大數(shù)據(jù)具有數(shù)據(jù)量大、速度快、類型復(fù)雜、數(shù)據(jù)結(jié)構(gòu)不相同以及價值分布密度低的特點(diǎn)，因此，進(jìn)行大數(shù)據(jù)分析成為一件具有挑戰(zhàn)性的工作。

這時候需要利用一些技術(shù)來分析大數(shù)據(jù)，才能獲取很多智能的、深入的、有價值的信息。

常用的大數(shù)據(jù)分析技術(shù)如下:(1) 預(yù)測性分析。

這也是大數(shù)據(jù)分析的使用價值之一。

通過現(xiàn)有的數(shù)據(jù)分析，預(yù)測未來的數(shù)據(jù)發(fā)展趨勢，更好地為行業(yè)的發(fā)展提供預(yù)測性數(shù)據(jù)。

預(yù)測分析主要就是通過挖掘數(shù)據(jù)的特點(diǎn)，建立科學(xué)的數(shù)據(jù)模型，帶入新的數(shù)據(jù)，得出新的預(yù)測結(jié)果，以作為行業(yè)發(fā)展過程中的參考。

(2)數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。

數(shù)據(jù)的質(zhì)量怎么樣,大數(shù)據(jù)的分析結(jié)果是不是和實(shí)際情況一致，這是考驗(yàn)大數(shù)據(jù)分析結(jié)果的重要方面，也決定了數(shù)據(jù)是否真正具有價值。

而能不能提取出高 質(zhì)量的數(shù)據(jù)，這就需要進(jìn)行有效的數(shù)據(jù)管理。

(3)可視化分析。

不管是對數(shù)據(jù)分析專家還是普通用戶，數(shù)據(jù)可視化都是數(shù)據(jù)分析工具最基本的要求，可視化可以直觀地展示數(shù)據(jù)，讓數(shù)據(jù)自己說話，讓觀眾“聽”到結(jié)果。

(4)語義引擎。

由于非結(jié)構(gòu)化數(shù)據(jù)的多樣性帶來了數(shù)據(jù)分析的新挑戰(zhàn)，因此需要一系列的工具去解析、提取、分析數(shù)據(jù)。

語義引擎需要被設(shè)計(jì)成能夠從“文檔”中智能地提取信息。

(5)數(shù)據(jù)挖掘算法。

大數(shù)據(jù)因?yàn)閿?shù)據(jù)量大。

一些簡單的算法或者數(shù)理統(tǒng)計(jì)很難起作用，需要通過數(shù)據(jù)挖掘算法才能得到數(shù)據(jù)的特征以及數(shù)據(jù)的價值。

集群、分割、孤立點(diǎn)分析以及其他數(shù)據(jù)挖掘算法能夠深入數(shù)據(jù)內(nèi)部,挖掘出大數(shù)據(jù)的價值。

這些數(shù)據(jù)挖掘算法不僅要應(yīng)對大數(shù)據(jù)的量，也要應(yīng)對大數(shù)據(jù)的速度。