随着计算机和网络技术的不断发展,世界已进入大数据时代。对大数据的有效使用,将极大推动社会发展和科学技术的进步。数据分析由此应运而起。但是目前数据分析遇到了一些瓶颈,首先是数据分析需要大量的编程经验。其次是在迭代的分析过程中,存在大量重复工作,会极大降低数据分析的效率。本文设计与实现的大数据持续分析平台,与目前常用的Python及R语言数据分析相比,平台对算法进行封装,通过拖拽组件的方式构建数据分析流程,使用户无需关心算法内部实现细节,降低了数据分析门槛。同时,提出了针对电信诈骗领域的定制K-Means聚类组件。使用基于最短路径的流程持续优化算法,从已有流程集合中抽取潜在结构,为新流程的编排提供建议。为了实现大数据持续分析平台,本文首先介绍了国内外相关数据分析平台的发展现状和相关技术,接下来分析了系统的主要功能需求和非功能性需求,接着提出为了实现该平台需要解决的关键技术:为了实现可视化流程编排和流程复用,系统提出了基于事件监听机制的数据绑定、基于XML格式的流程描述语言和流程解析引擎;针对流程的持续优化,提出了基于最短路径的持续优化算法。之后,介绍了大数据持续分析平台的总体架构和概要设计,在总体设计的基础上详细介绍了其中关键模块的设计,最后对大数据持续分析平台进行了测试。在最后一部分,总结了平台现有的不足和未来针对这些不足的改进方向。