收集后数据，很多肯定是重复的或者没用的数据。此时数据需要进行简单的清洗和预处理，使不同来源的数据融为一体，适用于，如数据重复数据删除、异常处理和数据规范化，然后将这些数据存储在大型分布式数据库或分布式存储集群中，大数据的集合采用etl工具收集分布式、异构数据source数据relationship数据plane数据等非结构化/12。
数据采集，数据导入和清洗预处理，数据统计分析和挖掘，结果可视化。1.第一，数据收购。大数据的集合采用etl工具收集分布式、异构数据source数据relationship数据plane数据等非结构化/12。2.其次，数据导入和清洗预处理。收集后数据，很多肯定是重复的或者没用的数据。此时数据需要进行简单的清洗和预处理，使不同来源的数据融为一体，适用于。如数据重复数据删除、异常处理和数据规范化，然后将这些数据存储在大型分布式数据库或分布式存储集群中。
统计分析需要工具，如spss工具和一些结构化算法模型，进行分类汇总，以满足各种数据分析需求。4.最后，对结果进行可视化。big 数据分析的用户包括big 数据分析专家和普通用户，但是big 数据分析最基本的要求是可视化分析，因为可视化分析可以直观地呈现big 数据的特征，同时也可以非常容易。
在这里分享一个4s店的大数据营销案例。1.在针对客户需求采用big 数据 marketing之前，4s店一个月参加两次车展，成交效果并不理想，投入成本高，售后客户流失严重。客户希望通过大数据 marketing增加客户的店铺访问量，提高营业额，降低推广和营销投入的成本。2.投放方案①通过线下获客设备投放核心区域(尤其是车展)，24小时不间断采集区域内用户设备信息。
②将客户设备数据信息打包成大数据智能分析初级处理:去重、人群属性分析、时间段分析、区域划分、人群标签分析、人群行为分析等。目的:获取更准确的客户设置信息数据。③根据定期获取的精准客户设备数据信息的分析结果，开发更具吸引力和体验感的网络广告展示风格，通过dsp广告平台选择最佳投放渠道投放广告。
