对问卷中数据进行处理的方法有很多种，数据处理明细单就是要明确地说明数据要采用何种方法进行处理。在处理数据上，很多公司都有自己的特点，可能是在形式上有某种要求；即便是你在准备自己的数据表时，一个清楚明晰的数据处理明细单可以帮你取得预想中的数据，也能使数据处理的过程更加有效率、更加准确。在准备数据处理明细单的时候.你需要首先明白自己想要如何使用数据，这需要考虑数据输出结果的内涵及结构，因而提前完成分析计划是很重要的。在诸多解释变量中选择一些你认为有用的变量，如人口统计变量、地理人口统计变量、态度或行为变量，从问卷中提取出相关信息并生成数据表是比较容易和便捷的。在数据分析中不能根据自己的分析需求随意选择或删减数据。

在数据处理明细单中需要说明的问题有：
•工作是关于什么的内容？
•客户是谁？
•它属于哪类调研？
•问卷有不同的版本吗？
•截止日期是什么时候？
•谁需要该数据表？
•与之前的版本相比，工作/问卷有变化吗？
•输出结果的形式是列联表、描述性统计，还是推论性统计，抑或是多变量分析？你需要清楚地知道自己所需的数据形式，并且要能向别人进行清晰地描述。同负责数据处理的管理人员进行沟通，以清楚在时间、金钱及输出结果上各有什么样的限制。

1.背景简介

为了向数据处理管理人员说明项目背景以及调研目的，数据处理明细单中要包含项目背景介绍的有关信息。当然，你也可以直接将项目调研手册交给数据处理的管理人员。这时的信息可以帮助数据处理的管理人员对工作有一个更好的理解，在数据处理以及分析上也能有更多的选择。

在涉及多个国家的调研中，需要提前在脑海中产生分析计划，如果研究的目的是要将在不同国家获得的数据进行对比，此时应该将这些国家的数据一起制作成数据表，而不是对每个国家制作一张数据表。此时还应该考虑是否要将数据加权，以反映市场规模或人口总量。同时还需要考虑，每个国家需要分别呈现数据还是共同呈现，以及是否要将数据表翻译为不同的语言。

2.数据表横行或表头

需要简要地说明你希望各个变量（如年龄、社会阶层）如何在数据表中展现，例如，在问卷中有关年龄的问题可能有18〜24岁、25〜34岁、35〜44岁、45〜54岁等选择，这种分组或许就是你想在数据表中呈现的形式。因而，你可以在数据处理明细单中标注“年龄x4——同问卷”，换句话说，年龄这一变量将被分为四组。在其他的变量中可能这种说明不会很直接，而需要你列出相应的解释。

在设计数据表表头时就形成最终数据表的布局是很重要的。为了能使数据表看起来整洁有序，有助于表格的阅读，一张表格里面可以包含几个表头。如果表中包含若干张表格，你就需要决定如何将表格分拆成有意义的几组表格。表格表头的名称顺序能够帮你更快地找到数据表，一般来说这时候的数据表表头是按照人口统计来划分的，包括年龄、性别、社会阶层等内容。当然，此时釆用其他的标准划分也是有效的，如高端用户、中端用户以及低端用户。

除了按照人口统计标准来观察被调研者的答案，还可以按照不同的表格名称来查看，对于网格问题你可能需要阅读表格摘要。摘要性表格主要是指带有名称的表格，例如，在网格类问题中网格上方或下方出现的一些注解。为了对比的需要，你可能需要选出一些问题的相关数据并呈现在一张表格上，而在同一张表格下方可能需要列出另一个时段的相关数据。有时你也需要将一个变量的不同取值做一个总结编码，例如，将“很满意”和“相当满意”合并为“同意”，或者是在一系列回答中将对某种服务的喜欢程度由“喜欢”合并为“任何意义上的喜欢”。一般来说，数据表以全部样本的答复为基础才是合适的，但在有些情况下需要根据不同的标准进行过滤，例如，将被调研者区分为“现在购买者”或“听说过该品牌的人”。要记得，过滤标准是针对整个数据表来说的，因此一定要注意不要混淆了过滤标准和“两分式数据"(topbreak),“两分式数据”仅仅是列标题。

3.摘要和推测性统计

考虑一下在数据表中你需要什么样的统计数据。例如，对于不同等级的评分问题你可能需要平均得分；对于算数变量(如营业额和员工数量)，你可能需要平均值、中值以及标准差。如果你需要平均得分的话，就要考虑一下用什么样的方法得到平均得分。例如，对于得分区间为-2〜+2的题目，是直接计算其平均值，还是先转换为+1〜+4的得分以方便和其他数据的对比，还是要与客户先沟通一下？如果数据是从随机样本中获得的，你可能需要对其进行统计显著性检验。在你需要进一步分析时要给出具体的要求，比如在进行因子分析或聚类分析的时候。