大資料分析的六個基本方面
1. Analytic Visualizations（視覺化分析）
不管是對資料分析專家還是普通使用者，資料視覺化是資料分析工具最基本的要求。視覺化可以直觀的展示資料，讓資料自己說話，讓觀眾聽到結果。
2. Data Mining Algorithms（資料探勘演算法）
視覺化是給人看的，資料探勘就是給機器看的。叢集、分割、孤立點分析還有其他的演算法讓我們深入資料內部，挖掘價值。這些演算法不僅要處理大資料的量，也要處理大資料的速度。
3. Predictive Analytic Capabilities（預測性分析能力）
資料探勘可以讓分析員更好的理解資料，而預測性分析可以讓分析員根據視覺化分析和資料探勘的結果做出一些預測性的判斷。
4. Semantic Engines（語義引擎）
我們知道由於非結構化資料的多樣性帶來了資料分析的新的挑戰，我們需要一系列的工具去解析，提取，分析資料。語義引擎需要被設計成能夠從“文件”中智慧提取資訊。
5.Data Quality and Master Data Management（資料質量和資料管理）
資料質量和資料管理是一些管理方面的最佳實踐。透過標準化的流程和工具對資料進行處理可以保證一個預先定義好的高質量的分析結果。
假如大資料真的是下一個重要的技術革新的話，我們最好把精力關注在大資料能給我們帶來的好處，而不僅僅是挑戰。
6.資料儲存，資料倉庫
資料倉庫是為了便於多維分析和多角度展示資料按特定模式進行儲存所建立起來的關係型資料庫。在商業智慧系統的設計中，資料倉庫的構建是關鍵，是商業智慧系統的基礎，承擔對業務系統資料整合的任務，為商業智慧系統提供資料抽取、轉換和載入(ETL)，並按主題對資料進行查詢和訪問，為聯機資料分析和資料探勘提供資料平臺。
大資料分析的六個基本方面
1. Analytic Visualizations（視覺化分析）
不管是對資料分析專家還是普通使用者，資料視覺化是資料分析工具最基本的要求。視覺化可以直觀的展示資料，讓資料自己說話，讓觀眾聽到結果。
2. Data Mining Algorithms（資料探勘演算法）
視覺化是給人看的，資料探勘就是給機器看的。叢集、分割、孤立點分析還有其他的演算法讓我們深入資料內部，挖掘價值。這些演算法不僅要處理大資料的量，也要處理大資料的速度。
3. Predictive Analytic Capabilities（預測性分析能力）
資料探勘可以讓分析員更好的理解資料，而預測性分析可以讓分析員根據視覺化分析和資料探勘的結果做出一些預測性的判斷。
4. Semantic Engines（語義引擎）
我們知道由於非結構化資料的多樣性帶來了資料分析的新的挑戰，我們需要一系列的工具去解析，提取，分析資料。語義引擎需要被設計成能夠從“文件”中智慧提取資訊。
5.Data Quality and Master Data Management（資料質量和資料管理）
資料質量和資料管理是一些管理方面的最佳實踐。透過標準化的流程和工具對資料進行處理可以保證一個預先定義好的高質量的分析結果。
假如大資料真的是下一個重要的技術革新的話，我們最好把精力關注在大資料能給我們帶來的好處，而不僅僅是挑戰。
6.資料儲存，資料倉庫
資料倉庫是為了便於多維分析和多角度展示資料按特定模式進行儲存所建立起來的關係型資料庫。在商業智慧系統的設計中，資料倉庫的構建是關鍵，是商業智慧系統的基礎，承擔對業務系統資料整合的任務，為商業智慧系統提供資料抽取、轉換和載入(ETL)，並按主題對資料進行查詢和訪問，為聯機資料分析和資料探勘提供資料平臺。