1樓：帆軟
主要從四個方面著手，資料獲取、資料處理、資料分析、資料呈現。http://www.fanruan.com/
2樓：西線大資料培訓
資料處理的流程困難重重。處理過程一般來講可以分為四步。
首先應當利用多個資料庫接收來自不同的客戶端的資料進行資料採集。使用者通過這些資料庫來進行簡單的查詢和處理，而在大資料採集過程中所面臨的主要困難在於併發數過高，同時可能有成千上萬的使用者在訪問或者操作，如何在資料庫間完成負載均衡和分片是重難點。
第二步在於資料匯入和預處理。由於資料採集涉及了多種資料庫，在對這些資料進行有效的分析之前，需要將所有的資料匯入集中的大型分散式資料庫，然後對資料進行簡單的資料清洗和預處理。這一步主要面臨的問題在於匯入資料量大，匯入流量通常可以達到成百上千兆級別。
第三步統計和分析。利用分散式資料庫將儲存在其中的資料進行普通的分析及分類彙總，進行批量的處理。對於半結構化的資料還需要使用hadoop等。
而這一步主要面臨的挑戰是設計的分析資料量大，對系統資源佔用率高，對於系統i/o挑戰較大。
第四步就是資料探勘。資料探勘和分析過程不同，基於前三部的各種演算法的計算，最終達到**的效果，從而滿足更高階的資料分析需求。該過程的特點在於挖掘演算法十分複雜，涉及的資料量和計算量都很吊，常用的挖掘演算法都以單執行緒為主。
如何進行大資料分析及處理？
3樓：百度文庫精選
最低0.27元開通文庫會員，檢視完整內
原發布者:水橋碧槽
大資料處理資料時**唸的三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果。具體的大資料處理方法其實有很多，但是根據長時間的實踐，天互資料總結了一個基本的大資料處理流程，並且這個流程應該能夠對大家理順大資料的處理有所幫助。
整個處理流程可以概括為四步，分別是採集、匯入和預處理、統計和分析，以及挖掘。採集大資料的採集是指利用多個資料庫來接收發自客戶端的資料，並且使用者可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關係型資料庫mysql和oracle等來儲存每一筆事務資料，除此之外，redis和mongodb這樣的nosql資料庫也常用於資料的採集。
在大資料的採集過程中，其主要特點和挑戰是併發數高，因為同時有可能會有成千上萬的使用者來進行訪問和操作，比如火車票售票**和**，它們併發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間進行負載均衡和分片的確是需要深入的思考和設計。統計/分析統計與分析主要利用分散式資料庫，或者分散式計算叢集來對儲存於其內的海量資料進行普通的分析和分類彙總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到emc的greenplum、oracle的exadata，以及基於mysql的列式儲存infobright等，而一些批處理，或者基於半結構化資料的需求可以使用hadoop。
統計與分析這部分的主要特點和挑戰是分
4樓：安徽新華電腦專修學院
大資料：難以用常規的資料庫工具獲取、儲存、管理、分析的資料集合。
5樓：匿名使用者
給大家介紹一款親測好用的大資料分析軟體。
tempo大資料分析平臺是一款面向企業級使用者的一體化大資料分析應用平臺。平臺基於大資料架構，集資料視覺化探索、資料深度分析、成果管理應用於一體，面向企業各級資料分析、資料價值利用人員，有效解決資料價值發掘和利用問題。平臺便捷的資料接入與準備，一體化的資料探勘與視覺化分析，靈活多樣的成果管理與應用，為使用者提供專業、敏捷、易用的資料分析與應用體驗。
1.高效能的大資料處理
基於大資料架構，支援分散式儲存、分散式平行計算、記憶體計算，實現海量資料分析。
2. 領先的分析演算法引擎
基於大資料探勘應用的獨創分散式演算法引擎，內嵌世界領先的l½稀疏迭代/迴歸、視覺聚類、稀疏時間序列等演算法，及自主研發的中文文字演算法。
3.靈活開放的系統整合
靈活開放的架構，支援圖形、演算法節點快速擴充套件，支援與企業現有業務系統無縫融合。
6樓：匿名使用者
資料分析目前國內的佼佼者是finebi,多維olap分析是bi工具分析功能的集中體現，其應用特性主要體現在兩方面：一是即時查詢到效果（online），這要求後臺資料的計算速度和前臺瀏覽器的展示速度都要很快；二是多維度自定義分析，這要求bi工具的多維資料庫應該具有較大的靈活性，可以隨使用者的要求組合任意的指標和維度。只有同時滿足這兩個特性的互動分析過程，才是多維olap分析，才能保障使用者即時看到其分析需求對應的資料統計結果，以及通過切換維度和改變條件等方式，滿足根據上一步的結果即時產生的新的分析需求。
