落地补充说明
公开数据采集必须先确认合规边界。不是网页上能看到的数据都适合批量采集，需要关注网站协议、访问频率、版权声明、个人信息和商业使用限制。
技术方案上应优先使用官方 API、开放数据集或授权数据源。只有在没有标准接口时，才考虑页面级采集，并且要控制频率、缓存结果、记录来源，避免对目标站点造成压力。
数据处理阶段要保留原始数据和清洗后的数据版本。这样当字段规则变化或数据异常时，可以回溯问题来源。对外展示或用于业务决策前，还需要做抽样校验。
运维与迭代建议
运维阶段要关注采集任务的稳定性和合规性。任务失败、字段为空、数据量突增或突降，都可能说明源站结构变化、权限变化或访问策略需要调整。
建议为每个数据源建立来源说明，包括采集目的、字段范围、更新时间、使用范围和保留周期。这样后续审核数据使用边界时，不需要重新追溯来源。
上线前还要确认数据使用场景。内部分析、公开展示、商业销售对应的合规要求不同。建议默认只采集必要字段，并对敏感字段做脱敏或不入库处理，减少后续合规风险。
执行检查清单
- 先确认业务目标，再确定功能范围，避免为了技术而技术。
- 把关键决策写成文档，包括负责人、截止时间、验收标准和风险项。
- 上线前至少完成一次真实数据演练，并记录发现的问题和处理结果。