大數據處理流程的第壹步是收集數據。
大數據處理流程包括：數據采集、數據預處理、數據入庫、數據分析、數據展現。
1、數據采集概念：目前行業會有兩種解釋：壹是數據從無到有的過程（web服務器打印的日誌、自定義采集的日誌等）叫做數據采集；另壹方面也有把通過使用Flume等工具把數據采集到指定位置的這個過程叫做數據采集。
2、數據預處理：通過mapreduce程序對采集到的原始日誌數據進行預處理，比如清洗，格式整理，濾除臟數據等，並且梳理成點擊流模型數據。
3、數據入庫：將預處理之後的數據導入到HIVE倉庫中相應的庫和表中。
4、數據分析：項目的核心內容，即根據需求開發ETL分析語句，得出各種統計結果。
5、數據展現：將分析所得數據進行數據可視化，壹般通過圖表進行展示。
收集數據是壹項很重要的基礎工作。收集數據的壹般方法是查閱各種統計年鑒和報表，再就是運用某種調查方法獲取欲研究問題的有關數據。抽樣調查獲取數據的方式在我國方興未艾，抽樣調查的方法很多，專業性很強，現在已有不少抽樣技術的專著。