Secondary data is data collected by someone else, usually for a purpose other than your research question. Using it is not a lesser form of research; substantial parts of finance, economics, and strategy scholarship rest entirely on it, and in many contexts it is the only way to reach a scale that primary collection could never afford.
The trade is straightforward. You gain scale, history, and cost: thousands of firms rather than dozens, twenty years rather than one, and weeks of work rather than a year of fieldwork. You give up control of definition: the variables exist in the form someone else chose, measured how they chose, for the population they cared about, in the periods they happened to cover.
That loss of control is the whole methodological problem, and it has one governing principle: the data were produced for a purpose, and the purpose shapes them. A regulator's dataset reflects what the regulator needed to enforce. A firm's personnel records reflect what its systems were built to track and what managers had an incentive to record. A commercial database reflects which firms its clients pay to know about. None of this makes the data unusable; all of it must be known before the data are used.
This framework covers the six kinds of secondary source, the four gates a dataset must pass before you build on it, how to appraise quality when you did not collect it, document analysis as a distinct method, and how to report all of this in a methodology chapter. It is my own synthesis, written in my own words and grounded in recognized scholarship.
البيانات الثانوية بياناتٌ جمعها غيرك، لغرض غير سؤال بحثك عادةً. واستخدامها ليس صيغةً أدنى من البحث؛ فأجزاء كبيرة من علم التمويل والاقتصاد والاستراتيجية تقوم عليها كليًا، وفي سياقات كثيرة هي السبيل الوحيد لبلوغ حجم لم يكن الجمع الأولي ليتحمّله أبدًا.
والمقايضة مباشرة. فتكسب الحجم والتاريخ والكلفة: آلاف المنشآت لا عشرات، وعشرين سنة لا واحدة، وأسابيع عمل لا سنة عمل ميداني. وتتنازل عن ضبط التعريف: فالمتغيرات موجودة بالصيغة التي اختارها غيرك، مقيسةً كما اختار، للمجتمع الذي عناه، في الحقب التي صادف أن غطاها.
وفقدان الضبط ذاك هو المشكلة المنهجية كلها، وله مبدأ حاكم واحد: البيانات أُنتجت لغرض، والغرض يشكّلها. فمجموعة بيانات جهة تنظيمية تعكس ما احتاجته الجهة للإنفاذ. وسجلات موظفي منشأة تعكس ما بُنيت أنظمتها لتتبّعه وما كان للمديرين حافز لتسجيله. وقاعدة تجارية تعكس أي المنشآت يدفع عملاؤها لمعرفتها. ولا شيء من هذا يجعل البيانات غير صالحة؛ وكله يجب أن يُعرَف قبل استخدامها.
ويغطي هذا الإطار أنواع المصادر الثانوية الستة، والبوابات الأربع التي يجب أن تجتازها مجموعة بيانات قبل البناء عليها، وكيف تُقيَّم الجودة وأنت لم تجمعها، وتحليل الوثائق منهجًا متمايزًا، وكيف يُبلَّغ عن هذا كله في فصل منهجية. وقد أعددتُ هذا الإطار بنفسي وكتبتُه بأسلوبي، معتمدًا على المراجع العلمية المعتمدة.
Each kind has a characteristic strength and a characteristic distortion, and knowing both before you choose is what prevents a design built on the wrong thing.
Official statistics are produced by national statistical offices and public agencies to standards that are usually documented, which makes them the most transparent secondary source available. Their strength is coverage and comparability over time. Their limitation is aggregation: they describe populations and regions rather than firms and individuals, so they support context and macro-level questions but rarely a firm-level analysis.
Corporate disclosure is what firms publish because they must or because they choose to. Filings are audited and comparable within a regime; sustainability and governance reports are largely unaudited and are written to persuade. The characteristic distortion is selection: firms disclose what favours them, non-disclosure is not random, and a study of what firms report is a study of reporting rather than of practice unless the difference is addressed.
Commercial databases assemble firm financials, market data, ownership, patents, and increasingly job postings and web-derived indicators. Their strength is scale and structure. Their limitations are coverage skewed towards larger and listed firms, definitions that change without announcement, and licence terms that may restrict what you can publish or share.
Internal organizational records are the richest source available to a doctoral student with access, and the most sensitive. Personnel, transaction, and operational systems hold detail no survey could reach. The distortions are that fields are completed to the extent someone was required to complete them, that categories reflect administrative rather than analytical needs, and that access is granted by someone who has an interest in the result.
