数据标注和数据采集哪个容易些（一文读懂数据标注）

上一期内容，我们我们已经对数据有了一个更深入的了解，没看的小伙伴请戳（一文读懂数据标注（一）：数据来源）。此次我将给大家详细说说数据采集。

什么是数据采集

在了解数据采集前，我们先对数据采集做一个简单分类。

按数据采集方式，分为线下与线上收集。

1.线下

线下采集，顾名思义就是采用问卷、实地调研等方式获取需要的数据集。

线下数据采集时需注意的5个要点：

（1）明确研究主题与目的

问卷调查的本质或目的是调查相关要素与目标群体的联系，故而问卷调查的内容要贴合主题。

（2）问题通俗易懂

问卷分发后，是需要受众进行填写的，所以问卷题目一目了然、能让大家看懂才是关键。同理，问卷题目的易懂性与一般性也直接决定了问卷的质量。（题目的一般性是指，这个问题的设置是否对对所有大众都适用。）

（3）充分考虑被调者特点

在使用问卷调查方式时，要充分结合被调群体的特色，来进行问卷的设置；例如针对高龄、低龄及聋哑人群，则不宜采取书面问卷调研的形式，要充分考虑到他们的身体情况，在针对想要调查的内容特性，单独设置适合他们的“问卷”，进行沟通取样。

（4）循序渐进设置问题

问卷问题在设置上，除了要考虑到每个问题的合理性、逻辑性之外，还要考虑各问题间的关联性。

（5）考虑统计的便捷性

问卷在大家填完后，还需回收进行数据汇总，故而要尽可能减少变量性问题，多用单选或正误等定性问题。

2.线上

线上数据收集按照数据采集端口分类，又分为APP端和网页端。

（1）APP端

APP端主要靠数据埋点获取数据。数据埋点就是在用户使用APP的过程中，对他们一系列行为数据进行收集，用以优化产品和运营。举个例子，以某宝为例，它本身自带服务与盈利性质，如要实现转化，就需将“点”埋在跳转购买、付款等交互组件上，然后对用户停留时长、购买率、跳出率、退货率等指标进行量化。

就埋点的形式而言，主要分为以下三种：

（2）网页端

通过爬取进行数据收集。鉴于语言多样（python、c、go等），可用自己擅长的方式进行数据收集。

方法论：人工确定爬取信息的维度→分析目标网站URL构成→确认爬取工具→编写程序语言→获取数据→保存于本地→后续进行数据挖掘。

好了，如想知道更多内容，请关注【三元园区】，下周小编将为大家带来数据清洗相关内容，让我们不见不散。