张思思

（河北大学,河北 保定 071000）

1 引言

数据已经成为企业的重要资产，如何将数据转为有用价值信息是必须要做的事情。企业利用大数据进行分析挖掘，挖掘背后数据的价值，不仅能够根据需要进行宏观调整，还能提高企业运行效率。随着数据的不断积累和海量数据的产生，企业会有多种数据分析的需求，每次都需要进行单独研究，即需要重新开发。由于需求的不同，这就导致之前已经拥有的模型难以得到复用，必须重新选择数据集和构造数据分析模型。对企业多重数据的不合理存储不仅耗费企业巨大的资源，同时缺失数据分析及预测服务，导致无法发现这些数据背后的价值，从而导致企业的管理水平及服务得不到提升。随着大数据相关技术的日益成熟[1-3]，以与大数据相关的技术来处理和挖掘企业数据，并对数据进行分析和预测，为企业的成本控制提供参考依据，已经越来越得到重视。

随着越来越多的技术应用到大数据中，大数据方面出现了很多技术。以Hadoop生态圈为代表的分布式数据处理平台以及计算框架解决了海量数据存储与处理的问题[4]，由于使用过程中，Hadoop需要技术人员关注实现细节，并且一些算法只适用于特定的应用场景，可复用性较差，已经无法满足越来越复杂的大数据分析应用需求。本文主要对大数据分析流程配置进行研究，提出以业务为中心[5]，使用户专注于问题的业务逻辑进行分析和研究，不再关注具体技术实现细节问题，并设计流程化大数据分析模型，根据业务不同选择不同的算法，通过参数优化配置，最终生成理想的预测模型。……