大(dà)數(shù)據分析是指對規模巨大(dà)的數(shù)據進行(xíng)分析。大(dà)數(shù)據可(kě)以概括為(wèi)5個(gè)V， 數(shù)據量大(dà)(Volume)、速度快(Velocity)、類型多(duō)(Variety)、價值（Value）、真實性（Veracity）。
大(dà)數(shù)據分析的六個(gè)基本方面
1. 可(kě)視(shì)化分析（Analytic Visualizations）
不管是對數(shù)據分析專家(jiā)還(hái)是普通(tōng)用戶，數(shù)據可(kě)視(shì)化是數(shù)據分析工具最基本的要求。可(kě)視(shì)化可(kě)以直觀的展示數(shù)據，讓數(shù)據自己說話(huà)，讓觀衆聽(tīng)到結果。
2. 數(shù)據挖掘算(suàn)法（Data Mining Algorithms）
可(kě)視(shì)化是給人(rén)看的，數(shù)據挖掘就是給機器(qì)看的。集群、分割、孤立點分析還(hái)有(yǒu)其他的算(suàn)法讓我們深入數(shù)據內(nèi)部，挖掘價值。這些(xiē)算(suàn)法不僅要處理(lǐ)大(dà)數(shù)據的量，也要處理(lǐ)大(dà)數(shù)據的速度。
3. Predictive Analytic Capabilities（預測性分析能力）
數(shù)據挖掘可(kě)以讓分析員更好的理(lǐ)解數(shù)據，而預測性分析可(kě)以讓分析員根據可(kě)視(shì)化分析和(hé)數(shù)據挖掘的結果做(zuò)出一些(xiē)預測性的判斷。
4. 語義引擎（Semantic Engines）
我們知道(dào)由于非結構化數(shù)據的多(duō)樣性帶來(lái)了數(shù)據分析的新的挑戰，我們需要一系列的工具去解析，提取，分析數(shù)據。語義引擎需要被設計(jì)成能夠從“文檔”中智能提取信息。
5. 數(shù)據質量和(hé)數(shù)據管理(lǐ)（Data Quality and Master Data Management）
數(shù)據質量和(hé)數(shù)據管理(lǐ)是一些(xiē)管理(lǐ)方面的最佳實踐。通(tōng)過标準化的流程和(hé)工具對數(shù)據進行(xíng)處理(lǐ)可(kě)以保證一個(gè)預先定義好的高(gāo)質量的分析結果。
假如大(dà)數(shù)據真的是下一個(gè)重要的技(jì)術(shù)革新的話(huà)，我們最好把精力關注在大(dà)數(shù)據能給我們帶來(lái)的好處，而不僅僅是挑戰。
6.數(shù)據存儲，數(shù)據倉庫（Data Storage）
數(shù)據倉庫是為(wèi)了便于多(duō)維分析和(hé)多(duō)角度展示數(shù)據按特定模式進行(xíng)存儲所建立起來(lái)的關系型數(shù)據庫。在商業智能系統的設計(jì)中，數(shù)據倉庫的構建是關鍵，是商業智能系統的基礎，承擔對業務系統數(shù)據整合的任務，為(wèi)商業智能系統提供數(shù)據抽取、轉換和(hé)加載(ETL)，并按主題對數(shù)據進行(xíng)查詢和(hé)訪問，為(wèi)聯機數(shù)據分析和(hé)數(shù)據挖掘提供數(shù)據平台。
效益成果
1.積極主動&預測需求： 企業機構面臨着越來(lái)越大(dà)的競争壓力，它們不僅需要獲取客戶，還(hái)要了解客戶的需求，以便提升客戶體(tǐ)驗，并發展長久的關系。客戶通(tōng)過分享數(shù)據，降低(dī)數(shù)據使用的隐私級别，期望企業能夠了解他們，形成相應的互動，并在所有(yǒu)的接觸點提供無縫體(tǐ)驗。
為(wèi)此，企業需要識别客戶的多(duō)個(gè)标識符（例如手機、電(diàn)子郵件和(hé)地址），并将其整合為(wèi)一個(gè)單獨的客戶ID。由于客戶越來(lái)越多(duō)地使用多(duō)個(gè)渠道(dào)與企業互動，為(wèi)此需要整合傳統數(shù)據源和(hé)數(shù)字數(shù)據源來(lái)理(lǐ)解客戶的行(xíng)為(wèi)。此外，企業也需要提供情境相關的實時(shí)體(tǐ)驗，這也是客戶的期望。