Archived research data, deposited by other researchers, comes with documentation, instruments, and often published analyses, which makes appraisal much easier. It is underused in business research relative to its availability. Documents and text, meaning policies, minutes, media coverage, and platform reviews, are secondary data too, and analysing them is a method in its own right rather than background reading.
لكل نوع قوةٌ مميزة وتشويهٌ مميز، ومعرفة الاثنين قبل الاختيار هي ما يمنع تصميمًا مبنيًّا على الشيء الخطأ.
والإحصاءات الرسمية تنتجها أجهزة الإحصاء الوطنية والهيئات العامة بمعايير موثَّقة عادةً، وهذا يجعلها أشفّ مصدر ثانوي متاح. وقوّتها التغطية والقابلية للمقارنة عبر الزمن. وحدّها التجميع: فهي تصف مجتمعات ومناطق لا منشآت وأفرادًا، فتسند أسئلة السياق والمستوى الكلي ونادرًا ما تسند تحليلًا على مستوى المنشأة.
وإفصاح الشركات ما تنشره المنشآت لأنها ملزَمة أو لأنها تختار. والإفصاحات مدقَّقة وقابلة للمقارنة داخل نظام تنظيمي؛ وتقارير الاستدامة والحوكمة غير مدقَّقة إلى حد بعيد وتُكتَب للإقناع. والتشويه المميز الانتقاء: فالمنشآت تفصح عمّا يحابيها، وعدم الإفصاح ليس عشوائيًا، ودراسةُ ما تُبلغ به المنشآت دراسةٌ للإبلاغ لا للممارسة ما لم يُعالَج الفرق.
والقواعد التجارية تجمّع ماليات المنشآت وبيانات الأسواق والملكية وبراءات الاختراع، وبازدياد إعلانات الوظائف والمؤشرات المستخرَجة من الوب. وقوّتها الحجم والبنية. وحدودها تغطيةٌ مائلة نحو المنشآت الأكبر والمدرَجة، وتعريفاتٌ تتغير بلا إعلان، وشروطُ ترخيص قد تقيّد ما تستطيع نشره أو مشاركته.
والسجلات التنظيمية الداخلية أغنى مصدر متاح لطالب دكتوراه لديه وصول، وأشدها حساسية. فأنظمة الموظفين والمعاملات والتشغيل تحمل تفصيلًا لا يستطيع مسحٌ بلوغه. والتشويهات أن الحقول تُملأ بقدر ما كان أحدهم مطالَبًا بملئها، وأن الفئات تعكس حاجات إدارية لا تحليلية، وأن الوصول يمنحه شخصٌ له مصلحة في النتيجة.
وبيانات البحوث المؤرشفة، المودَعة من باحثين آخرين، تأتي بتوثيق وأدوات وتحليلات منشورة غالبًا، وهذا يجعل التقييم أسهل بكثير. وهي قليلة الاستعمال في بحوث الأعمال نسبةً إلى إتاحتها. والوثائق والنصوص، أي السياسات والمحاضر والتغطية الإعلامية ومراجعات المنصات، بياناتٌ ثانوية أيضًا، وتحليلها منهجٌ قائم بذاته لا قراءةً خلفية.
Before building a study on a dataset, run it through four gates in order. Failing an early gate makes the later ones irrelevant, which is why the order matters.
Gate one, construct fit. Does the available variable measure what your concept means? A database field called training expenditure measures what the accounting system booked to that code, which may exclude on-the-job coaching, may include unrelated events, and may vary in scope between firms. The discipline is to write your conceptual definition first and then ask whether the field satisfies it, rather than reading the field name and assuming it does. Where the fit is partial, say so and treat the variable as a proxy, naming what it captures and what it misses.
Gate two, coverage fit. Does the dataset cover your population, your period, and your unit of analysis? Check three things specifically: whether small or unlisted firms are included, since most commercial databases under-represent them; whether the series is continuous across your period or has breaks; and whether definitions changed, since a variable redefined in a particular year makes a before-and-after comparison meaningless unless it is handled.
Gate three, quality. Who produced the data, by what procedure, and with what incentive? Self-reported data carry the producer's interest. Administrative data carry the completeness of whatever process required them. Audited data are more reliable than unaudited within the same document. Ask specifically how missing values arise, since missingness is almost never random: firms that do not report a figure usually differ from those that do, in a direction you can often reason about.
Gate four, access. Can you obtain the data, use it lawfully for research, and publish the results? Licences differ, and some prohibit redistribution of derived datasets, which affects whether you can deposit your data. Internal organizational data requires a written agreement covering purpose, retention, anonymisation, and publication rights, and that agreement should be settled before ethics approval rather than after.
