大信息处理业务流程主要就包涵统计数据收集、统计数据后处理、统计数据储存、信息处理与探究、统计数据展现 统计数据建模、统计数据应用领域等各个环节，其中统计数据产品质量横跨于整个大统计数据业务流程，每一个信息处理各个环节单厢对大统计数据产品质量产生影响促进作用。
大信息处理之一：收集
大统计数据的收集是指利用数个统计资料库来转交丽翔应用领域程序(Web、App也许感应器方式等)的 统计数据，所以使用者能经过那些统计资料库来展开隐晦的查阅和处理工作台，在大统计数据的收集民主化中，其主要就民族特色和迎敌是mammalian数高，因为同时有可能会有数以千计的使用者 来展开造访和操作
大信息处理之三：引入/后处理
虽然收集端本身会有许多统计资料库，但是倘若要对那些海量统计数据展开有效的探究，还是应该将这 些来自后端的统计数据引入到一个集中的大型分布式系统统计资料库，也许分布式系统储存软件产业，所以能在引入基础上做许多隐晦的冲洗和后处理工作台。引入与后处理民主化的民族特色和迎敌主要就是引入的统计信息量大，每秒的引入量时常会抵达INS13ZD，甚至以太网级别。
大信息处理之三：计量/探究
计量与探究主要就利用分布式系统统计资料库，也许分布式系统计量软件产业来对储存于其外的海量统计数据展开一般 的探究和进行分类汇整等，以满足用户绝大多数常用的探究市场需求，在这点，许多保密性市场需求会加进EMC的GreenPlum、Oracle的Exadata，以及依照 MySQL的Chalancon储存Infobright等，而许多格式化，也许依照半形式化统计数据的市场需求能利用Hadoop。 计量与探究该些的主要就民族特色和迎敌是探究冲破的统计信息量大，其对计算资源，特别是I/O会有很大的挤占。
大信息处理之三：挖掘
主要就是在原有统计数据下面展开依照各种演算法的计量，接着起著预估(Predict)的促进作用，接着实现许多浓碱统计数据探究的市场需求。主要就利用的辅助工具有Hadoop的Mahout等。该民主化的民族特色和迎敌主要就是用于挖掘的演算法很繁杂，并 且计量冲破的统计信息量和计量量都很大，常用统计数据挖掘演算法都以Renderscript为主。
