Till innehåll på sidan
Till KTH:s startsida

Samla, lagra och analysera

Det finns väldigt många olika sätt att samla in, lagra och analysera data inom olika forskningsfält. Det finns därför många olika ämnesspecifika digitala resurser du kan använda dig av i din forskning, men också en del generella tjänster du kan använda dig av.

Grafisk illustration över forskningsdatalivscykeln med fokus på samla, lagra och analysera
Planera och dokumentera Samla, lagra och analysera Deponera och publicera Arkivera och långtidslagra

Kommande evenemang om forskningsdata

Vissa faktorer som kräver mer planering för att hantera data i aktiv forskning är om du:

  • Arbetar med mycket stora datamängder.
  • Arbetar med mycket komplexa dataset, till exempel insamlade från flera olika källor och i olika filformat.
  • Samlar in och bearbetar känsliga data.
  • Delar data mellan flera personer och organisationer.

Du kan läsa mer om att samla, lagra och analysera data i avsnitten nedan. Se också sidan om att Samarbeta och dela data i aktiv forskning

Har du fortfarande frågor? Kontakta oss på researchdata@kth.se.

Hitta och samla in data

Att samla in och hitta data är en central del av forskning och beslutsfattande. Här nedan går vi igenom olika sätt och plattformar att hitta data.

Analysera och lagra data under aktiv forskning

När du arbetar digitalt med data lagras den alltid någonstans. Inom aktiv forskning kan data lagras på olika platser, beroende på om du använder:

  • En lokal hårddisk eller lokal enhet.
  • En centralt tillhandahållen molnfildelningstjänst som KTH OneDrive .
  • Lagring i KTH:s datorhallar – antingen genom tjänsten Utökad Datalagring  eller i form av lagring på virtuell server
  • Lagringsutrymme och tjänster som tillhandahålls av en forskningsinfrastruktur, exempelvis på KTH PDC Data Storage  för de som har större beräkningsbehov vid analys av data.  
  • På EU-nivå har universitetsanställda även tillgång till EOSC:s molntjänster för fildelning  och analys av data.
  • Tjänster som tillhandahålls av samarbetspartners inom ett forskningsprojekt.
  • Molnlagring som ingår i analysmjukvara.
  • Öppna webbaserade lagringslösningar.

Olika typer av restriktioner kan påverka vilka bearbetnings- och lagringslösningar som är lämpliga att använda. Vissa lagringslösningar kan vara för långsamma eller för dyra för ditt användningsområde, medan juridiska restriktioner kan begränsa valmöjligheterna för programvara och lagring, särskilt om du arbetar med känslig data eller är bunden av specifika klausuler i ett avtal. När du arbetar med känslig data gäller även restriktioner för hur du arbetar och delar data – läs mer på sidan om rekommendationer för arbete med känsliga data .