目前云技术盛行,“大数据”备受关注。但“大数据”时代的到来,一方面给我们带来了巨量的数据财富,另一方面也对我们的硬软件等条件提出了严格的要求。海量非结构化数据的处理,并不是所有传统意义上的统计分析技术所能处理的。传统技术遇到新挑战,需要改革创新才能生存下来。针对“大数据”海量的特点,对数据进行初步处理,得到一个结果,用于后续操作分析。这样的操作,模糊综合评价法可以完全胜任,只是在数据量显得过于庞大,会导致效率低下,因此具有降维作用的因子分析技术看似在这个问题上可以起到很大的作用。本文从这个目的出发,为了达到提高数据分析效率,减少人工操作,以因子分析为核心,对模糊综合评价算法进行改进,并取得了如下成果:1.因素集重组,使用因子分析对评价对象的因素集进行科学分析,分解并重新组合成新的因素集,使得因素之间互斥;2.动态综合评价,利用大数据的特点,使用样本数据的特性代替专家评价意见,减少了人为干扰,而且使得整个评价过程更加贴合实际,贴合评价对象实际情况;3.公因子权重向量,使用因子分析得到的公因子,作为模糊综合评价算法的权重,避免了人为操作,提高了结果的科学性、准确性;4.步骤调整,对改进之后的模糊综合评价算法计算步骤进行适当调整,使得计算思路更加清晰,前后衔接更紧密,同时也更加合理。综上所述,最终提出一种可用计算机实现的、进行数据分析、快速决策的改进版模糊综合评价算法,用于快速从样本数据中获取符合要求的模糊综合评价,主要计算过程涉及模糊数据反模糊化、主成分提取、计算综合评分、结果模糊化几个步骤,并在本文最后,通过实例分析,对改进算法进行总结。