Podemos escuchar con bastante frecuencia la afirmación que detrás de “todo” hay una base de datos. En principio puede parecer una exageración, y en cierto modo lo es, pero es cierto que casi todas las herramientas electrónicas que utilizamos contienen o se conectan a una base de datos, física o en la nube, más o menos compleja. Las bases de datos nos rodean y almacenan todos y cada uno de los datos de forma continuada. Nuestros móviles recogen los pasos que damos, a quien llamamos, donde nos conectamos. Una búsqueda simple en nuestro navegador nos mostrará la gran cantidad de información que recogen las páginas web sobre nosotros, nuestras costumbres y hábitos. Estos datos almacenados se han convertido en la base de la inteligencia artificial (IA) y lo que ha permitido a empresas como Google o Amazon convertirse en los gigantes que ahora son. Han hecho realidad el dicho del conocimiento es poder. En el mundo que nos ocupa aquí y ahora, la investigación clínica y educativa, tenemos que prestar especial atención a la recogida de los datos. Son de carácter sensible y pueden suponer una vulneración de los derechos de los participantes en los estudios. Por motivos evidentes, la armonización y anonimización de los datos que recogemos debe ser una parte indispensable en nuestros trabajos, no solo por ética, sino porque estamos obligados por la LOPD-GDD. Nos centraremos en las preguntas que debemos hacernos antes de pensar en la recogida de datos: a) Una correcta arquitectura de la base de datos,  b) un diccionario de datos adecuado, c) el equilibrio entre ideal técnico y el ideal usuario, d) qué base de datos utilizo y e) armonización y anonimización de las bases de datos.