我目前正在大学学习，并且正在从事有关大数据项目需求分析的研究项目。我问大数据生命周期中的哪个阶段可以应用需求分析。
[设置BIG DATA项目的过程：
想象，收集，准备，建模，可视化，优化，部署
Imagine：了解和定义业务问题，识别需求，定义目标，严格制定需求或业务机会，可能的重要性级别，案例研究收集：数据可用性和质量，传统数据源（包括内部政治问题），新数据源（包括开放数据和社交网络），数据格式，数据获取（抓取，抓取……），立法，大数据存储（数据湖，仓库，分析缓存），数据治理策略准备：清理技术，格式同质化和缩放，大数据丰富，语义技术，用于优化数据分析的信息组织，示例（包括Pig和Hive）模型：迭代方法，预测数据，机器学习，“特征工程”，探索和分析（按批或实时），创建新信息（通过识别，关联，汇总或投影所有先前转换的信息）数据），降维（必要时），预测技术（回归，关联规则，分类），探索性技术（acp，afc，聚类），算法的可解释性，算法的8个示例，案例研究（细分总体，分析观点）在动词基础上）Visualize：数据可视化的重要性，基本知识（html5，javascript，库），数据可视化应用程序的使用（软件表，Microsoft Power BI），与业务用户的交流，表示形式图形的示例（大多数常用）Optimize：敏捷方法和迭代周期，可实现的主要测试和优化，部署，示例（包括数据增强和预测模型的集成）部署：处理链的产业化，规模变更，可能的代码重写，后期项目的管理，应用程序和数据的维护。
软件（包括R中的大数据项目）的需求分析（RA）应该是一个迭代过程。为RA设置一个“何时”可将您锁定为瀑布式开发。某些项目仍以这种方式执行此操作，但不是我在哪里工作。我注意到您已经在Optimize部分下引用了Agile。