你可以根据你想要使用的平台来做所有这些事情。大数据是一个非常大的术语，有很多框架可以提供大数据的计算和可视化。所以你的问题的答案将取决于你想要使用的平台。

大数据平台（hadoop）和传统数据库的根本区别在于，大数据平台在读取时应用模式，而我们在传统数据库中预先定义模式。因此，在传统的数据库中，我们只能插入那些符合已知模式的数据。hadoop的核心是一个名为hdfs的文件系统，它使用map-reduce算法在文件系统上进行分布式计算。通常我们不会问，我们需要什么样的准备才能将文件复制到您的计算机上。你先复制它-按原样-因为我们要复制到一个文件系统，如ntfs、fat、hfsx、zfs等。同样地，hdfs也是一个文件系统。像hive这样的工具为您提供了一个到hadoop的sql接口。但是，在后台，hive获取原始文件并在读取时应用模式。由于处理是快速的和分布式的，所以这不是一个问题。这就是为什么-我们通常不使用hadoop进行实时事务处理系统。
虽然除了delete之外，您可以执行您要求的大多数转换，但是通常您不应该在基于hadoop的系统中执行很多转换。您可以提供原始数据并使用hive之类的工具或编写自己的map reduce代码来访问它。它们在访问时运行。因此，预处理的级别应该相对较小。
你可以在hadoop上使用一些可视化工具来绘制你想要的图。
有关更多分析算法，请参阅apachemahout。http://mahout.apache.org/users/basics/algorithms.html

对于数据准备，您可以使用hive。我建议你用斯巴克。有很多函数和库可以帮助你进行单变量（缺失值和异常值处理）和双变量分析。您可以绘制图表，并执行回归分析。r是为统计计算而构建的，使用spark可以在bigdata上实现同样的功能。关于速度，它很快：）你可以在这里阅读斯巴克https://rpubs.com/wendyu/sparkr