通過物理傳感器或物聯(lián)網(wǎng)設(shè)備直接采集現(xiàn)實世界中的環(huán)境、設(shè)備、物體狀態(tài)的數(shù)據(jù)，適用于從工業(yè)、農(nóng)業(yè)、環(huán)境、空間等場景中獲取一手、適時、動態(tài)的數(shù)據(jù)。

涉及的核心技術(shù)：傳感器（如溫度、濕度、壓力、加速度、圖像、聲音傳感器）、物聯(lián)網(wǎng)（IoT）設(shè)備、RFID（射頻識別）、GPS/北斗定位等。

應(yīng)用場景包括很多現(xiàn)實空間：工業(yè)領(lǐng)域的設(shè)備運行狀態(tài)（振動、溫度）、生產(chǎn)線良品率監(jiān)控等；農(nóng)業(yè)領(lǐng)域的土壤墑情、作物生長環(huán)境、氣象數(shù)據(jù)等；環(huán)境監(jiān)測領(lǐng)域的空氣質(zhì)量（PM2.5、CO?）、水質(zhì)參數(shù)（pH 值、溶解氧）等；生活領(lǐng)域C端的智能手表的心率、步數(shù)、智能家居的設(shè)備狀態(tài)等。

其特點是：實時性強，可直接獲取物理世界的動態(tài)數(shù)據(jù)；但必須依賴硬件部署，需考慮設(shè)備投入、維護的成本和數(shù)據(jù)傳輸?shù)姆€(wěn)定性。

使用爬蟲工具（如 Python 的 Scrapy 框架）自動抓取互聯(lián)網(wǎng)公開頁面或接口的數(shù)據(jù)。適用于無 API 接口、但數(shù)據(jù)公開的場景，用于市場調(diào)研、競品分析、輿情監(jiān)控等。

核心技術(shù)包括：HTTP 請求（GET/POST）、HTML 解析（如 BeautifulSoup、XPath）、反爬對抗（模擬瀏覽器、代理 IP、驗證碼識別）、分布式爬蟲（Scrapy、PySpider）。

應(yīng)用場景至少有：電商領(lǐng)域的商品價格、評論、銷量數(shù)據(jù)；輿情方面的社交媒體、新聞網(wǎng)站的用戶觀點；學(xué)術(shù)研究的論文數(shù)據(jù)庫、開放數(shù)據(jù)平臺的公開研究數(shù)據(jù)。

其特點：遵守目標(biāo)網(wǎng)站的 robots.txt 協(xié)議，避免過度請求影響服務(wù)器；部分?jǐn)?shù)據(jù)涉及隱私或版權(quán)，需確保合法性（如 GDPR、《網(wǎng)絡(luò)安全法》）。

從服務(wù)器、數(shù)據(jù)庫、應(yīng)用程序、網(wǎng)絡(luò)設(shè)備中收集運行過程中生成的日志文件，包含系統(tǒng)報錯、訪問記錄、資源消耗等信息，用于監(jiān)控、故障排查或用戶行為分析。

核心技術(shù)大致有：日志收集工具（如 Flink、Logstash、Filebeat）、日志協(xié)議（Syslog、HTTP）、集中式日志平臺（ELK Stack：Elasticsearch+Logstash+Kibana）。

應(yīng)用場景包括：互聯(lián)網(wǎng)服務(wù)的服務(wù)器訪問日志（用戶 IP、請求路徑）、應(yīng)用錯誤日志；運維監(jiān)控的網(wǎng)絡(luò)設(shè)備的流量、連接狀態(tài)日志；安全審計領(lǐng)域的記錄用戶操作行為（如登錄、數(shù)據(jù)修改）。

特點：數(shù)據(jù)真實性高，反映系統(tǒng)真實運行狀態(tài)；但日志格式多樣（文本、JSON、二進制），需清洗和標(biāo)準(zhǔn)化處理。

從組織內(nèi)部的已有數(shù)據(jù)庫或業(yè)務(wù)系統(tǒng)中直接提取數(shù)據(jù)，通常用于內(nèi)部數(shù)據(jù)整合或數(shù)據(jù)分析。

涉及到的核心技術(shù)有：在結(jié)構(gòu)化數(shù)據(jù)方面——通過 SQL 查詢（如 MySQL 的SELECT、Oracle 的 PL/SQL）或 ETL 工具（Apache NiFi、Talend）抽?。辉诜墙Y(jié)構(gòu)化數(shù)據(jù)領(lǐng)域——從文檔管理系統(tǒng)（如 SharePoint）、文件存儲（如 HDFS、AWS S3）中讀取。

應(yīng)用場景包括：企業(yè)數(shù)據(jù)倉庫（DW）構(gòu)建——從企業(yè)內(nèi)部運營系統(tǒng)中直接導(dǎo)出數(shù)據(jù)，如 CRM（客戶關(guān)系管理系統(tǒng)）的客戶信息、ERP（企業(yè)資源計劃系統(tǒng)）的生產(chǎn)與財務(wù)數(shù)據(jù)、SCM（供應(yīng)鏈管理系統(tǒng)）的物流數(shù)據(jù)等，并整合 ERP、CRM、OA 系統(tǒng)的客戶、訂單、交易數(shù)據(jù)；數(shù)據(jù)備份與遷移——從舊系統(tǒng)抽取數(shù)據(jù)到新平臺。

