1、大数据挖掘：定义目标，并分析问题开始大数据处理前，应该定好处理数据的目标，然后才能开始数据挖掘。例如：统计最近三年的毕业生的各种情况。那么就应该把毕业生相关的信息都要搜集一遍下来。
2、大数据挖掘：建立模型，采集数据可以通过网络爬虫，或者历年的数据资料，建立对应的数据挖掘模型，然后采集数据，获取到大量的原始数据。
3、大数据挖掘：导入并准备数据在通过工具或者脚本，将原始转换成可以处理的数据，例如：MySQL,数据文本.
4、大数据分析算法：机器学习通过使用机器学习的方法，处理采集到的数据。根据具体的问题来定。这里的方法就特别多。常见的方法有：人工神经网络随机森林树LMS算法
5、大数据分析目标：语义引擎处理大数据的时候，经常会使用很多时间和花费，所以每次生成的报告后，应该支持语音引擎功能，可以让数据自己说话，人们从中提出数据就好了。
6、大数据分析目标：产生可视化报告，便于人工分析通过软件，对大量的数据进行处理后。然后将结果可视化出来，这样才便于人类分析。常见的一些软件有splunk等
7、大数据分析目标：预测性通过大数据分析算法，应该对于数据进行一定的推断，这样的数据才更有指导性。
