Xác định kết quả cần có, thời hạn và quy tắc tính đúng trước khi chọn công cụ xử lý dữ liệu lớn. Dữ liệu nhiều không tự động có nghĩa là phải dùng framework xử lý phân tán.
Ví dụ doanh nghiệp cần báo cáo doanh thu hôm qua theo người bán vào mỗi sáng. Bài toán này khác với phát hiện một giao dịch đáng ngờ trước khi chấp nhận thanh toán. Cả hai có thể liên quan đến nhiều bản ghi, nhưng một bên cho phép xử lý theo lịch, bên kia cần quyết định kịp thời.
1. Xác định dữ liệu thực sự phải xử lý
Làm rõ lượng dữ liệu hiện có, tốc độ phát sinh mới, những trường cần dùng và thời gian phải lưu giữ. Với báo cáo doanh thu, thống nhất việc hoàn tiền sẽ điều chỉnh ngày bán ban đầu hay ngày hoàn tiền. Nếu thiếu quy tắc này, luồng xử lý nhanh hơn vẫn có thể tính sai tổng.