Document each gate in one or two sentences in the methodology. A reader who can see that you asked these questions trusts the analysis in a way that no amount of statistical sophistication achieves on its own.
قبل بناء دراسة على مجموعة بيانات، مرّرها عبر أربع بوابات بالترتيب. فالإخفاق في بوابة مبكرة يجعل اللاحقة بلا معنى، ولهذا يهم الترتيب.
البوابة الأولى، ملاءمة البناء. هل يقيس المتغير المتاح ما يعنيه مفهومك؟ فحقلُ قاعدةٍ اسمه «إنفاق التدريب» يقيس ما قيّده النظام المحاسبي على ذلك الرمز، وقد يستبعد التدريب أثناء العمل، وقد يشمل فعاليات لا صلة لها، وقد يتباين نطاقه بين المنشآت. والانضباط أن تكتب تعريفك المفاهيمي أولًا ثم تسأل هل يستوفيه الحقل، لا أن تقرأ اسم الحقل وتفترض. وحيث تكون الملاءمة جزئية، فقُل ذلك وعامل المتغير وكيلًا، مسمّيًا ما يلتقطه وما يفوته.
البوابة الثانية، ملاءمة التغطية. هل تغطي مجموعة البيانات مجتمعك وحقبتك ووحدة تحليلك؟ افحص ثلاثة أشياء تحديدًا: هل المنشآت الصغيرة أو غير المدرَجة مشمولة، فمعظم القواعد التجارية تقصّر في تمثيلها؛ وهل السلسلة متصلة عبر حقبتك أم فيها انقطاعات؛ وهل تغيّرت التعريفات، لأن متغيرًا أُعيد تعريفه في سنة بعينها يجعل مقارنة «قبل وبعد» بلا معنى ما لم يُعالَج.
البوابة الثالثة، الجودة. من أنتج البيانات، وبأي إجراء، وبأي حافز؟ فالبيانات المُبلَّغ عنها ذاتيًا تحمل مصلحة منتجها. والبيانات الإدارية تحمل اكتمال العملية التي تطلبتها. والبيانات المدقَّقة أوثق من غير المدقَّقة داخل الوثيقة نفسها. واسأل تحديدًا كيف تنشأ القيم المفقودة، فالفقدان لا يكاد يكون عشوائيًا أبدًا: فالمنشآت التي لا تُبلغ برقم تختلف عادةً عن التي تُبلغ، في اتجاه تستطيع التعليل عنه غالبًا.
البوابة الرابعة، الوصول. هل تستطيع الحصول على البيانات واستخدامها قانونًا للبحث ونشر النتائج؟ فالتراخيص تختلف، وبعضها يمنع إعادة توزيع مجموعات البيانات المشتقة، وهذا يؤثر في هل تستطيع إيداع بياناتك. والبيانات التنظيمية الداخلية تتطلب اتفاقًا مكتوبًا يغطي الغرض والاحتفاظ وإخفاء الهوية وحقوق النشر، وذلك الاتفاق ينبغي حسمه قبل إقرار الأخلاقيات لا بعده.
ووثّق كل بوابة في جملة أو جملتين في المنهجية. فالقارئ الذي يرى أنك سألت هذه الأسئلة يثق بالتحليل بطريقة لا يحققها أي قدر من التطور الإحصائي وحده.
Documents are not just background. Analysing them systematically is a method with its own procedure, and treating it as such is what distinguishes evidence from illustration.
| Question | Why it matters |
|---|---|
| Who produced this and for whom? | Audience shapes content more than truth does |
| Why was it produced? | Compliance, persuasion, and record-keeping produce different texts |
| What genre is it? | Genre conventions determine what can and cannot appear |
| What is absent? | Systematic silence is often the most informative feature |
| Is it complete and authentic? | Drafts, extracts, and edited versions circulate as originals |
| How does it relate to practice? | A policy document describes intention, not behaviour |
The last question is the one most often skipped in business research. A code of conduct tells you what an organization says it requires; it tells you nothing about compliance. A strategy document tells you what leadership wished to communicate at that moment. Treating stated policy as evidence of practice is the characteristic error of document-based business studies, and the remedy is either to say explicitly that you are studying stated policy, which is a legitimate object, or to triangulate with a source that observes behaviour.
