数据采集方法

转自：https://blog.csdn.net/Orange_Spotty_Cat/article/details/80625426

数据采集就是搜集符合数据挖掘研究要求的原始数据（Raw Data）。原始数据是研究者拿到的一手或者二手资源。数据采集既可以从现有、可用的无尽数据中搜集提取你想要的二手数据，也可以经过问卷调查、采访、沟通等方式获得一手资料。不管用哪种方法得到数据的过程，都可以叫做数据采集。

数据采集的方法可分为两类：

直接来源的一手数据和间接来源的二手数据

直接来源：一手数据

调查和实验

调查：

普查和抽样

调查的方法

自填式：填写调查问卷（电子／书面）

面访式：

电话式：

实验的方法：

实验方法需要研究者真正设计实验，并记录结果、整合为数据，服务于后期的数据分析与挖掘工作

间接数据：二手数据

二手数据的正式版定义是：数据原本已经存在，是由别人收集的，使用者通过重新加工或整理得到的数据。

所以，要想获得二手数据，有两种方法：系统内部采集或系统外部采集。

系统内部采集数据

工作中最常见的数据采集方法。要进行数据分析的公司肯定会有自己的数据，这些数据一般会保存在数据库中。在数据仓库中，会保存公司内部的生产数据，他们就是将公司的业务、渠道、成本、收益等生产过程数字化并固定存放在机器中。数据挖掘师可以通过SQL语言提取想要的数据表，并进行数据的收集。

系统内部数据一般都与企业的生产相关，涉及到用户信息的保密与商业机密等问题。所以一般都是有项目或者有研究课题的时候才能够获取。

系统外部采集

系统外部采集的数据是更加宏观、更加公开的数据。这些数据大部分不是针对某一家公司自己的运营与生产情况，而是更加偏重于社会的外部环境以及行业的经济形势。

下面这些都是系统外部采集的常用渠道：

统计部门或政府的公开资料、统计年鉴

调查机构、行会、经济信息中心发布的数据情报

专业期刊

图书

博览会

互联网

系统外部采集数据的源头众多，采集方法也有很多，手工处理excel或者网络爬虫都是可选的方法。