领域的视角观点，专注分析数据的特质。当研究数据与研究者的看法、情绪、信仰，以及行为等出现矛盾或不兼容的感觉时，研究者除了确认这个情况之余，还会把它当作信号来明示另一些思考世界的方式浮现了，驱使自己尽可能把这些观点清晰的描绘并加以分析。这是一种由数据自然呈现的后设认知，也是研究者对自己的认知和思考过程的思考和反思。

由于这种后设认知，相应的，需要在数据属性、数据分析、分析方法、分析过程和研究结论之间进行不断调整、不断调试以便立体化地多维度地审视和挖掘数据价值。研究是关于穷究事理，建构知识和应用新知，研究过程中，研究者需要反思以便审视自己内心的思想、价值观及其倾向，分析和重组对研究主题的理解，甚或修正先前对探究情境和问题所提出的假设。把研究成果应用在相关领域上，形成实践与研究的结合。

进行学术研究是锻炼研究者观察和思考世界的一种方式。我们不是戴“防护眼罩”与数据保持安全距离，而是配备不同的“镜头”、“显示仪器”和“无影灯”跟数据多维度、多角度互动，如舞伴般与数据共舞，舞出自己学术的旋律。舞动中，研究者一边认识正在研究的世界，一边反思自己的认知。