一般的大數據平臺從平臺搭建到數據分析大概包括以下幾個步驟：
Linux系統安裝。分布式計算平臺或組件安裝。
數據導入。數據分析。一般包括兩個階段：數據預處理和數據建模分析。數據預處理是為后面的建模分析做準備，主要工作時從海量數據中提取可用特征，建立大寬表。
數據建模分析是針對預處理提取的特征或數據建模，得到想要的結果。結果可視化及輸出API。可視化一般式對結果或部分原始數據做展示。一般有兩種情況，行數據展示，和列查找展示。
其實題主需要搞清楚以下幾個問題，搞清楚了，其實問題的答案也就有了：
1、是從個人學習成長的角度想搭建平臺自學？還是現在的公司需要大數據技術進行分析？——如果是從個人學習成長的角度，建議直接按照Hadoop或者Spark的官網教程安裝即可，建議看官網（英文），在大數據技術領域，英語的掌握是非常重要的，因為涉及到組件選型、日后的安裝、部署、運維，所有的任務運行信息、報錯信息都是英文的，包括遇到問題的解答，所以還是非常重要的。如果是公司需要進行大數據分析，那么還要研究以下幾個問題：為什么需要搭建大數據分析平臺？要解決什么業務問題？需要什么樣的分析？數據量有多少？是否有實時分析的需求？是否有BI報表的需求？——這里舉一個典型的場景：公司之前采用Oracle或MySQL搭建的業務數據庫，而且有簡單的數據分析，或者可能采購了BI系統，就是直接用業務系統數據庫進行支持的，現在隨著數據量越來越大，那么就需要采用大數據技術進行擴容。
搞清楚需求之后，按照以下的步驟進行：
1、整體方案設計；整體方案設計時需要考慮的因素：數據量有多少：幾百GB？幾十TB？數據存儲在哪里：存儲在MySQL中？Oracle中？或其他數據庫中？數據如何從現在的存儲系統進入到大數據平臺中？如何將結果數據寫出到其他存儲系統中？分析主題是什么：只有幾個簡單指標？還是說有很多統計指標，需要專門的人員去梳理，分組，并進行產品設計；是否需要搭建整體數倉？是否需要BI報表：業務人員有無操作BI的能力，或團隊組成比較簡單，不需要前后端人員投入，使用BI比較方便；是否需要實時計算？
2、組件選型；架構設計完成后就需要組件選型了，這時候最好是比較資深的架構師參與設計，選型包括：離線計算引擎：Hadoop、Spark、Tez……實時計算引擎：Storm、Flink、Samza、Spark Streaming……BI軟件：Tableau、QlikView、帆軟……
3、安裝部署；選型完成后，就可以進行安裝部署了，這部分其實是最簡單的，直接按照每個組件的部署要求安裝即可。
4、另一種選擇：采用商用軟件如果是企業需要搭建大數據平臺，那么還有一種選擇是直接采用商用的數據平臺。市面上有很多成熟的商用大數據平臺，Cloudera、星環、華為、亞信等等，都有對應的產品線
主要有以下幾個特點：
1.一站式。一站式數據開發產品體系，滿足企業建設數據中臺過程中的多樣復雜需求。
2.兼容性強。支持對接多種計算引擎，使更多企業“半路上車”。
3.開箱即用。基于Web的圖形化操作界面，開箱即用，快速上手。
4.性價比高。滿足中小企業數據中臺建設需求，降低企業投入成本。