2. 緩沖風險&減少(shǎo)欺詐： 安全和(hé)欺詐分析旨在保護所有(yǒu)物理(lǐ)、财務和(hé)知識資産免受內(nèi)部和(hé)外部威脅的濫用。高(gāo)效的數(shù)據和(hé)分析能力将确保最佳的欺詐預防水(shuǐ)平，提升整個(gè)企業機構的安全：威懾需要建立有(yǒu)效的機制(zhì)，以便企業快速檢測并預測欺詐活動，同時(shí)識别和(hé)跟蹤肇事者。
将統計(jì)、網絡、路徑和(hé)大(dà)數(shù)據方法論用于帶來(lái)警報的預測性欺詐傾向模型，将确保在被實時(shí)威脅檢測流程觸發後能夠及時(shí)做(zuò)出響應，并自動發出警報和(hé)做(zuò)出相應的處理(lǐ)。數(shù)據管理(lǐ)以及高(gāo)效和(hé)透明(míng)的欺詐事件報告機制(zhì)将有(yǒu)助于改進欺詐風險管理(lǐ)流程。
此外，對整個(gè)企業的數(shù)據進行(xíng)集成和(hé)關聯可(kě)以提供統一的跨不同業務線、産品和(hé)交易的欺詐視(shì)圖。多(duō)類型分析和(hé)數(shù)據基礎可(kě)以提供更準确的欺詐趨勢分析和(hé)預測，并預測未來(lái)的潛在操作(zuò)方式，确定欺詐審計(jì)和(hé)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(tōng)常是企業投入最大(dà)的領域。産品管理(lǐ)團隊的作(zuò)用是辨識推動創新、新功能和(hé)服務戰略路線圖的發展趨勢。
通(tōng)過對個(gè)人(rén)公布的想法和(hé)觀點的第三方數(shù)據源進行(xíng)有(yǒu)效整理(lǐ)，再進行(xíng)相應分析，可(kě)以幫助企業在需求發生(shēng)變化或開(kāi)發新技(jì)術(shù)的時(shí)候保持競争力，并能夠加快對市場(chǎng)需求的預測，在需求産生(shēng)之前提供相應産品。
4. 個(gè)性化&服務： 公司在處理(lǐ)結構化數(shù)據方面仍然有(yǒu)些(xiē)吃(chī)力，并需要快速應對通(tōng)過數(shù)字技(jì)術(shù)進行(xíng)客戶交互所帶來(lái)的不穩定性。要做(zuò)出實時(shí)回應，并讓客戶感覺受到重視(shì)，隻能通(tōng)過先進的分析技(jì)術(shù)實現。大(dà)數(shù)據帶來(lái)了基于客戶個(gè)性進行(xíng)互動的機會(huì)。這是通(tōng)過理(lǐ)解客戶的态度，并考慮實時(shí)位置等因素，從而在多(duō)渠道(dào)的服務環境中帶來(lái)個(gè)性化關注實現的。
5. 優化&改善客戶體(tǐ)驗：運營管理(lǐ)不善可(kě)能會(huì)導緻無數(shù)重大(dà)的問題，這包括面臨損害客戶體(tǐ)驗，最終降低(dī)品牌忠誠度的重大(dà)風險。通(tōng)過在流程設計(jì)和(hé)控制(zhì)，以及在商品或服務生(shēng)産中的業務運營優化中應用分析技(jì)術(shù)，可(kě)以提升滿足客戶期望的有(yǒu)效性和(hé)效率，并實現卓越的運營。
通(tōng)過部署先進的分析技(jì)術(shù)，可(kě)以提高(gāo)現場(chǎng)運營活動的生(shēng)産力和(hé)效率，并能夠根據業務和(hé)客戶需求優化組織人(rén)力安排。數(shù)據和(hé)分析的最佳化使用可(kě)以帶來(lái)端對端的視(shì)圖，并能夠對關鍵運營指标進行(xíng)衡量，從而确保持續不斷的改進。
例如，對于許多(duō)企業來(lái)說，庫存是當前資産類别中最大(dà)的一個(gè)項目——庫存過多(duō)或不足都會(huì)直接影(yǐng)響公司的直接成本和(hé)盈利能力。通(tōng)過數(shù)據和(hé)分析，能夠以最低(dī)的成本确保不間(jiān)斷的生(shēng)産、銷售和(hé)/或客戶服務水(shuǐ)平，從而改善庫存管理(lǐ)水(shuǐ)平。數(shù)據和(hé)分析能夠提供目前和(hé)計(jì)劃中的庫存情況的信息，以及有(yǒu)關庫存高(gāo)度、組成和(hé)位置的信息，并能夠幫助确定存庫戰略，并做(zuò)出相應決策。客戶期待獲得(de)相關的無縫體(tǐ)驗，并讓企業得(de)知他們的活動。