特點有：數(shù)據(jù)質(zhì)量高（已結(jié)構(gòu)化），可直接對接分析工具；但需權(quán)限控制（避免敏感數(shù)據(jù)泄露），依賴數(shù)據(jù)庫開放接口。

用戶通過需求而主動提供的數(shù)據(jù)，適用于需要主觀信息或個性化數(shù)據(jù)的場景。

常見形式諸如，表單填寫——注冊信息、問卷調(diào)研（如 Google Forms、騰訊問卷）；文件上傳——用戶上傳圖片、文檔（如醫(yī)療影像、設(shè)計圖紙）；交互行為——語音輸入（如 Siri、微信語音）、手寫輸入（如平板簽名）。

特點：數(shù)據(jù)直接反映用戶意圖，靈活性高；但依賴用戶的高度配合，可能存在數(shù)據(jù)缺失或填寫錯誤等主觀數(shù)據(jù)。

在應(yīng)用（Web、App、小程序）中嵌入代碼（如埋點），自動記錄用戶行為軌跡、操作數(shù)據(jù)，包括點擊路徑、停留時間、功能使用頻率、頁面跳轉(zhuǎn)等，以用于產(chǎn)品優(yōu)化或精準(zhǔn)營銷。

有三種類型：前端埋點——記錄頁面訪問（PV/UV）、點擊（按鈕、鏈接）、滾動深度（如 Google Analytics、神策分析）；后端埋點——記錄接口調(diào)用、交易流程（如支付成功率、接口響應(yīng)時間）；全埋點——自動采集所有用戶行為（無需手動標(biāo)記，適合快速初始化）。

應(yīng)用場景：比如說，產(chǎn)品設(shè)計中的分析用戶轉(zhuǎn)化漏斗（如注冊→下單流失點）；精準(zhǔn)營銷領(lǐng)域的根據(jù)用戶瀏覽行為推送個性化的廣告。

特點：細(xì)粒度捕捉用戶行為，支持?jǐn)?shù)據(jù)驅(qū)動決策；但埋點設(shè)計復(fù)雜（需定義事件、參數(shù)），過量采集可能影響性能。

通過調(diào)用第三方平臺開放的 API 接口或內(nèi)部 API（應(yīng)用程序編程接口）獲取標(biāo)準(zhǔn)化數(shù)據(jù)，適用于需要實時或結(jié)構(gòu)化數(shù)據(jù)的場景。如調(diào)用電商平臺 API 獲取商品價格、調(diào)用社交平臺 API 獲取用戶動態(tài)、調(diào)用天氣 API 獲取氣象數(shù)據(jù)，需遵守接口使用規(guī)范和權(quán)限要求。

常見類型：不外乎開放 API：如天氣、地圖、金融等方面的數(shù)據(jù)；內(nèi)部 API：企業(yè)微系統(tǒng)之間的數(shù)據(jù)接口（如通過 RESTful API 或 gRPC 傳輸）。

應(yīng)用場景很多，比如說金融科技的獲取股票行情、匯率數(shù)據(jù)；物流系統(tǒng)的調(diào)用快遞公司 API 獲取包裹狀態(tài)。

特點：數(shù)據(jù)格式規(guī)范（JSON/XML），獲取效率高；但高度依賴第三方服務(wù)的穩(wěn)定性，且可能需要訂閱、定制化的費用（如付費 API 調(diào)用次數(shù)限制）。

在靠近數(shù)據(jù)源的邊緣節(jié)點（如設(shè)備、網(wǎng)關(guān)）實時處理和采集數(shù)據(jù)，減少延遲，適用于實時性要求高的場景。

核心技術(shù)：大體有邊緣計算框架（如華為 EdgeX Foundry、阿里云 Link Edge）、流處理引擎（Apache Kafka、Flink）。

應(yīng)用場景諸如，智能制造領(lǐng)域的產(chǎn)線傳感器的毫秒級數(shù)據(jù)采集與異常檢測；自動駕駛領(lǐng)域的車載攝像頭、雷達的實時環(huán)境數(shù)據(jù)處理。

特點：低延遲，減少網(wǎng)絡(luò)帶寬壓力；但邊緣節(jié)點計算能力有限，需平衡本地處理與云端存儲之間的協(xié)同。

通過設(shè)計問卷、開展用戶訪談、組織焦點小組等方式，主動收集一手?jǐn)?shù)據(jù)。

涉及到的技術(shù)包括：問卷星（線上發(fā)放）、Nvivo（訪談數(shù)據(jù)整理）、SPSS（數(shù)據(jù)統(tǒng)計）等。

應(yīng)用常見于獲取用戶需求、態(tài)度偏好、市場反饋等主觀信息等場景。

特點就是便捷、有針對性；卻缺少動態(tài)更新、實時對齊。