這些數據都是哪裡來的

A. 同花順，大智慧，Wind等軟體的數據都是從哪兒來的

首先你要什麼數據，什麼市場，什麼類型，收盤還是高頻？數據不一樣獲取源頭不一樣。交易所的數據要從各個交易所購買。中債的數據要從中債登和上清所購買。外匯的又分國內銀行間市場和海外市場。要從交易中心和路透購買。同花順等數據供應商的數據也是分別購買而來。從供應商的角度來說是這樣的：上交所——衛星——衛星接收機——電腦，從用戶的角度來說：天線、有線源——行情接收機——電腦——接收機驅動程序——股票分析軟體行情接收機都把數據解密了（硬體數據加密）有接收機驅動程序轉換成通用的軟體數據源。一般是直接的二進制文件，可以從傳口讀出，但是無法知道數據的效驗方法，不能方便過濾錯誤數據。

B. 高德地圖，百度地圖，騰訊地圖哪裡來的數據那麼准

數據的採集生產，在中國需要國家認定的資質，有資質的除了國家測繪機關以外，商業機構本來就不太多，而真正在這個數據供給市場上活躍的，現在主要就是高德和四維圖新這兩家。
其他無論是谷歌地圖也好，蘋果地圖也好，這部分的數據，基本上都是從上述兩家購買的。
POI數據：嚴格來說屬於矢量數據，不過是最簡單的矢量數據，換句話來說就是坐標點標注數據。也是電子地圖上最常用的數據圖層。
我們日常在電子地圖上所使用的數據都是POI數據（就是地圖上常見的那種標個氣球的點）。
POI數據只是信息關聯坐標點的數據，不涉及到線和面，是最簡單的矢量數據，用於簡單的地點標注而不需要相應地物輪廓的需求。
POI數據的內容五花八門，一般POI數據的供應商提供的POI數據都是日常常用的場所數據，例如飯店，商店，加油站，銀行等日常常用設施。
當然，在一些特殊的地圖應用領域，也可以委託這些數據供應商或者自行去專門採集特殊用途的POI數據，例如井蓋，消防栓等
稅務GIS系統標注企業及納稅信息

值得指出的是，POI數據的編輯更新簡單，同時也經常用於動態數據標注，最經典的莫過於車輛定位標注。

POI數據的採集和生產來源五花八門，不能盡述，總的來說，主要有以下幾種：
a）通過整合GPS的攝像機，步行或者車行，進行掃街持續拍攝，回去以後，再根據拍攝結果手工進行輸入和標注，這種方式適合於大規模的進行採集標注，效率高，成本低，車行居多，尤其適合沿街的店面和場所的採集和標注，是目前數據採集供應商的主要採集手段之一
b）通過專職或者兼職人員，使用手持含GPS的智能設備（比如智能手機），進行拍攝（主要是為了取證），輸入，提交，進行採集。這種採集方式，大多用於上述方法a的補充。在一些車輛不能達到的地方，或者商戶設施變動頻繁的某些區域使用
c）地址反向編譯：通過門牌地址號碼，以及矢量地圖中的道路數據，運用演算法進行定位標注。這種標注精度相對最低，准確性也不高，但是成本非常低。用在不需要特別高精度，成本控制也比較嚴的採集領域。大家在地圖服務搜索框中輸入地址門牌號，可以直接出現標注點，用的就是這個技術。
d）互聯網或者企業獲取：直接從一些專業類服務網站上抓取或者購買（例如大眾點評，攜程），或者直接從大家在其公開的地圖服務上的標注中進行篩選和獲取。這就是google，網路，高德自己免費向社會開放其地圖服務所能夠獲得的利益。尤其對於開放API免費企業客戶的使用，這種獲取是很有價值的。

國內POI數據的供應商沒有太多資質限制，相對底圖數據供應商，要多很多，例如圖吧等都是POI數據供應商，當然四維圖新和高德也提供POI數據，每個POI數據供應商，都有其自己的分類方式，數據定義等內容。很多時候，大家也互相買來買去，互補有無。

網路地圖這方面的數據，主要來自四維圖新和道道通，當然也有其他來源，甚至有少量的自產數據。
高德地圖這方面的數據以自產為主，輔以向一些專業服務商購買（口碑網，大眾點評，攜程，樂途，搜房）
其他數據圖層或數據：常見的有衛圖圖層，交通狀況圖層，三維圖，街景圖。專業一些的領域有樓盤圖，室內圖，氣溫分布圖，商圈分布圖，地形圖，水文圖等等。

C. 經濟學中使用的那些數據一般是從哪裡得到的

得到全部信息比較難，但是對經濟統計比較多的單位會公開部分信息，例如中國人民銀行，銀監會，證監會，統計局，社會保障局等，但是信息量不是很大，而且數據相對滯後，且完整性，統計方法，統計口徑也值得研究，部分數據和經濟學中要求的數據或國外的數據沒有直接可比性，例如：CPI，中國和美國統計的內容有很大差別。

