在当今大数据时代，思维的变化是真正搞好大数据的关键。我们需要用数据来思考问题，用数据来做决策。
- 从最早的报表开始的数据分析 最早的数据分析方法可能就是生成一份简单的报表，展示几条关键数据。随着数据量的增加，我们需要更多的数据图形和报表来展示分析结果。但是，当数据量变得非常庞大时，我们需要考虑如何分析这些数据，如何实现实时分析，以及如何处理分析结果数据量巨大的情况。
- 数据分析的基础：拥有数据 要进行数据分析，首先需要拥有数据。有些数据是业务积累的，比如交易订单数据，每笔交易都会生成一份订单数据，我们可以对这些订单数据进行分析。然而，有些场景下，我们无法依赖自身业务来获得数据，需要从外部获取数据。这时，如果能够获得现成的数据，可以直接将其导入到分析系统中。但有时我们需要自己获取数据，比如通过爬虫爬取网页数据。如果单台机器无法完成爬取任务，我们需要考虑使用单机多线程或分布式多线程爬取数据。在分析之前，我们还需要将在线业务数据每天晚上导入离线系统，并进行后续分析。
- 如何进行数据分析？ 对于数据量较小的情况，可能只需要一个复杂的SQL查询就能得到结果，然后可以通过web页面展示数据。这种情况下，分析的数据源较小，分析脚本是在线执行的SQL语句，结果也直接在页面上展示。整个流程非常简单。
- 处理大规模数据分析的问题 当数据量变得非常庞大，无法使用在线执行SQL的方式进行统计分析时，我们就需要借助大数据处理工具，比如Hadoop。在使用Hadoop之前，我们需要构建一个Hadoop集群，并将数据导入集群中。之后，我们可以编写MapReduce程序来实现统计分析，并将程序上传到集群进行执行。执行后的结果仍然是以文件形式存储。
