企业业务的发展造就了海量异构来源的结构化和非结构化数据的不断积累,随着数据获取手段和处理技术的改进,即使在信息系统建立之初进行了良好的设计,随着时间的推移和业务的变化也可能导致所存储的数据无法满足数据分析人员的要求。由于企业涵盖众多业务,而每种业务都会产生相应的带有特定结构的数据,不同业务间的数据结构不同而且存储方式多样,导致企业拥有多个来源的大数据,简称为多源大数据。企业对多源大数据进行数据挖掘等数据分析任务时,需要首先对数据进行预处理也即数据准备过程,但是数据准备非常耗时费力而且往往需要分析人员具备代码能力,已有数据准备流程难以再编辑、相似的数据准备流程间重用困难,这些问题显著增加了数据分析人员的工作量。本文设计并实现了面向多源大数据的数据准备平台,为用户提供接入不同大数据源、建立数据准备流程、数据准备结果展示保存的各种工具。与仅通过编码或手动执行数据清洗过程相比,平台通过友好的可视化界面,以用户可编辑设定的数据准备步骤来代替针对该步骤的手动数据清洗过程,用户通过在界面中编辑其自定义的数据准备流程,减少了用户手动编码或者手动操作数据的工作量,同时通过建立流程文件的方式提供用户再编辑和执行的功能,通过提出基于GBDT(Gradient Boosting Decision Tree)的数据清洗过程中缺失数据处理算法,提高时序型缺失数据填充的准确率。本文首先介绍了多源大数据和数据准备的概念和相关背景,面向多源大数据的数据准备平台提出的背景与意义,并对该平台实现过程中用到的相关技术进行了简要的介绍。然后基于主要应用场景,对平台的需求进行分析,明确了系统的功能性需求。接着对系统实现过程中需要解决的关键问题进行了分析并提出了相应的解决方法:为了解决面向多源大数据的问题,通过建立多源大数据的统一视图,采用基于混合本体的XML(Extensible Markup Language)方式建立数据源和视图的映射,得到数据准备流程的数据源;为了解决用户视图与流程模型的映射问题,通过建立组件结构模型,采用基于MVC(Model-View-Controller)结构的流程组件定义和数据准备流程映射建模,得到流程文件和流程模型;为了提高数据准备过程中时序型缺失数据处理的准确性,本文提出一种基于GBDT的缺失数据处理流程,通过结合GBDT回归分析预测填充、统计值填充等方式提高缺失数据处理的准确性。基于关键问题的解决方案,设计并实现了该面向多源大数据的数据准备平台原型系统,并对平台功能进行了测试。最后对论文工作进行了总结,指出了设计与实现过程中的不足及未来改进的方向。