The procedure is the same as any other qualitative analysis and should be reported the same way. Define the corpus: which documents, from which organizations, over what period, and how they were obtained. State the selection rule, since a corpus assembled from whatever was available online has a coverage bias that must be named. Build a coding frame, apply it systematically, and report how it was developed and checked.
Two techniques recur. Content analysis counts the presence of defined categories across documents, which supports comparison across firms or over time and produces quantitative data from text. Thematic analysis interprets meaning and is appropriate when the question concerns how something is framed rather than how often it appears. Both are legitimate; using the word analysis for a process of reading and quoting is not.
Where documents supplement other data, say what role they play. Three roles are standard and each should be named: corroboration, where a document confirms an interview account; context, where documents establish the setting in which behaviour occurred; and contradiction, where the document and the interview differ, which is frequently the most productive finding a mixed-source study can produce.
الوثائق ليست خلفية فحسب. فتحليلها منهجيًا منهجٌ بإجراء خاص، ومعاملته كذلك هي ما يميّز الدليل عن التوضيح.
| السؤال | لماذا يهم |
|---|---|
| من أنتج هذا ولمن؟ | الجمهور يشكّل المحتوى أكثر مما تشكّله الحقيقة |
| لماذا أُنتج؟ | الامتثال والإقناع وحفظ السجلات تُنتج نصوصًا مختلفة |
| أي جنس نصي هو؟ | أعراف الجنس تحدد ما يمكن وما لا يمكن أن يظهر |
| ما الغائب؟ | الصمت المنهجي كثيرًا ما يكون أكثر السمات إفادةً |
| هل هو كامل وأصيل؟ | المسودات والمقتطفات والنسخ المحرَّرة تدور بوصفها أصولًا |
| كيف يتصل بالممارسة؟ | وثيقة السياسة تصف النية لا السلوك |
والسؤال الأخير هو الأكثر تخطّيًا في بحوث الأعمال. فمدونة السلوك تخبرك بما تقول منظمةٌ إنها تشترطه؛ ولا تخبرك شيئًا عن الامتثال. ووثيقة الاستراتيجية تخبرك بما رغبت القيادة في إيصاله في تلك اللحظة. ومعاملةُ السياسة المعلنة دليلًا على الممارسة هي الخطأ المميز لدراسات الأعمال القائمة على الوثائق، والعلاج إما قولُ صريح بأنك تدرس السياسة المعلنة، وهي موضوع مشروع، أو التثليث بمصدر يلاحظ السلوك.
والإجراء هو نفسه أي تحليل نوعي آخر وينبغي الإبلاغ عنه بالطريقة نفسها. عرّف المدونة النصية: أي وثائق، ومن أي منظمات، وعبر أي فترة، وكيف حُصِّلت. واذكر قاعدة الاختيار، لأن مدونةً مجمَّعة مما كان متاحًا على الإنترنت فيها تحيّز تغطية يجب تسميته. وابنِ إطار ترميز، وطبّقه منهجيًا، وأبلغ بكيفية تطويره وفحصه.
وتقنيتان تتكرران. تحليل المحتوى يَعُدّ حضور فئات معرَّفة عبر الوثائق، وهذا يسند المقارنة عبر المنشآت أو عبر الزمن وينتج بيانات كمية من النص. والتحليل الموضوعي يفسّر المعنى ويلائم حين يتعلق السؤال بكيفية التأطير لا بتكرار الظهور. وكلاهما مشروع؛ واستخدام كلمة «تحليل» لعملية قراءة واقتباس ليس مشروعًا.
وحيث تكمّل الوثائق بيانات أخرى، فقُل أي دور تؤديه. وثلاثة أدوار معيارية وكلٌّ ينبغي تسميته: التعزيز، حيث تؤكد وثيقةٌ عرضَ مقابلة؛ والسياق، حيث تثبّت الوثائق الإطار الذي وقع فيه السلوك؛ والتناقض، حيث تختلف الوثيقة والمقابلة، وهذا كثيرًا ما يكون أنتج نتيجة تستطيع دراسةٌ متعددة المصادر إنتاجها.
A secondary data methodology is short and specific. Six elements cover it, and their absence is what makes an otherwise sound analysis unpersuasive.
One: the source, named precisely with its provider, version, and the date you extracted it, since databases are updated and an extraction two years apart returns different figures. Two: what it contains, meaning the units, the period, the geographic and sector coverage, and the number of observations before any filtering.
Three: the variables you used, each with the source's own definition quoted or paraphrased, and your assessment of construct fit including what a proxy misses. Four: the filters, meaning every rule you applied to move from the full dataset to your analytical sample, with the number of observations removed at each step. This is the flow diagram of secondary research and it should reconcile arithmetically.
