大数据的行为研究具有丰富的数据源,但在数据的尺度、信度、精度、粒度和研究边界等方面仍存在诸多问题,且涉及隐私、可预测性等广泛争议。依据'信息获取方式确定—信息获取手段整合—信息类型划分—信息解析与要素提取—行为属性与要素集成'的思路,构建了整合高精度、全要素和多视角的行为数据观测体系架构。梳理与论述了行为研究中行为变化的尺度依赖特征,个体行为与群体行为数据的区分与综合,行为数据需求与个体隐私边界界定及行为数据的解析、匹配与整合等关键问题。尝试从科学问题的边界界定与数据需求、多源数据采集与整合方法、多要素行为数据解析与集成方法及应用驱动的行为数据应用模式与途径等方面,对行为数据的综合采集与集成处理进行界定。