支持针对不同类型、不同结构的数据，采用对应的数据接入技术与工具进行数据采集，并存入对应主题库中。采用XML、WEBService作为数据传输的标准。采用JMS消息传递机制建立统一的数据传输与数据交换规范，实现不同类型、不同结构的数据交换，具有良好的扩展性。

支持可视化采集功能，通过可视化采集工具，可以看到不同的业务系统的数据抽取情况，形成采集报告，做整体的可视化监控。可视化内容包括：对象类型、对象名称、采集类型、采集状态、采集开始时间、采集结束时间、执行时间、总量、新增等维度。实现数据异常自动发现、推动告警给相关维护人员、异常消失后自动清除告警、数据变更后自动提醒功能。

主题数据以云存储、分布式文件存储等方式进行存储，可保证数据组织与读取效率。产品适应于大数据处理要求，能支持PB级数据管理。

对数据进行治理，如数据缺失、数据重复、数据错误、数据不可用等，对缺失数据提供从业务系统中再次导入、手工补入、根据逻辑补值、放弃等治理方法，对重复数据提供自动去重、手动去除、根据时间和业务逻辑去除等治理方法，对错误数据提供区间限定去除、规则修复、人工干预、历史数据近值等治理方法，对数据不可用提供按规则适配、关键字匹配、枚举转换等治理方法。

统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求。

与统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测的效果，实现一些高级别数据分析的需求。

大数据业务应用基于Hadoop生态集群，将数字化校园相关的人、财、物、网络等结构化、半结构化和非结构化数据，利用HDFS、Mapreduce进行分布式文件存储及计算，采用关联规则分析、聚类分析、相关分析等分析方法，以各种可视化图形的方式，将结果展示给用户，为领导决策提供数据支撑。大数据业务应用包括教学创新的应用、科研创新的应用、管理创新的应用以及其他方面的创新应用。