在表格中重新标注。检查数据的缺失类型。分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。明确设计上不可忽略的缺失数据两种类型，已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。检查数据的缺失程度的统计比例，每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理—删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%），通常会进行补救
论文写作中数据实际涉及很多方面的，大部分是涉及到企业内部管理制度、组织结构、年度规划、年度报告、财务报表等等。根据写作经验，通过知网找资料只能找到一些通用性的介绍，如公司简介、相关理论等，即使找到数据，也不是最新的。所以还需要通过其他渠道搜集数据。实际上，能否找到足够的数据与选择的公司有很大的关系。如果是对数据要求非常高，建议选择上市公司作为研究对象，上市公司相关信息与财务数据全部是公开的，通过同花顺、东方财经网等都能够找到历年的财务数据以及相关资料。截至目前，上市公司数据已经更新到了2021年9月份，完全能够支持论文写作的。如果不是上市公司，那尽量选择自己熟悉的公司，确保自己能够获得一手资料来充实论文。当然，还有一些大型企业，虽不是上市公司，但是在百度上输入“公司名称年报”也是能够搜的部分数据的。
在表格中重新标注。检查数据的缺失类型。分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。明确设计上不可忽略的缺失数据两种类型，已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。检查数据的缺失程度的统计比例，每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理—删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%），通常会进行补救
在表格中重新标注。检查数据的缺失类型。分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。明确设计上不可忽略的缺失数据两种类型，已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。检查数据的缺失程度的统计比例，每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理—删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%），通常会进行补救
在表格中重新标注。检查数据的缺失类型。分为两种情况，一种是设计上可忽略的缺失数据，另外一种是设计上不可以忽略的缺失数据。明确设计上不可忽略的缺失数据两种类型，已知的情况：过程性因素导致的缺失。数据公开受限；没有完成问卷；被试选取失误（生病等）等。 未知的情况：直接由被试的原因导致的。比如被试拒绝回答某些题目。检查数据的缺失程度的统计比例，每个个案(case)在所有变量上的缺失比例；在每个变量上缺失数据的个案比例；在所有变量上都没有缺失的个案比例。检查数据的缺失程度的判定标准。缺失比例低于10%，使用任何一种缺失数据的处理方法，差异都不大，但不包括非随机缺失。对有过多缺失的个案或变量进行简单的处理—删除；缺失比例15%以上的变量可以考虑删除，但缺失比例更高的（20%~30%），通常会进行补救
多参考同类型论文，对其结果进行研究，选择结果一致并且可以和你论文里结果一致的，根据百分比对你的数据进行微调即可
其实，毕业论文的调查数据没必要很多啊，估计100-200份就可以了，我之前都是在问卷网上设计问卷，然后发布问卷的，发给同学之类的，让他们帮填一下，很方便的。