D. 如何獲取大數據

問題一：怎樣獲得大數據？ 很多數據都是屬於企業的商業秘密來的，你要做大數據的一些分析，需要獲得海量的數據源，再此基礎上進行挖掘，互聯網有很多公開途徑可以獲得你想要的數據，通過工具可以快速獲得，比如說象八爪魚採集器這樣的大數據工具，都可以幫你提高工作效率並獲得海量的數據採集啊

問題二：怎麼獲取大數據 大數據從哪裡來？自然是需要平時對旅遊客群的數據資料累計最終才有的。
如果你們平時沒有收集這些數據 那自然是沒有的

問題三：怎麼利用大數據，獲取意向客戶線索 大數據時代下大量的、持續的、動態的碎片信息是非常復雜的，已經無法單純地通過人腦來快速地選取、分析、處理，並形成有效的客戶線索。必須依託雲計算的技術才能實現，因此，這樣大量又精密的工作，眾多企業紛紛藉助CRM這款客戶關系管理軟體來實現。
CRM幫助企業獲取客戶線索的方法：
使用CRM可以按照統一的格式來管理從各種推廣渠道獲取的潛在客戶信息，匯總後由專人進行篩選、分析、跟蹤，並找出潛在客戶的真正需求，以提供滿足其需求的產品或服務，從而使潛在客戶轉變為真正為企業帶來利潤的成交客戶，增加企業的收入。使用CRM可以和網站、電子郵件、簡訊等多種營銷方式相結合，能夠實現線上客戶自動抓取，迅速擴大客戶線索數量。

問題四：如何進行大數據分析及處理？ 大數據的分析從所周知，大數據已經不簡簡單單是數據大的事實了，而最重要的現實是對大數據進行分析，只有通過分析才能獲取很多智能的，深入的，有價值的信息。那麼越來越多的應用涉及到大數據，而這些大數據的屬性，包括數量，速度，多樣性等等都是呈現了大數據不斷增長的復雜性，所以大數據的分析方法在大數據領域就顯得尤為重要，可以說是決定最終信息是否有價值的決定性因素。基於如此的認識，大數據分析普遍存在的方法理論有哪些呢？1. 可視化分析。大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。2. 數據挖掘演算法。大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。3. 預測性分析。大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。4. 語義引擎。非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。5.數據質量和數據管理。大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。大數據的技術數據採集：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。數據存取：關系資料庫、NOSQL、SQL等。基礎架構：雲存儲、分布式文件存儲等。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(putational 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。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。數據挖掘：分類（Classification）、估計（Estimation）、預測（Predic膽ion）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化......>>

問題五：網路股票大數據怎麼獲取？ 用「網路股市通」軟體。
其最大特色是主打大數據信息服務，讓原本屬於大戶的「大數據炒股」變成普通網民的隨身APP。

問題六：通過什麼渠道可以獲取大數據 看你是想要哪方面的，現在除了互聯網的大數據之外，其他的都必須要日積月累的

問題七：通過什麼渠道可以獲取大數據 有個同學說得挺對，問題傾向於要的是數據，而不是大數據。
大數據講究是全面性（而非精準性、數據量大），全面是需要通過連接來達成的。如果通過某個app獲得使用該app的用戶的終端信息，如使用安卓的佔比80%，使用iPhone的佔比為20%, 如果該app是生活訂餐的應用，你還可以拿到使用安卓的這80%的用戶平時網上訂餐傾向於的價位、地段、口味等等，當然你還會獲取這些設備都是在什麼地方上網，設備的具體機型你也知道。但是這些數據不斷多麼多，都不夠全面。如果將這部分用戶的手機號或設備號與電子商務類網站數據進行連接，你會獲取他們在電商網站上的消費數據，傾向於購買的品牌、價位、類目等等。每個系統可能都只存儲了一部分信息，但是通過一個連接標示，就會慢慢勾勒出一個或一群某種特徵的用戶的較全面的畫像。

問題八：如何從大數據中獲取有價值的信息 同時，大數據對公共部門效益的提升也具有巨大的潛能。如果美國醫療機構能夠有效地利用大數據驅動醫療效率和質量的提高，它們每年將能夠創造超過3萬億美元的價值。其中三分之二是醫療支出的減少，占支出總額超過8%的份額。在歐洲發達國家， *** 管理部門利用大數據改進效率，能夠節約超過14900億美元，這還不包括利用大數據來減少欺詐，增加稅收收入等方面的收益。
那麼，CIO應該採取什麼步驟、轉變IT基礎設施來充分利用大數據並最大化獲得大數據的價值呢?我相信用管理創新的方式來處理大數據是一個很好的方法。創新管道(Innovation pipelines)為了最終財務價值的實現從概念到執行自始至終進行全方位思考。對待大數據也可以從相似的角度來考慮：將數據看做是一個信息管道(information pipeline)，從數據採集、數據訪問、數據可用性到數據分析(4A模型)。CIO需要在這四個層面上更改他們的信息基礎設施，並運用生命周期的方式將大數據和智能計算技術結合起來。
大數據4A模型
4A模型中的4A具體如下：
數據訪問(Access)：涵蓋了實時地及通過各種資料庫管理系統來安全地訪問數據，包括結構化數據和非結構化數據。就數據訪問來說，在你實施越來越多的大數據項目之前，優化你的存儲策略是非常重要的。通過評估你當前的數據存儲技術並改進、加強你的數據存儲能力，你可以最大限度地利用現有的存儲投資。EMC曾指出，當前每兩年數據量會增長一倍以上。數據管理成本是一個需要著重考慮的問題。
數據可用性(Availability)：涵蓋了基於雲或者傳統機制的數據存儲、歸檔、備份、災難恢復等。
數據分析(Analysis)：涵蓋了通過智能計算、IT裝置以及模式識別、事件關聯分析、實時及預測分析等分析技術進行數據分析。CIO可以從他們IT部門自身以及在更廣泛的范圍內尋求大數據的價值。
用信息管道(information pipeline)的方式來思考企業的數據，從原始數據中產出高價值回報，CIO可以使企業獲得競爭優勢、財務回報。通過對數據的完整生命周期進行策略性思考並對4A模型中的每一層面都做出詳細的部署計劃，企業必定會從大數據中獲得巨大收益。 望採納

