數據採集是什麼的基礎

A. 信息採集是什麼的直接基礎和重要依據

信息採集是什麼的直接基礎和重要依據：選題策劃。

信息採集是指未出版的生產在信息資源方面做准備的工作，包括對信息的收集和處理。它是選題策劃的直接基礎和重要依據。信息採集工作最後一個步驟的延伸，成選題策劃的開端。

網路信息採集：網路信息採集是將非結構化信息從大量的網頁中抽取出來保存到結構化的資料庫中的過程。

7、預見性原則信息採集人員要掌握社會、經濟和科學技術的發展動態，採集的信息既要著眼於現實需求，又要有一定的超前性，要善於抓苗頭、抓動向。隨時了解未來，採集那些對將來發展有指導作用的預測性信息。

B. 大數據平台由哪5個部分組成簡述各個部分內容的特點

一、數據採集

ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。

二、數據存取

關系資料庫、NOSQL、SQL等。

三、基礎架構

雲存儲、分布式文件存儲等。

四、數據處理

自然語言處理(NLP，Natural Language Processing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機"理解"自然語言，所以自然語言處理又叫做自然語言理解(NLU，Natural Language Understanding)，也稱為計算語言學(Computational Linguistics。一方面它是語言信息處理的一個分支，另一方面它是人工智慧(AI, Artificial Intelligence)的核心課題之一。

五、統計分析

假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析(最優尺度分析)、bootstrap技術等等。

六、數據挖掘

分類 (Classification)、估計(Estimation)、預測(Prediction)、相關性分組或關聯規則(Affinity grouping or association rules)、聚類(Clustering)、描述和可視化、Description and Visualization)、復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)。

七、模型預測

預測模型、機器學習、建模模擬。

八、結果呈現

雲計算、標簽雲、關系圖等。