在大数据处理过程中，异常数据是不可避免的，因为数据来源、数据质量、数据采集等因素可能导致数据出现异常情况。为了保证数据分析的准确性和可靠性，需要对异常数据进行处理。

下面是大数据异常处理的几种方法：

1. 删除异常数据：如果异常数据的比例很小，可以直接删除，这样可以提高数据的质量和可靠性。但是需要注意，删除数据也可能影响结果的准确性。

2. 替换异常数据：例如，将异常数据替换成平均值，中位数等统计值，但是需要根据具体情况选择合适的替换方法，避免对数据产生误导。

3. 分类处理异常数据：例如，将异常数据单独处理为一个分类，便于后续分析和对比，但是需要针对异常数据进行分类，避免对分析结论产生影响。

4. 数据标准化：对数据进行标准化处理，可以将异常数据转化为正常分布，便于统计分析。

5. 使用算法进行处理：例如，使用异常检测算法或异常选择算法来识别和处理异常数据，可以从不同角度进行数据分析和处理，提高数据的可靠性。

综上所述，处理大数据异常数据需要考虑具体场景和具体数据情况，结合统计分析和机器学习等方法，选择合适的异常处理策略和算法进行分析和处理。