大数据采集
为满足企业或组织不同层次的管理与应用的需求，数据采集分为三个层次。
- 第一层次，业务电子化。为满足业务电子化的需求，实现业务流程的信息化记录，在本阶段中，主要实现对于手工单证的电子化存储，并实现流程的电子化，确保业务的过程被真实记录。本层次数据采集的关注重点是数据的真实性，即数据质量
- 第二层次，管理数据化，为满足企业管理的信息需求，实现对企业和相关方信息的全面采集和整合。在业务电子化的过程中，企业逐步学会了通过数据统计分析来对企业的经营和业务进行管理，因此，对数据的需求不仅仅满足于记录和流程的电子化，而是要求对企业内部信息、企业客户信息、企业供应链上下游信息实现全面的采集，并通过数据集市、数据仓库等平台的建立，实现数据的整合，建立基于数据的企业管理视图，本层次数据采集的关注重点是数据的全面性。
- 第三层次，数据化企业。在大数据时代，数据化的企业从数据中发现和创造价值，数据已经成为企业的生产力。在这一阶段，企业的数据采集向广度和深度两个方向发展。在广度方面，企业不仅仅需要采集内部数据，也需要采集外部的数据，数据的范围不仅仅包含传统的结构化数据，也包含文本、图片、视频、声音、物联网等非结构化数据。在深度方面，企业不仅对每个流程的执行结果进行采集，也对流程中每个节点执行的过程信息进行采集。本层次数据采集的关注重点是数据的价值。
大数据时代的数据采集，除了采集传统的结构化数据外，还需关注以下类型的数据采集:
– 业务和管理系统的日志采集
– 文本数据和文档数据的采集
– 语言数据的采集
– 图片数据的采集
– 视频数据的采集
– 机器产生数据的采集，包括机械、电子设备的采集，如车联网数据
– 生活数据采集，如可穿戴设备采集、家用电器数据采集
– 用户上网行为采集
– 人和物的地理信息和流动信息采集
大数据采集的策略
大数据采集的扩展，也意味着企业IT成本和投入的增加。因此，需要结合企业本身的战略和业务目标，制定大数据的采集策略。企业大数据的采集策略一般有两个方向
- 第一个方向，尽量多地采集数据，并整合到统一平台中，该策略认为，任何只要与企业相关的数据，尽量采集并集中到大数据平台中，该策略的实施一般需要两个条件：首先，需要较大的成本投入，内部的数据的采集，外部数据的获取都需要较大的成本投入，同时将数据存储和整合到数据平台上，也需要较大的IT基础设施投入；其次，需要有较强的数据专家团队，能够快速地甄别数据并发现数据的价值，如果无法从数据中发现价值，较大的投入无法快速得到回报，就无法持续
- 第二个方向，以业务需求为导向的数据采集策略。当业务或管理提出数据需求时，再进行数据采集并整合到数据平台。该策略能够有效避免第一种策略投入过大的问题，但是完全以需求为导向的数据采集，往往无法从数据中发现“惊喜”，在目标既定的情况下，数据的采集、分析都容易出现思维限制
对于完全数字化的企业，如互联网企业，建议采用第一种大数据采集策略。对于目标尚处于数字化过程中、成本较紧、数据能力成熟度较低的企业，建议用第二种大数据采集策略
大数据采集的规范
为了满足企业战略的要求，哪些数据需要被采集，将会预先定义，如果能够制定相应的大数据采集规范，并在个各数据采集点实施这些规范，将会有效提升数据采集的质量和全面性。
数据采集规范应包含以下内容：
1. 规范制定的目的：明确本规范的适用方面和业务目的
2. 规范适用的范围：明确哪些数据采集点、哪些系统需要实现符合本规范的数据采集功能
3. 数据采集的内容：明确哪些数据应被采集，采集的数据应该符合什么格式
4. 数据质量的标准：明确采集的数据应该遵循的标准
5. 数据采集的方法：明确对于不同的数据，应该采用何种方式进行采集，采集后应该通过何种方式传送到数据平台
大数据采集的安全和隐私
数据采集的安全和隐私涉及三个方面的问题
1. 数据采集过程中的客户与用户隐私