7樓：小康爺
應該與城市規劃、gis資料、居民生活消費等資料有關吧，可以試著做做
如何進行大資料分析及處理
8樓：成都勤智數碼
大資料處理方法很多，但是普遍實用的大資料處理流程可以概括為四步，分別是資料採集、資料匯入和預處理、資料分析和統計、資料探勘。
大資料處理流程之一：資料採集
大資料的採集是指利用多個資料庫來接收發自客戶端的資料，並且使用者可以通過這些資料庫來進行簡單的查詢和處理工作。大資料的採集需要有龐大的資料庫的支撐，有的時候也會利用多個資料庫同時進行大資料的採集。因此對於資料庫的負載以及每個資料庫之間進行切換都存在著挑戰。
大資料處理流程之二：資料匯入和預處理
採集端有很多資料庫，需要將這些分散的資料庫中的海量資料全部匯入到一個集中的大的資料庫中，在匯入的過程中依據資料特徵進行一些簡單的清洗、篩選，這就是大資料的匯入和預處理。
大資料處理流程之三：資料分析和統計
對已經匯入的海量資料依據其本身特徵進行分析併為之分類彙總，以滿足大多數常見的分析需求。在分析的過程中需要用到大資料分析工具，例如勤智數碼的deepone分散式計算儲存。
大資料處理流程之四：資料探勘
針對前面已經資料分類彙總，利用資料探勘演算法對這些彙總資料進行深一步挖掘。資料探勘演算法都比較複雜，沒有預先設定的公式，這也是考驗一個公司實力、人工智慧的一個環節，只有相對準確合適的演算法才能從大資料中得到有價值的資料分析結果。
普遍實用的大資料處理流程必須滿足以上四步，當然這個過程涉及的資料比較大而且還要用到資料分析工具，所以說這個工作流程還是很複雜的。
參考資料
9樓：大資料の小白
做大資料分析就兩點：業務+技術，為什麼我把業務放在前面，因為塔是真的重要，技術是手段是是方法，但是最終還是要落地到業務，否則再好的技術也不能產生實際價值，也是沒意義的。
10樓：匿名使用者
找找相應的課程參加培訓吧，或者自己學學相應的書
大資料分析的分析步驟
11樓：袁樂
大資料分析的五個基本方面
1. analytic visualizations（視覺化分析） 不管是對資料分析專家還是普通使用者，資料視覺化是資料分析工具最基本的要求。視覺化可以直觀的展示資料，讓資料自己說話，讓觀眾聽到結果。
2. data mining algorithms（資料探勘演算法） 視覺化是給人看的，資料探勘就是給機器看的。叢集、分割、孤立點分析還有其他的演算法讓我們深入資料內部，挖掘價值。
這些演算法不僅要處理大資料的量，也要處理大資料的速度。
3. predictive analytic capabilities（**性分析能力） 資料探勘可以讓分析員更好的理解資料，而**性分析可以讓分析員根據視覺化分析和資料探勘的結果做出一些**性的判斷。
4. semantic engines（語義引擎） 我們知道由於非結構化資料的多樣性帶來了資料分析的新的挑戰，我們需要一系列的工具去解析，提取，分析資料。語義引擎需要被設計成能夠從「文件」中智慧提取資訊。
5. data quality and master data management（資料質量和資料管理）
資料質量和資料管理是一些管理方面的最佳實踐。通過標準化的流程和工具對資料進行處理可以保證一個預先定義好的高質量的分析結果。
假如大資料真的是下一個重要的技術革新的話，我們最好把精力關注在大資料能給我們帶來的好處，而不僅僅是挑戰。
如何進行大資料分析及處理
正青春夢飛揚 1.視覺化分析大資料分析的使用者有大資料分析專家，同時還有普通使用者，但是他們二者對於大資料分析最基本的要求就是視覺化分析，因為視覺化分析能夠直觀的呈現大資料特點，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瞭。2.資料探勘演算法大資料分析的理論核心就是資料探勘演算法，各種資...
什麼是農業大資料分析系統，何為農業大資料？如何利用大資料
農業大資料 農業大資料是融合了農業地域性 季節性 多樣性 週期性等自身特徵後產生的 廣泛 型別多樣 結構複雜 具有潛在價值，並難以應用通常方法處理和分析的資料集合。它保留了大資料自身具有的規模巨大 volume 型別多樣 variety 價值密度低 value 處理速度快 velocity 精確度高...
簡述何為大資料分析，並簡單闡述大資料5v特性
大資料 big data 是指在可承受的時間範圍內用常規軟體工具進行捕捉 管理和處理的資料集合。大資料5v特徵 volume 大體量 即可從數百tb到數十數百pb,並依據資料 整理 分析.5value 大價值 即大資料包含很多深度的價值,大資料分析挖掘和利用將帶來巨大的商業價值 veracity 準...