大数据的采集有 4种来源，管理信息系统、Web信息系统、物理信息系统、科学实验零碎。关于不同的数据集，能够存在不同的构造和形式，如Excel、TXT、word文档、XML树、关系表等。
关于多种多样的数据集，需求做进一步集成处置或整合处置，将来自不同数据集的数据搜集、整理、清洗、转换后，生成到一个新的一致的数据集，为后续查询和剖析处置提供一致的数据视图。
大数据分析的进程包括：大数据采集 ——预处理——大数据存储管理——大数据建模——大数据可视化剖析。gendan5.com/zs/hscei.html
首先是大数据贮存管理：时剖析使用通常会运转在例如 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。
紧接着是大数据建模：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办法，它强调从业务、数据存取和运用角度合理存储数据。良好的数据模型能协助我们疾速查询所需求的数据，增加数据的 I/O吞吐。
最后进行大数据可视化剖析：做了以上那么多步骤都是为了更好的停止大数据分析。在大数据分析的使用进程中，可视化经过图片、表格、剖析图等视觉表现的方式来协助人们探究和了解复杂的数据。
可视化与可视剖析可以迅速和无效地简化与提炼数据流，协助用户交互挑选少量的数据，有助于使用者更快更好地从复杂数据中失掉新的发现，成为用户理解复杂数据、展开深入分析不可或缺的手腕。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70014563/viewspace-2913651/ ，如需转载，请注明出处，否则将追究法律责任。