問題九：如何獲取互聯網網大數據 一般用網路蜘蛛抓取。這個需要掌握一門網路編程語言，例如python

問題十：如何從網路中獲取大量數據 可以使用網路抓包，抓取網路中的信息，推薦工具fiddler

E. 所有天氣APP的數據來源是哪裡不同的天氣APP顯示的數據為什麼不一樣

這些App數據有可能是根據大數據做出來的，氣象台對此無法控制。

有可能是該手機後台某款App通過大數據採集來的實況數據，也可能從中國氣象局的氣象數據中採集的實況數據。手機App發布的天氣預報數據，除非這些數據底下有「和中國氣象局合作開發的App」等信息提示，否則，這些數據肯定不是中國氣象局發布的數據，都是通過非正規渠道發布的。發布這些非正規數據的App，都有相應的屬於自己研發團隊，從而發布自己的天氣數據。

理論上，實況數據與預報數據有一定的差異。因此，不僅「-5℃」和天氣預報「-3℃至6℃」有誤差，而且不同的手機、不同的App產生的天氣預報數據是不一樣的。有的App發布的數據，如果手機的位置不同，即採集實況數據的地點不同，發布出來的數據在同一時間點也是不一樣的。

值得一提的是，這些非正規App發布的氣象數據，與氣象部門發布的數據盡管有誤差，但在氣象大趨勢上是基本一致的，市民出行也可做參考。

注意事情：

很多市民就是很少使用氣象部門開發的App，很少相信氣象部門所發布的正規天氣數據，卻相信非氣象部門App發布的數據。在此，氣象局提醒市民，獲取准確正規的氣象數據，請使用氣象部門的App。

F. 請問在本科畢業論文答辯過程中,老師問到「你這些數據是從哪裡來的」我該如何回答

1、如果是自己所做的實驗。數據就是自己得出來的。

2、如果是網上抄的，那就回答為：是從網上借鑒的。

畢業答辯的注意事項：

一、熟悉內容 ：作為將要參加畢業論文答辯的同學，首先而且必須對自己所著的論文內容有比較深刻的理解和比較全面的熟悉。所謂「深刻的理解」是對論文有橫向的把握。這兩方面是為回答答辯委員會成員就有關論文的深度及相關知識面而提出的問題所做的准備。

例如，題為＜創建名牌產品發展民族產業＞的論文，答辯委員會成員可能會問「民族品牌」與「名牌」有何關系。盡管論文中未必涉及「民族品牌」，但學生必須對自己的論文有「比較全面的熟悉」和「比較深刻的理解」，否則，就會出現尷尬局面

二、圖表穿插 ：任何畢業論文，無論是文科還是理科都或多或少地涉及到用圖表表達論文觀點的可能，故我認為應該有此准備。

圖表不僅是一種直觀的表達觀點的方法，更是一種調節答辯會氣氛的手段，特別是對私人答辯委員會成員來講，長時間地聽述，聽覺難免會有排斥性，不再對你論述的內容接納吸收，這樣，秘然對你的畢業論文答辯成績有所影響。

三、語流適中 ：進行畢業論文答辯的同學一般都是首次。無數事實證明，他們在眾多的都是和同學面前答辯時，說話速度往往越來越快，以致答辯委員會聽不清楚，影響了答辯成績。故答辯學生一定要注意在答辯過程中的語流速度，要有急有緩，有輕有重，不能像連珠炮似的轟向聽眾。

四、目光移動 ：畢業生在論文答辯時，一般可脫稿，也可半脫稿，也可完全不脫稿。但不管哪種開工，都應注意自己的目光，使目光時常地瞟向答辯委員會成員及會場上的同學們。這是你用目光與聽眾進行心靈的接觸，使聽眾對你的論題產生興趣的一種手段。

在畢業論文答辯會上，由於聽時間過長，委員們難免會有分神現象，這時，你用目光的投射會很禮貌地將他們的神「拉」回來，使委員們的思路跟你的思路走。