نه یک استراتژی آماده خالص و نه استراتژی سفارشی خالص از توانایی های عصر دیجیتال به طور کامل استفاده می کند. در آینده ما می خواهیم هیبرید ها را ایجاد کنیم.
در مقدمه، من به سبک آماده سازی مارسل Duchamp با سبک سفارشی میکل آنژ متعلق بود. این کنتراست نیز تفاوت بین دانشمندان داده، که تمایل به کار با آماده سازی، و دانشمندان علوم اجتماعی است، که تمایل به کار با custommades. با این حال، در آینده، من انتظار دارم که بیشتر هیبریدی ها را مشاهده کنیم زیرا هر یک از این روش های خالص محدود است. محققانی که میخواهند فقط از آمادگی برای استفاده استفاده کنند، به مبارزه می پردازند، زیرا در جهان چندین آمادگی زیبا وجود ندارد. از سوی دیگر، محققانی که مایل به استفاده از سفالهای سفارشی هستند، مقداری را قربانی می کنند. با این حال، روش های ترکیبی می تواند مقیاس هایی را که با آماده سازی آماده می شوند ترکیب کند که بین سوالات و داده هایی که از Custommades می آید، مناسب باشد.
ما نمونه هایی از این هیبرید ها را در هر یک از چهار فصل تجربی دیدیم. در فصل دوم، ما شاهد این بود که چگونه Google Flu Trends یک سیستم همیشه با داده های بزرگ (پرس و جو جستجو) را با یک سیستم اندازه گیری سنتی مبتنی بر احتمال (سیستم نظارت بر آنفلوانزا CDC) برای تولید تخمین های سریع تر ترکیب می کند (Ginsberg et al. 2009) . در فصل 3، شاهدیم که استفان انسولابئه و ایتان هرش (2012) با استفاده از داده های نظرسنجی سفارشی، با داده های اداری دولتی آماده شده، برای کسب اطلاعات بیشتر در خصوص ویژگی های افرادی که در حقیقت رای دارند. در فصل 4 ما دیدیم که چگونه Experiments Opower یک زیرساخت اندازه گیری برق آماده سازی را با یک روش سفارشی ترکیب کرد تا اثر هنجارهای اجتماعی را بر رفتار میلیون ها نفر (Allcott 2015) . در نهایت، در فصل 5، ما دیدیم که چگونه کنت بنویت و همکارانش (2016) یک فرایند رمزگذاری سفارشی را به یک مجموعه آماده برای مانیفست ایجاد شده توسط احزاب سیاسی برای ایجاد داده هایی که محققان می توانند برای مطالعه پویایی بحث های سیاسی استفاده کنند، اعمال کرد.
این چهار نمونه نشان می دهد که یک استراتژی قدرتمند در آینده، غنی سازی منابع اطلاعاتی بزرگ است که برای تحقیق ایجاد نشده است، با اطلاعات اضافی که آنها را برای پژوهش مناسب تر می سازد (Groves 2011) . این که آیا با طراحی سفارشی یا آماده سازی شروع می شود، این سبک ترکیبی، وعده زیادی برای بسیاری از مشکلات تحقیقاتی دارد.