首先是数据系统的建设，数据系统是基础。从确定要进行哪些方面的数据收集开始，需要把收集到的数据进行清洗、筛选、格式转换、存入系统中，并且按照技术平台的要求，投入人力、设备等进行大数据系统的搭建。其次是数据业务建模。有了系统，就可以基于这个系统来观察数据，可以由建模人员利用其专业知识进行基于机器学习方法理论的建模，在得到一个合适的模型之后，需要把此模型放置到大数据系统中进行运行。一般来说，这个大数据系统需要有大数据工程师一起参与，将模型转换成适合在平台上运行的代码，当然逐渐地会出现很多高效率的工具来帮助这种代码化的转换。

　    大数据平台承载所有数据的管理，为上层应用提供数据支撑。传统的开发模式中，各个应用开发独立进行，各自沉淀自己的数据。各个应

　　用的数据缺乏整合，形成数据孤岛，后续无法沉淀数据资产。同时，因为没有一个统一的大数据平台，各个应用都会有自己的数据存储和计算体系，存在大量的重复建设。
　　以数据中台为核心的上层智能应用的开发，离不开大数据平台的支持。大数据平台提供统一的数据数据存储，计算能力。上层应用不需要再重复开发，只需要使用数据中台提供的能力。