就本身而言，Hadoop 不是很有用的东西，原因是它需要编写大量复杂和定制的程序代码，难以治理，也没有数据质量概念和数据治理可谈了。企业用户都忙于去研究如何解决使用 Hadoop 所碰到的问题，主要是涉及到项目实施时间、成本和风险等，而 Hadoop 自身的客户化编程就增加了项目实施时间、成本和风险。

在互联网发展到大数据时代，那么数据就等于金钱。随着向一个基于应用的领域过渡，数据则呈现出了指数级增长。

ETL (数据转换)就是对数据的合并、清理和整合。通过转换，可以实现不同的源数据在语义上的一致性。抛开大数据的概念与基本知识，进入核心。我们从：数据采集、数据存储、数据管理、数据分析与挖掘，四个方面讨论ETL在大数据实际应用中涉及的技术与知识点。

本教程为SPSS 19.0版本，主要为SPSS基础操作讲解。