Five: data preparation, meaning how missing values were handled, how outliers were identified and treated, how any variables were transformed or constructed, and how records from different sources were matched. Six: limitations arising from the data, stated specifically rather than generically: not the data have limitations, but this variable excludes informal training, and the coverage of firms under fifty employees begins only in 2016.
Four failures recur. The assumed variable: a field used as if it measured the construct because its name resembles it, which is the most common and the least visible. The unexamined missingness: incomplete cases dropped without checking whether they differ, which silently changes the population. The hidden break: a definitional change mid-series treated as real change, producing a finding that is an artefact of measurement. And the unstated filter chain: an analytical sample much smaller than the source with no account of how it shrank.
One broader observation is worth stating. Secondary data invites a particular kind of overconfidence, because a large dataset feels authoritative and the tedium of collection is absent. The discipline that compensates is to spend the time you saved on collection interrogating the data instead: read the documentation fully, plot every variable's distribution before modelling anything, check the definitions against your constructs, and reconstruct a handful of records by hand against the original source. A day spent this way prevents the class of error that no reviewer catches and no reader can detect, which is a correct analysis of a variable that was not what you thought it was.
منهجية البيانات الثانوية قصيرة ومحددة. وستة عناصر تغطيها، وغيابها هو ما يجعل تحليلًا سليمًا لولا ذلك غير مقنع.
واحد: المصدر، مسمّى بدقة بمزوّده وإصداره وتاريخ استخراجك له، لأن القواعد تُحدَّث واستخراجان بفارق سنتين يعيدان أرقامًا مختلفة. واثنان: ما يحويه، أي الوحدات والفترة والتغطية الجغرافية والقطاعية وعدد الملاحظات قبل أي ترشيح.
وثلاثة: المتغيرات التي استخدمتها، كلٌّ بتعريف المصدر نفسه مقتبَسًا أو معادَ صياغته، وتقييمك لملاءمة البناء بما فيه ما يفوته الوكيل. وأربعة: المرشِّحات، أي كل قاعدة طبّقتها للانتقال من مجموعة البيانات الكاملة إلى عيّنتك التحليلية، بعدد الملاحظات المُزالة في كل خطوة. وهذا مخطط تدفق البحث الثانوي وينبغي أن يتوافق حسابيًا.
وخمسة: إعداد البيانات، أي كيف عولجت القيم المفقودة، وكيف حُدِّدت القيم الشاذة وعوملت، وكيف حُوِّلت المتغيرات أو بُنيت، وكيف طُوبقت السجلات من مصادر مختلفة. وستة: الحدود الناشئة عن البيانات، مذكورةً تحديدًا لا عمومًا: لا «للبيانات حدود»، بل «هذا المتغير يستبعد التدريب غير الرسمي، وتغطية المنشآت دون خمسين موظفًا تبدأ من 2016 فقط».
وأربعة إخفاقات تتكرر. المتغير المفترَض: حقلٌ يُستخدَم وكأنه يقيس البناء لأن اسمه يشبهه، وهذا أشيعها وأقلها ظهورًا. والفقدان غير المفحوص: حالاتٌ ناقصة تُسقَط دون فحص هل تختلف، وهذا يغيّر المجتمع بصمت. والانقطاع المخفي: تغيّرٌ تعريفي في منتصف السلسلة يُعامَل تغيّرًا حقيقيًا، فيُنتج نتيجةً هي أثرٌ صناعي للقياس. وسلسلة الترشيح غير المذكورة: عيّنةٌ تحليلية أصغر بكثير من المصدر بلا بيان كيف انكمشت.
وملاحظة أوسع تستحق الذكر. فالبيانات الثانوية تستدعي نوعًا خاصًا من الثقة المفرطة، لأن مجموعة بيانات كبيرة تبدو موثوقة ورتابة الجمع غائبة. والانضباط المعوِّض أن تنفق الوقت الذي وفّرته على الجمع في استجواب البيانات بدلًا منه: اقرأ التوثيق كاملًا، وارسم توزيع كل متغير قبل نمذجة أي شيء، وافحص التعريفات مقابل بناءاتك، وأعد بناء حفنة سجلات يدويًا مقابل المصدر الأصلي. ويومٌ يُنفَق هكذا يمنع صنف الخطأ الذي لا يلتقطه محكّم ولا يكتشفه قارئ، وهو تحليلٌ صحيح لمتغير لم يكن ما ظننته.