大数据时代的数据采集，更多地涉及客户与用户的隐私。传统的数据采集，主要是在业务过程中采集客户与用户的自然属性和社会属性信息，以及与企业发生关系的业务信息，大数据时代中，客户的地点信息、行为轨迹（线上、线下）、生理特性、形象声音等信息都会得到采集。从企业应用的角度，为避免法律风险，在大数据采集的过程中，如果涉及客户和用户隐私的采集，应该注意以下几个方面
– 告知客户和用户的哪些信息被采集，并要求客户进行确认
– 客户和用户信息的采集应用于为客户提供更好的产品和服务
– 向客户和用户明确所采集的信息不会提供给第三方
– 向客户和用户明确他们在企业平台上发布的公开信息，如言论、照片、视频等，不在隐私保护的范围以内，如果发现的内容涉及版权问题，需要自行维权
- 数据采集过程中的权限
在IT治理达到一定水平的企业，每个IT系统都有业务归属部门，IT系统的数据虽然属于整个企业，可以共享，但业务归属部门对这些数据具有管辖权。对较为关键的系统，企业往往会制定相应的管理办法，从该系统中获取数据，需要经过相应流程的审批，其中包含归属业务部门审批。在建设企业级数据平台的过程中，上述治理结构会对数据平台的数据采集带来一些负面影响。每个数据源系统的数据接入，以及接入数据的变更，都需要通过对应业务部门的审批，这将大大提升系统建设的沟通成本。
3. 数据采集过程中的安全管理
企业应为数据采集制定相应的安全标准。数据采集类系统需要根据采集数据的安全级别，实现相应级别的安全保护。在数据采集的过程中，必须要确保被采集的数据不会被窃取和篡改。在数据从源系统采集到数据平台的过程中，也需要确保数据不被窃取和篡改。
数据采集的时效
数据采集的时效越快，其产生的数据价值就越大。从管理者的角度，如果通过数据能实时地了解到企业经营情况，就能够及时地做出决策；从业务的角度，如果能够实时地了解客户的动态，就能够有效地为客户提供合适的产品和服务，提高客户满意度；从风险管理的角度看，如果能够通过数据及时发现风险，企业就能够有效避免风险和损失。数据实时化采集是有比较高的成本，因此哪些数据需要实时化采集，哪些数据可以批量采集，需要根据业务目标来划分优先级
非结构化数据的采集
在传统的数据采集中，考虑得较多的是结构化数据的采集，而现在对于非结构化数据（文档、邮件、图片、音频和视频等信息）的采集已成为当务之急。采集非结构化一般需要获取非结构化之中的有效信息
传统的处理非结构数据的方式，是为非结构化数据打标签，例如，图像信息在存储过程中，与相应的客户、业务、时间、场景描述等环境信息结合起来，随着技术的发展，可以直接从非结构化数据中提取出相应的信息，比如，人脸识别技术可以直接将人脸和人对应起来；音频转换技术，不但可以将语言转化为文本，还可以识别语言中的情绪信息；文本识别技术，可以获取文本中的关键字，给文本加上索引标签。
不管是传统的人工加标签，还是通过新技术自动加标签，对非结构化数据的处理，最重要的就是能够将非结构化数据与客户、业务、雇员、产品等信息进行关联，从而通过索引、分析等技术 ，发挥非结构化数据的价值。
大数据的清理
大数据清理的目的主要有2个：一是无关数据的清理，而是低质量的数据清理。通俗地讲，就是清理垃圾数据。大数据环境下的数据清理，与传统的数据清理有所区别，对传统数据而言，数据质量是一个很重要的特性，但对于大数据，数据可用性变得更为重要，传统意义的垃圾数据，也可以“变废为宝”。
对于不同的可用性暑假见，数据应建立不同的质量标准，应用于财务统计的数据和应用于分析的数据，在质量标准上应有所不同。有些用途必须严格禁止垃圾数据进入，有些用途的数据需要讲求数据的全面性，但对质量的要求不是那么高；有些用途，如审计与风险，甚至需要专门关注垃圾数据，从一些不符合逻辑的数据中发现问题。
因此，在大数据应用中不建议直接清理垃圾数据，而是将数据质量进行分级，不同质量等级的数据满足不同层次的应用需求。