完成一个中小范围的Hadoop技术利用的数据分析处理

中小范围的Hadoop技术利用的数据分析处理可以包括以下步骤：

1. 数据搜集：搜集需要进行数据分析的数据，可以包括结构化数据、半结构化数据和非结构化数据等。
2. 数据清洗：对搜集到的数据进行清洗和预处理，包括去除重复数据、去除噪声数据、填充缺失值等。
3. 数据存储：将清洗后的数据存储到Hadoop散布式文件系统（HDFS）中，以便后续处理。
4. 数据转换：根据具体需求进行数据转换，可以将原始数据转换为可分析的格式，如将非结构化数据转换为结构化数据。
5. 数据分析：使用Hadoop生态系统中的散布式计算框架，如MapReduce、Spark等，进行数据分析。可以采取机器学习、数据发掘、统计分析等方法，对数据进行深入发掘和分析。
6. 数据可视化：将分析得到的结果进行可视化展现，可使用工具如Tableau、Power BI等，将分析结果以图表、仪表盘等情势展现给用户。
7. 数据报告：根据需求生成数据分析报告，对分析结果进行总结和解释，并提出相应的建议和决策支持。
8. 数据监控和优化：对数据分析进程进行监控和优化，如监控作业运行情况、调剂资源分配等，以提高数据分析的效力和准确性。

需要注意的是，中小范围的Hadoop技术利用相对大范围利用来讲，数据量较小，可以通过单机还是小范围集群来进行数据处理和分析。同时，针对中小范围利用也能够斟酌使用更轻量级的大数据处理框架，如Apache Flink、Apache Beam等，以满足实际需求。