大数据平台建设方案、创新建设和项目实施方法如下所述：
1. 大数据平台建设方案：
- 需求分析：明确业务需求和目标，确定需要处理的数据类型、规模和频率。
- 数据采集与存储：选择适合的数据采集工具和技术，设计数据存储方案，考虑数据的结构化和非结构化特点。
- 数据处理与分析：构建数据处理流程，使用合适的大数据处理框架（如Hadoop、Spark）进行数据清洗、转换和分析。
- 数据可视化与报告：利用可视化工具和技术，将数据以易于理解和分析的方式呈现给相关用户，并生成报告和仪表盘。
- 数据安全与隐私保护：制定安全策略和措施，加强数据安全管理和访问控制，确保数据隐私得到保护。
2. 大数据平台创新建设：
- 引入新技术：关注行业发展动态，探索和引入新的大数据技术和工具，如机器学习、人工智能等，以提升数据分析和决策能力。
- 数据驱动的创新：将数据作为创新的基础，通过分析数据来发现新的商业机会、解决问题和提高效率。
- 数据协同与共享：促进数据的协同和共享，打破数据孤岛，使不同部门和业务之间能够更好地共享数据和洞察。
- 敏捷开发和迭代：采用敏捷开发方法，以小步快走的方式进行大数据平台的建设和创新，持续改进并及时响应业务需求。
3. 大数据项目实施方法：
- 项目规划和管理：明确项目目标、范围、时间和资源，并建立有效的项目管理机制，进行项目计划、执行和监控。
- 团队组建与技能培养：组建跨职能的团队，包括数据科学家、工程师、分析师等，培养团队成员的专业技能和领域知识。
- 数据质量和治理：建立数据质量管理流程，确保数据的准确性、完整性和一致性，并制定数据治理策略，规范数据的管理和使用。
- 原型开发与验证：通过迅速构建原型系统，快速验证技术可行性和商业价值，减少项目风险和投资。
- 渐进式扩展与优化：根据实际需求和反馈，逐步扩展大数据平台的规模和功能，并进行性能优化和容量规划。
在大数据平台建设、创新和项目实施过程中，关注业务需求、技术创新、数据驱动和团队合作十分重要。根据具体情况，灵活选择适合的技术工具和方法，持续改进和优化大数据平台，以实现更高效的数据处理、洞察和决策能力。