要对案例研究的数据集进行分类，您应首先将数据源分为一手数据和二手数据，然后按定性或定量格式进行分类，最后使用主题编码（thematic coding）对信息进行分组。
案例研究通常需要从多个来源提取信息，以建立对研究主题全面、深入的理解。由于这种方法高度依赖数据三角互证（data triangulation）——即使用不同类型的证据来验证研究结果——因此，合理的分类对于保持研究的条理性并防止信息过载至关重要。
以下是对案例研究数据进行分类的实用分步方法：
1. 区分一手数据和二手数据
首先根据数据的收集方式对数据集进行划分。
- 一手数据（Primary Data）： 这包括您专门为项目第一手收集的原始数据，例如访谈记录、直接观察的现场笔记或定制的调查结果。
- 二手数据（Secondary Data）： 这包括现有信息，例如公司报告、档案记录、人口普查数据或以往的学术文献。如果您正在处理大量的二手文献，使用像 WisPaper 的 My Library 这样的工具可以让您轻松地整理这些参考文献，并通过 AI 与您上传的文档进行对话，从而快速定位和分类相关细节。
2. 按定性与定量格式分类
案例研究经常使用混合方法（mixed-methods approach）。根据数据集的基本性质对它们进行分组，以便您清楚在数据分析阶段应应用哪些分析工具。
- 定性数据（Qualitative Data）： 文本密集型和描述性数据，如开放式问卷回复、焦点小组记录和观察笔记。这些将需要定性数据分析（QDA）技术。
- 定量数据（Quantitative Data）： 数值数据，如财务电子表格、网站分析或李克特量表（Likert-scale）调查结果。这些将需要统计分析。
3. 按研究问题或主题进行组织
一旦您的数据按来源和类型完成了排序，就可以对实际内容进行分类。创建与您的核心研究问题直接对应的文件夹或数字“存储桶”。在您审查数据集时，应用主题编码来标记特定的段落、引文或数据点。例如，如果您正在进行关于远程工作的商业案例研究，您的主题类别可能包括“沟通挑战”、“生产力指标”和“员工福祉”。或者，对于历史案例研究，按时间顺序对数据进行分类可能会更有效。
4. 建立案例研究数据库
为了确保所有资料都便于查阅，请创建一个集中的案例研究数据库或主清单。这可以是一个简单的电子表格，列出您已分类的每一个数据集。您可以设置不同的列，分别记录数据来源、收集日期、数据类型，以及该数据与总体主题相关性的简短摘要。拥有一个分类完善的数据库可以确保在撰写案例研究时，您能够轻松地将得出的结论追溯到确切的证据。