大数据平台整合互联网使用和大数据产品，开通实时数据和离线数据，使数据实现更大规模的关联计算，挖掘数据更大的价值，然后实现数据驱动事务包括哪些方面？
1、办公使用：
其实是指数据收集。 你用什么方法收集的数据？ 互联网收集数据比较简单，可以通过网页、APP收集数据。 例如，很多银行现在都有自己的APP。
在更深层次上，还可以收集用户的行为数据，并可以剪切出许多维进行详细分析。 但是，在涉及在线的行业中，数据收集需要利用各种各样的办公体系来进行。
2、数据整合：
实际上，ETL是指用户从数据源中检索所需的数据，经过数据清洗，最终根据预定义的数据仓库模型，将数据加载到数据仓库中。 这里的Kettle只是ETL之一。
3、数据存储：
数据仓库的建设，简单地说可以划分为事务数据层(DW )、指标层、维度层、聚合层(DWA )。
4、数据共享层：
表示在数据仓库和事务系统之间提供数据共享服务。 web服务和Web API表示数据之间的联系方式。 另外，还有其他联系方式可以根据自己的情况决定。
5、数据分析层：
分析函数比较简单易懂，是k均值分析、聚类、RMF模型等各种数学函数。
6、数据显示：
结果如何出现，其实是数据的可视化。 这里推荐敏捷BI。 与传统的BI不同，它可以通过简单的拖动来完成报告，学习成本较低。
7、数据访问：
这很简单。 看看用什么方法显示这些数据。 由于图中是B/S体系结构，所以最终的可视化结果可以通过浏览器访问。
企业基于大数据平台建设的需求，对专业人才的需求度也在增加，拥有过硬技术实力的大数据人才将得到更高水平的青睐。