大數據分析是指對(duì)規模巨大的數據進行(háng / xíng)分析。大數據可(kě)以概括爲5個V， 數據量大(Volume)、速度快(Velocity)、類型多(Variety)、價值（Value）、真實性（Veracity）。
大數據分析的六個基本方面
1. 可(kě)視化分析（Analytic Visualizations）
不管是對(duì)數據分析專家(jiā)還是普通用(yòng)戶，數據可(kě)視化是數據分析工具最基本的要(yào / yāo)求。可(kě)視化可(kě)以直觀的展示數據，讓數據自(zì)己說話，讓觀衆聽到結果。
2. 數據挖掘算法（Data Mining Algorithms）
可(kě)視化是給人看的，數據挖掘就(jiù)是給機器看的。集群、分割、孤立點分析還有其(qí)他的算法讓我們深入數據内部，挖掘價值。這些算法不僅要(yào / yāo)處理大數據的量，也要(yào / yāo)處理大數據的速度。
3. Predictive Analytic Capabilities（預測性分析能(néng)力）
數據挖掘可(kě)以讓分析員更好的理解數據，而(ér)預測性分析可(kě)以讓分析員根據可(kě)視化分析和數據挖掘的結果做出一些預測性的判斷。
4. 語義引擎（Semantic Engines）
我們知道由于(yú)非結構化數據的多樣性帶來了數據分析的新的挑戰，我們需要(yào / yāo)一系列的工具去(qù)解析，提取，分析數據。語義引擎需要(yào / yāo)被設計成能(néng)夠從“文檔”中智能(néng)提取信息。
5. 數據質量和數據管理（Data Quality and Master Data Management）
數據質量和數據管理是一些管理方面的最佳實踐。通過(guò)标準化的流程和工具對(duì)數據進行(háng / xíng)處理可(kě)以保證一個預先定義好的高質量的分析結果。
假如(rú)大數據真的是下(xià)一個重要(yào / yāo)的技術革新的話，我們最好把精力關注在大數據能(néng)給我們帶來的好處，而(ér)不僅僅是挑戰。
6.數據存儲，數據倉庫（Data Storage）
數據倉庫是爲了便于(yú)多維分析和多角度展示數據按特定模式進行(háng / xíng)存儲所(suǒ)建立起來的關系型數據庫。在商業智能(néng)系統的設計中，數據倉庫的構建是關鍵，是商業智能(néng)系統的基礎，承擔對(duì)業務系統數據整合的任務，爲商業智能(néng)系統提供數據抽取、轉換和加載(ETL)，并按主題對(duì)數據進行(háng / xíng)查詢和訪問，爲聯機數據分析和數據挖掘提供數據平台。
效益成果
1.積極主動&預測需求： 企業機構面臨着(zhe／zhuó／zhāo／zháo)越來越大的競争壓力，它們不僅需要(yào / yāo)獲取客戶，還要(yào / yāo)了解客戶的需求，以便提升客戶體驗，并發(fā／fà)展長久的關系。客戶通過(guò)分享數據，降低數據使用(yòng)的隐私級别，期望企業能(néng)夠了解他們，形成相應的互動，并在所(suǒ)有的接觸點提供無縫體驗。
爲此，企業需要(yào / yāo)識别客戶的多個标識符（例如(rú)手機、電子郵件和地址），并将其(qí)整合爲一個單獨的客戶ID。由于(yú)客戶越來越多地使用(yòng)多個渠道與企業互動，爲此需要(yào / yāo)整合傳統數據源和數字數據源來理解客戶的行(háng / xíng)爲。此外，企業也需要(yào / yāo)提供情境相關的實時體驗，這也是客戶的期望。
2. 緩沖風險&減少欺詐： 安全和欺詐分析旨在保護所(suǒ)有物理、财務和知識資産免受内部和外部威脅的濫用(yòng)。高效的數據和分析能(néng)力将确保最佳的欺詐預防水平，提升整個企業機構的安全：威懾需要(yào / yāo)建立有效的機制，以便企業快速檢測并預測欺詐活動，同時識别和跟蹤肇事(shì)者。
将統計、網絡、路徑和大數據方法論用(yòng)于(yú)帶來警報的預測性欺詐傾向模型，将确保在被實時威脅檢測流程觸發(fā／fà)後(hòu)能(néng)夠及時做出響應，并自(zì)動發(fā／fà)出警報和做出相應的處理。數據管理以及高效和透明的欺詐事(shì)件報告機制将有助于(yú)改進欺詐風險管理流程。
此外，對(duì)整個企業的數據進行(háng / xíng)集成和關聯可(kě)以提供統一的跨不同業務線、産品和交易的欺詐視圖。多類型分析和數據基礎可(kě)以提供更準确的欺詐趨勢分析和預測，并預測未來的潛在操作方式，确定欺詐審計和調查中的漏洞。
3.提供相關産品： 産品是任何企業機構生(shēng)存的基石，也通常是企業投入最大的領域。産品管理團隊的作用(yòng)是辨識推動創新、新功能(néng)和服務戰略路線圖的發(fā／fà)展趨勢。
通過(guò)對(duì)個人公布的想法和觀點的第三方數據源進行(háng / xíng)有效整理，再進行(háng / xíng)相應分析，可(kě)以幫助企業在需求發(fā／fà)生(shēng)變化或開發(fā／fà)新技術的時候保持競争力，并能(néng)夠加快對(duì)市場需求的預測，在需求産生(shēng)之前提供相應産品。
4. 個性化&服務： 公司在處理結構化數據方面仍然有些吃力，并需要(yào / yāo)快速應對(duì)通過(guò)數字技術進行(háng / xíng)客戶交互所(suǒ)帶來的不穩定性。要(yào / yāo)做出實時回應，并讓客戶感覺受到重視，隻能(néng)通過(guò)先進的分析技術實現。大數據帶來了基于(yú)客戶個性進行(háng / xíng)互動的機會(huì)。這是通過(guò)理解客戶的态度，并考慮實時位置等因素，從而(ér)在多渠道的服務環境中帶來個性化關注實現的。
5. 優化&改善客戶體驗：運營管理不善可(kě)能(néng)會(huì)導緻無數重大的問題，這包括面臨損害客戶體驗，最終降低品牌忠誠度的重大風險。通過(guò)在流程設計和控制，以及在商品或服務生(shēng)産中的業務運營優化中應用(yòng)分析技術，可(kě)以提升滿足客戶期望的有效性和效率，并實現卓越的運營。
通過(guò)部署先進的分析技術，可(kě)以提高現場運營活動的生(shēng)産力和效率，并能(néng)夠根據業務和客戶需求優化組織人力安排。數據和分析的最佳化使用(yòng)可(kě)以帶來端對(duì)端的視圖，并能(néng)夠對(duì)關鍵運營指标進行(háng / xíng)衡量，從而(ér)确保持續不斷的改進。
例如(rú)，對(duì)于(yú)許多企業來說，庫存是當前資産類别中最大的一個項目——庫存過(guò)多或不足都會(huì)直接影響公司的直接成本和盈利能(néng)力。通過(guò)數據和分析，能(néng)夠以最低的成本确保不間斷的生(shēng)産、銷售和/或客戶服務水平，從而(ér)改善庫存管理水平。數據和分析能(néng)夠提供目前和計劃中的庫存情況的信息，以及有關庫存高度、組成和位置的信息，并能(néng)夠幫助确定存庫戰略，并做出相應決策。客戶期待獲得(dé / de / děi)相關的無縫體驗，并讓企業得(dé / de / děi)知他們的活動。