Il existe de nombreux domaines d’intérêt scientifiques et pratiques différents qui reposent sur la collecte de données quantitatives. La collecte de données quantitatives est, par exemple, d’une importance centrale dans les domaines de recherche tels que la chimie, la physique et même certaines branches de la linguistique. Il est également essentiel pour les tests et à d’autres fins en ingénierie, en informatique et dans d’autres domaines et projets à forte intensité de données visant à produire un produit final. Les méthodes spécifiques utilisées pour collecter des données quantitatives varient considérablement d’un projet à l’autre, mais certains principes de collecte de données peuvent être largement, voire universellement, appliqués. Il est, par exemple, important de prendre tous les moyens possibles pour éliminer les erreurs humaines et expérimentales, de collecter et d’analyser toutes les données plutôt que celles qui correspondent à ses théories, et d’effectuer une expérience ou un test plusieurs fois pour vérifier les erreurs.
Bien qu’une erreur minime soit parfois acceptable, elle peut dans certains cas conduire à une imprécision substantielle ou même à l’échec d’un projet. Dans la mesure du possible, lors de la collecte de données quantitatives, il convient alors de déterminer le degré d’erreur pouvant être toléré. Les techniques et dispositifs utilisés pour collecter des données quantitatives devraient pouvoir le faire dans cette plage d’erreur tolérable. S’ils ne le peuvent pas, il est probablement nécessaire d’affiner la méthode de collecte des données ou d’en proposer une toute nouvelle.
Lors de la collecte de données quantitatives, il est souvent tentant d’enregistrer et d’utiliser uniquement les résultats qui correspondent à des expériences antérieures ou à des attentes théoriques. Cela est particulièrement vrai lorsque seuls quelques-uns des nombres collectés diffèrent significativement des résultats attendus. Ces valeurs aberrantes, cependant, peuvent être extrêmement importantes et ne doivent pas être ignorées, surtout si elles se reproduisent dans des expériences ultérieures. Des résultats inattendus peuvent indiquer des problèmes avec la procédure expérimentale ou les matériaux ou peuvent même suggérer que les théories existantes sur le sujet de l’expérimentation ou des tests sont incorrectes. Le processus de collecte de données quantitatives ne peut être efficace et objectif que lorsque le chercheur collecte et rapporte toutes les données.
L’exécution de plusieurs essais indépendants est un excellent moyen de minimiser les erreurs lors de la collecte de données quantitatives. Cela peut révéler des problèmes tels que l’étalonnage de l’appareil, une erreur humaine ou les effets de variables inattendues et incontrôlées. Dans la mesure du possible, des groupes distincts de personnes doivent effectuer les tests ou les expériences visant à collecter des données quantitatives spécifiques. Les deux groupes peuvent comparer toutes les méthodes et variables s’ils collectent des résultats différents, ce qui leur permet d’isoler les erreurs particulières survenues au cours du processus de collecte de données quantitatives.