在数据中如果存在偏倚或欺诈，应该在记录时采取以下措施：
识别偏倚：
在数据分析过程中，应仔细检查数据是否存在偏倚。偏倚可能源于多种因素，如样本选择不当、测量误差、研究设计缺陷等。通过对比不同来源的数据、分析数据的分布和趋势，以及运用统计方法检测异常值，可以帮助识别潜在的偏倚。
记录偏倚：
一旦识别出偏倚，应在研究报告中详细记录偏倚的类型、可能的原因以及对研究结果的影响。可以使用表格、图形或文字描述等方式，清晰地展示偏倚的存在和程度。
处理偏倚：
针对识别出的偏倚，应采取相应的措施进行处理，如重新收集数据、调整分析方法、控制变量等。在处理偏倚后，应重新评估数据的可靠性和研究结果的有效性。
二、欺诈的记录与处理
识别欺诈：
欺诈行为可能表现为数据的不合理变化、异常值的频繁出现、数据记录与实际情况不符等。通过对比历史数据、分析数据的逻辑关系和一致性，以及运用数据审计和验证方法，可以帮助识别潜在的欺诈行为。
记录欺诈：
一旦识别出欺诈行为，应立即在研究报告中记录欺诈的类型、发生的时间、涉及的数据以及可能的影响。应详细描述欺诈行为的特征和表现，以便后续的调查和处理。
处理欺诈：
对于确认存在的欺诈行为，应采取严厉的措施进行处理，如撤销相关数据、追究责任人的责任等。同时，应加强对数据收集、处理和分析过程的监管和审核，以防止类似欺诈行为的再次发生。
提高数据质量意识：
在数据收集、处理和分析过程中，应始终保持对数据质量的关注和警惕。加强对数据质量的控制和管理，确保数据的真实性、准确性和完整性。
加强培训与监督：
对数据收集和处理人员进行专业培训，提高他们的数据素养和操作技能。加强对数据收集和处理过程的监督和审核，确保数据的合规性和合法性。
完善数据管理制度：
建立完善的数据管理制度和流程，明确数据的收集、处理、分析和存储要求。加强对数据的管理和保护，防止数据的泄露和滥用。
总之，对于数据中存在的偏倚或欺诈行为，应采取积极的措施进行识别、记录和处理。同时，应加强数据质量管理和监督，提高数据素养和操作技能，以确保数据的真实性、准确性和完整性。