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。
