具体来说，大数据BI技术中的数据分析流程如下：

数据采集：数据采集是大数据BI技术中的第一步，也是最重要的一步。数据采集需要从各个数据源收集数据，包括数据库、文本文件、日志文件、传感器数据等。

数据清洗：数据清洗是为了确保数据的质量和完整性，需要对采集到的数据进行清洗和去重处理。数据清洗是大数据BI技术中非常重要的一步，需要使用各种算法和工具来处理和清洗数据。

数据存储：数据存储是将清洗过的数据存储到数据仓库或数据湖中，以备后续分析和可视化使用。数据存储需要考虑数据量和存储方式，如使用分布式文件系统（HDFS）或分布式数据库等。

数据分析：数据分析是大数据BI技术中的核心步骤，也是最复杂的一步。数据分析需要使用各种算法和工具来分析数据，包括数据挖掘、机器学习、统计分析等。

数据可视化：数据可视化是为了让数据分析结果更容易理解和交流，需要将分析结果通过图表、图像等方式进行呈现。数据可视化需要考虑用户需求和交互性，如使用数据仪表盘、报表等。

在大数据BI技术中，数据分析的方法也非常多样，可以使用统计分析、机器学习、数据挖掘等方法。其中，机器学习是最常用的方法之一，包括监督学习、无监督学习和半监督学习等。另外，还有文本挖掘、社交网络分析等方法。

总之，大数据BI技术中的数据分析流程和方法是非常复杂的，需要使用各种算法和工具来处理和分析数据，以获得有价值的信息和决策支持。