1、数据规约 —— 主要方法包括：数据立方体聚集，维度归约，数据压缩，数值归约，离散化和概念分层等。
2、数据预处理的方法有数据清理、数据集成、数据变换、数据归约。数据清理 通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来“清理”数据。主要是达到如下目标：格式标准化，异常数据清除，错误纠正，重复数据的清除。
3、数据清理数据清理（data cleaning） 的主要思想是通过填补缺失值、光滑噪声数据，平滑或删除离群点，并解决数据的不一致性来清理数据。如果用户认为数据时脏乱的，他们不太会相信基于这些数据的挖掘结果，即输出的结果是不可靠的。数据集成 数据分析任务多半涉及数据集成。
4、数据预处理的方法包括数据清洗、数据转换、数据集成、数据归约和特征提取等。其中，数据清洗是去除数据中的噪声、缺失值、异常值和重复记录等，以获得高质量的数据。在实际应用中，数据清洗是非常重要的步骤，可以确保后续分析的准确性和可靠性。
数据处理的基本流程一般包括以下几个步骤：数据收集：从数据源中获取数据，可能是通过传感器、网络、文件导入等方式。数据清洗：对数据进行初步处理，包括去重、缺失值填充、异常值处理等。
大数据处理流程包括数据收集、数据存储、数据清洗和预处理、数据集成和转换、数据分析、数据可视化、数据存储和共享，以及数据安全和隐私保护等步骤。数据收集 数据收集是大数据处理的第一步。这可以通过多种方式进行，如传感器、网页抓取、日志记录等。
数据治理流程是从数据规划、数据采集、数据储存管理到数据应用整个流程的无序到有序的过程，也是标准化流程的构建过程。根据每一个过程的特点，我们可以将数据治理流程总结为四个字，即“理”、“采”、“存”、“用”。
1、如对大部分地球物理面积性观测数据在进行转换或增强处理之前，首先将不规则分布的测网经过插值转换为规则网的处理，以利于计算机的运算。另外，对于一些剖面测量数据，如地震资料预处理有垂直叠加、重排、加道头、编辑、重新取样、多路编辑等。
2、数据集成 数据集成过程将来自多个数据源的数据集成到一起。数据规约 数据规约是为了得到数据集的简化表示。数据规约包括维规约和数值规约。数据变换 通过变换使用规范化、数据离散化和概念分层等方法，使得数据的挖掘可以在多个抽象层面上进行。数据变换操作是提升数据挖掘效果的附加预处理过程。
3、批处理+流处理 在实践的使用傍边，批处理和流处理一起存在的场景也很多，混合处理框架就旨在处理这类问题。供给一种数据处理的通用处理方案，不仅可以供给处理数据所需的办法，一起供给自己的集成项、库、东西，可满足图形剖析、机器学习、交互式查询等多种场景。
1、集中式与分布式数据处理各有优势与不足。简单来说，集中式数据处理在统一管理和控制方面具有优势，而分布式数据处理则在灵活性和扩展性上表现更佳。集中式数据处理的优势在于其便于统一管理和控制。在这种模型中，数据被集中存储在一个中心位置，通常由单个强大的服务器或主机进行处理。
2、大数据存储方式有分布式存储、存储虚拟化等。分布式存储是一种高度容错性、高吞吐量、支持批处理的数据存储方式，适用于大规模数据分析问题。分布式文件系统是存储和管理多个文件，通过集中式存储和分布式文件系统可以提供高吞吐量的数据访问。
3、分布式和集中式存储的选择集中存储的优缺点是，物理介质集中布放；视频流上传到中心对机房环境要求高，要求机房空间大，承重、空调等都是需要考虑的问题。
4、同时，Tonny Ai认为，在云计算、大数据时代，集中式存储需要的管理和维护非常困难，分布式存储模型是大势所趋。在这其中，Fusion-io提供了PCIe闪存卡、全闪存阵列以及SDK工具，支持提升各种应用的性能。Christine M Rice女士指出，SSD不只是让数据变快。
