相同比例可能来自不同信息量
阅读神圣计划样本统计时，七条目标记录占十条的百分之七十，七百条占一千条也为百分之七十。比例相同，只说明这两份示例资料的构成在这个指标上相同，并不表示它们覆盖了同样多的情况，或具有相同的稳定程度。
查看占比时应同时看次数、分母和观察范围。十条可能来自十个独立时点，一千条可能只是十条的重复副本；也可能正好相反。样本量是重要信息，但只有确认每条代表什么，才能理解数字增加带来了什么。
单条影响随着固定分母变化
在固定十条中，一条类别变更会让占比变化十个百分点；在固定一千条中，一条变更只影响零点一个百分点。大分母降低了单条记录的相对影响，这是可以直接算出的性质。但它不能证明来源准确，也不能消除系统性遗漏。
如果表格把同一事件重复了一百次，即使总行数很大，新增的独立信息仍然有限。应检查事件标识、时间与来源关系，区分名义行数和实际观察对象。无法判断重复关系时，报告原始行数和去重后的数量比只报一个总数更清楚。
覆盖范围决定能讨论哪些情况
一千条都在同一小时取得的资料，与分布在多个时段的一千条资料，覆盖的环境可能不同。若问题涉及长期变化，时间跨度与各段覆盖就很重要。不能因为行数达到某个整数，就跳过对象、时段和条件的检查。
可以制作一张覆盖表，按日期或条件列出有效数量、缺失数量和来源。若某一段占据绝大多数，合并占比会主要反映这一段。需要比较不同条件时，应先分别计算，再考虑是否有依据合并，而不是让总体样本量掩盖结构差异。
多取数据不能修复选择偏差
只收集容易取得或看起来有趣的记录，样本再多也可能偏向某一类。扩大收集之前，先规定从哪里开始、何时停止、哪些记录纳入，以及缺失如何登记。不要因为前十条结果不符合预期，就改变目标数量或另换起点。
若来源自身只展示精选记录，应在资料说明中保留这一限制。补充更多同样筛选过的页面，不能自动得到完整总体。此时可以研究展示内容的特点，但不宜把展示占比解释为所有实际事件的占比。
让样本计划服务于具体问题
收集前写清楚想比较什么，选择能够回答该问题的观察单位和分组方式。收集过程中保存全部记录与失败原因，收集后再检查覆盖、重复和缺失。若发现规则不适合，应记录调整时间，让新旧阶段分开统计。
没有适用于所有问题的固定合格条数。十条资料可以帮助发现格式错误或提出初步问题，一千条资料可以提供更宽的历史覆盖，但任何规模都需要来源与方法支持。报告以实际样本能够回答的范围为限，不从行数直接推导未来判断的可靠性。