谢邀 这个问题比较大，我尽量简短回答。 1.数据采集需要明确一个概念，你这里指的是业务系统产生的业务数据（B端）还是说互联网产生的用户行为数据（U端），前者较为容易，后者需要做大量的准备工作； 2.数据的清洗与整理； 3.数据的存储和数据备份，这个可以放到一起讲，大数据的存储不同于传统的数据库存放，他涉及到大规模并行的计算，所以你的数据结构的设计就很重要了，考虑一下如何切分表，如何对数据更新等进行优化； 4.数据的运用，数据分析的工具很多，Excel VBA、SQL Server Integration Services（SSIS）、SAP BW/BI等都是分析数据的方法，根据企业的需求，可以选择性去学习，当然如果你学完了这些东西，基本也就到了一定阶段了，此时你可以挑出适合你公司用的工具来进一步实践，数据分析其实是个很大的学问，在这里一时半会也说不完，如果你有具体的场景和问题，也可以追问我。
以上，希望对你有帮助！
岳鹤丽优质答主大数据对于企业来说，是一个全新的挑战。企业大数据的架构方法还未成型，需要不断的探索和创新。当然，企业大数据的构建不能离开云计算平台，只有将大数据与云计算相结合，才能为企业创造更为实用的平台。
首先，要建立一个企业云大数据平台，需要利用Hadoop的分布式文件系统HDFS。Hadoop是一个能够对大量数据进行分布式存储和处理的软件框架，它支持的应用在任何附加Hadoop兼容存储（HCFS）系统的服务器上运行。使用Hadoop的用户能够了解Hadoop的系统特点：Hadoop的名称节点系统采用单点控制的思想，用来跟踪数据块的位置。当一个文件写入HDFS中时，名称节点会将文件分解成固定长度的数据块，每个数据块都会在名称节点主服务器中进行同步备份，一般每个数据块会备份3份。Hadoop采用基于消息的通信机制，Hadoop的存储管理器和工作节点间的通信采用TCP（Transmission Control Protocol，传输控制协议），而名称节点与存储管理器或工作节点间的通信会采用远程存储过程RPC(Remote Procedure Call )。这样能够使用户在云环境下使用多租户模型访问Hadoop文件系统。
然后，还要在Hadoop基础上建立Hbase，以便进行非关系型数据分析处理，建立数据模型。与关系型数据库不同的是，Hbase不会采用索引而是采用行键的字典序进行存储，其表是稀疏、多维排序的映射表，关键字为行键，其他为列。它与Google BigTable类似，BigTable将表的行按行键字典序分成若干个行区间，每个行区间成为一个单元，每个单元会由一个Master服务器进行分配和管理。
其次，为了能支持大型企业级应用分析处理，需要采用Hive数据仓库。Hive构建在Hadoop文件系统之上，存储格式为Hive。QL，它允许用户使用类似于SQL的语言查询日志，而不需要深入的掌握Hadoop编程。同时，它采用了MapReduce对查询语句进行处理，使查询语句能支持大规模数据，大大提高了执行效率。Hive的查询模型不是实时查询，而是提供延时查询。Hive还具有扩展性，可以扩展到数千个节点上，这样大大提高了其可用性和健壮形。
再者，为了提高大数据查询分析的速度和交互性，采用Pig和Mahout。Pig是一种适用于Hadoop的编程语言，它提供了在大规模数据集上查询处理的灵活性，允许用户定义函数处理大规模数据。Pig拉丁语程序会自动转化成一系列的MapReduce作业，这些作业在Hadoop集群上运行。由于Pig拉丁语是一种过程型语言，它提供了存储或者优化查询语句以增加查询语句执行速度的灵活性，Pig还支持在用户自定义函数、数据和查询结果上使用SQL语句。
Mahout是一个构建机器学习和各种大数据算法的工具包，目前包括了推荐系统、聚类算法、分类算法等。在应用时，用户不需要深入的掌握底层算法的数学模型，只需要应用Mahout即可。目前使用Mahout进行搜索，搜索结果的相关度大大增加。Mahout还采用分布式存储模型，采用HDFS模型作为分布式文件存储系统。Mahout还提供了可扩展的云计算实现模型，提高了算法模型的查询速度和稳定性。同时，Mahout与Hbase和Hive等配合，形成了更加稳定健壮的集群系统。
