最常用的传统的数据收集方法包括观察法、访谈法和问卷法。随着技术的进步，收集数据的方法也会发生改变。

    2.3.1 计算机网络

    网络的广泛应用如因特网（在企业内部是局域网）对数据收集有着广泛而深入的影响。现在的任务清单或其他类型的纸笔调查将逐渐被网络所代替，特别是那些需要应用计算机的工作。因为被调查者可以将信息直接输入计算机，摆脱了打印以及邮寄等繁琐的手续。当然，应用网络也存在一些问题，包括调查的显示，调查的匿名性以及数据的一致性，数据库可能会遭到黑客攻击等，所以，利用计算机收集的数据质量将会成为比较严峻的问题。

    2.3.2 电子业绩监督

    计算机能够监视员工的工作过程，可以对工作做出详细的分析。但是，计算机却不能理解所记录的内容，也就是说，计算机并不知道人们在工作中做什么。这种设想在不远的将来也会实现，那时计算机能够告诉我们某人是否在写信、编写代码，或者从因特网上下载文件等等与工作并不相关的活动。人工智能的增强将会使电子业绩监督变得越来越普遍。

    2.3.3 预测

    在研究的工作现在并不存在时，就不能对任职者进行观察、访谈或问卷调查。在这种情况下，只能对工作进行猜测。解决方法之一就是请工作小组列出现在和未来的任务，小组成员必须想象未来的工作是什么样，然后说明工作流程。

    另一种方法是采用模拟手段。较为典型的是采用“情景假设”。例如，航空控制中。许多工作必须在控制塔内通过观望窗来完成，现在只需在无窗的房间内通过计算机屏幕就可以完成。专家能够根据情景来想象在新式无窗的环境怎样工作，他们能够说出新工作有何不同，以及从事新工作时如何进行有效沟通和及时传送信息。（Sanchez & Levine，1999）。

    2.4 分析单元

    时间动作研究采用动素作为最基本的分析单元。动素依然很重要，但是现在经常用于机器人的工作分析。现在的工作变得更加灵活，所以分析单元也会变得更加广泛。

    我们在前面提到过，在未来许多工作中将广泛采用的胜任素质模型，人格特质理论如大五理论和竞争力模型会得到普遍应用。然而，这种方法会受到内外诸多压力。首先，不考虑任务，基于广泛特质的系统在合法性审查时会遇到麻烦。第二，不考虑任务，是很难理解工作本身的特性，信息的价值就会因此受到限制。举例来说，如果一项工作采用职位分类问卷（PAQ）分析的，其信息对于薪酬的发放很有效果，但是对于工作设计来说，作用并不大。第三，由于缺乏相应的信息，并不能有效地列举企业的核心竞争力。

    在这种情况下，制度之间的紧密性和连通度则成为相对新的分析单元。对此还要加以研究，以明确这种分析单元怎样才能提供有效的数据，以便能够用于招聘、培训、工作设计或其他的人力资源活动。例如，连通性数据对于评估专家的意见非常有用，所以能够部分用于培训认证、培训评估或工作业绩标准。

    2.5 传播、存储和修订

    当工作分析项目完成以后，其信息的传播并非常重要，并且应该保存下来。如果工作分析的信息能够与其他信息联系起来的话，那么其用途将是不可限量。例如O*NET可以将工作相关的能力与劳动力市场和薪酬调查联系起来。下面则说明了关于传播、存储和修订方面的其他问题。