越来越多的人认识到数据分析的重要性，而国家也为了促进大数据信息建设的发展，对各地建设大数据出 台相关政策。大数据技术能够将海量数据中隐藏的信息和知识挖掘出来，为人类社会、经济活动等方面提供依据，提高各个领域的运行效率，甚至整个社会经济的集约化程度。。分析的过程包括：大数据采集——预处理——大数据存储管理——大数据建模——大数据可视化分析。

　　1.大数据采集：大数据的采集主要有4种来源，管理信息系统、Web信息系统、物理信息系统、科学实验系统。对于不同的数据集，可能存在不同的结构和模式，如Excel、TXT、word文档、XML树、关系表等。

　　对于多种多样的数据集，需要做进一步集成处理或整合处理，将来自不同数据集的数据收集、整理、清洗、转换后，生成到一个新的统一的数据集，为后续查询和分析处理提供统一的数据视图。

　　2.大数据储存管理：时分析应用通常会运行在例如NoSQL之类的数据库上，通常都能支持海量可扩展的商用硬件上。

　　Hadoop技术，从另一角度考虑，非常适合批量的数据处理，这种技术非常合适于异步大数据分析。其实说到底还是需要硬件设备作为支持的。

　　3.大数据建模：大数据建模就好比图书馆的图书分类，数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用角度合理存储数据。良好的数据模型能帮助我们快速查询所需要的数据，减少数据的I/O吞吐。

　　4.大数据可视化分析：做了以上那么多步骤都是为了更好的进行大数据分析。在大数据分析的应用过程中，可视化通过图片、表格、分析图等视觉表现的方式来帮助人们探索和理解复杂的数据。

　　大数据分析过程是如何的.中琛魔方大数据平台表示可视化与可视分析能够迅速和有效地简化与提炼数据流，帮助用户交互筛选大量的数据，有助于使用者更快更好地从复杂数据中得到新的发现，成为用户了解复杂数据、开展深入分析不可或缺的手段。