数据采集是什么的基础

A. 信息采集是什么的直接基础和重要依据

信息采集是什么的直接基础和重要依据：选题策划。

信息采集是指未出版的生产在信息资源方面做准备的工作，包括对信息的收集和处理。它是选题策划的直接基础和重要依据。信息采集工作最后一个步骤的延伸，成选题策划的开端。

网络信息采集：网络信息采集是将非结构化信息从大量的网页中抽取出来保存到结构化的数据库中的过程。

7、预见性原则信息采集人员要掌握社会、经济和科学技术的发展动态，采集的信息既要着眼于现实需求，又要有一定的超前性，要善于抓苗头、抓动向。随时了解未来，采集那些对将来发展有指导作用的预测性信息。

B. 大数据平台由哪5个部分组成简述各个部分内容的特点

一、数据采集

ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

二、数据存取

关系数据库、NOSQL、SQL等。

三、基础架构

云存储、分布式文件存储等。

四、数据处理

自然语言处理(NLP，Natural Language Processing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NLU，Natural Language Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。

五、统计分析

假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析(最优尺度分析)、bootstrap技术等等。

六、数据挖掘

分类 (Classification)、估计(Estimation)、预测(Prediction)、相关性分组或关联规则(Affinity grouping or association rules)、聚类(Clustering)、描述和可视化、Description and Visualization)、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)。

七、模型预测

预测模型、机器学习、建模仿真。

八、结果呈现

云计算、标签云、关系图等。