大數(shù)據(jù)分析技術(shù)是指改進(jìn)已有數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，是開(kāi)發(fā)數(shù)據(jù)網(wǎng)絡(luò)挖掘、特異群組挖掘、圖挖掘等新型的數(shù)據(jù)挖掘技術(shù)，是突破基于對(duì)象的數(shù)據(jù)鏈接相似性鏈接等大數(shù)據(jù)融合技術(shù)，是突破用戶興趣分析、網(wǎng)絡(luò)行為分析、情感語(yǔ)義分析等面向領(lǐng)域的大數(shù)據(jù)挖掘技術(shù)。

數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。

數(shù)據(jù)挖掘涉及的技術(shù)方法很多，根據(jù)挖掘任務(wù)可分為分類(lèi)或預(yù)測(cè)模型發(fā)現(xiàn)數(shù)據(jù)總結(jié)、聚類(lèi)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴(lài)關(guān)系或依賴(lài)模型發(fā)現(xiàn)、異常和趨勢(shì)發(fā)現(xiàn)等方法。

根據(jù)挖掘?qū)ο罂煞譃殛P(guān)系數(shù)據(jù)庫(kù)、面向?qū)ο髷?shù)據(jù)庫(kù)、空間數(shù)據(jù)庫(kù)、時(shí)態(tài)數(shù)據(jù)庫(kù)、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫(kù)、異質(zhì)數(shù)據(jù)庫(kù)、遺產(chǎn)數(shù)據(jù)庫(kù)以及環(huán)球網(wǎng) Web。

從挖掘任務(wù)和挖掘方法的角度，著重突破:①可視化分析。

數(shù)據(jù)可視化無(wú)論對(duì)于普通用戶或是數(shù)據(jù)分析專(zhuān)家，都是最基本的功能。

數(shù)據(jù)圖像化可以讓數(shù)據(jù)自己說(shuō)話，讓用戶直觀地感受到結(jié)果。

②數(shù)據(jù)挖掘算法。

圖像化是將機(jī)器語(yǔ)言翻譯給人看，而數(shù)據(jù)挖掘使用的語(yǔ)言就是機(jī)器的母語(yǔ)。

分割、集群、孤立點(diǎn)分析還有各種各樣五花八門(mén)的算法可以讓我們精煉數(shù)據(jù)，挖掘數(shù)據(jù)的價(jià)值。

這些算法一定要能夠應(yīng)付大數(shù)據(jù)的量，同時(shí)還具有很高的處理速度。

③預(yù)測(cè)性分析。

預(yù)測(cè)性分析可以讓分析師根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些前瞻性判斷。

④語(yǔ)義引擎。

語(yǔ)義引擎需要涉及有足夠的人工智能從而可以從數(shù)據(jù)中主動(dòng)地提取信息。

語(yǔ)言處理技術(shù)包括機(jī)器翻譯、情感分析、輿情分析、智能輸入、問(wèn)答系統(tǒng)等。

⑤數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。

數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理是管理的最佳實(shí)踐，通過(guò)標(biāo)準(zhǔn)化流程和機(jī)器對(duì)數(shù)據(jù)進(jìn)行處理可以確保獲得一個(gè)預(yù)設(shè)質(zhì)量的分析結(jié)果。