1、可視化分析

2、數(shù)據(jù)挖掘算法

3、預(yù)測(cè)性分析能力

4、語(yǔ)義引擎

5、數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理

可視化分析：大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專(zhuān)家，同時(shí)還有普通用戶(hù)，但是他們二者對(duì)于大數(shù)據(jù)分析最基本的要求就是可視化分析，因?yàn)榭梢暬治瞿軌蛑庇^的呈現(xiàn)大數(shù)據(jù)特點(diǎn)，同時(shí)能夠非常容易被讀者所接受，就如同看圖說(shuō)話(huà)一樣簡(jiǎn)單。

數(shù)據(jù)挖掘算法：大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類(lèi)型和格式才能更加科學(xué)的呈現(xiàn)出數(shù)據(jù)本身具備的特點(diǎn)，也正是因?yàn)檫@些被全世界統(tǒng)計(jì)學(xué)家所公認(rèn)的各種 統(tǒng)計(jì)方法，才能深入數(shù)據(jù)內(nèi)部，挖掘出公道的價(jià)值，另外一個(gè)方面也是y因?yàn)橛羞@些數(shù)據(jù)挖掘的算法才能更快的處理大數(shù)據(jù)。

預(yù)測(cè)性分析能力：大數(shù)據(jù)分析最重要的應(yīng)用領(lǐng)域之一就是預(yù)測(cè)性分析，從大數(shù)據(jù)種挖掘出特點(diǎn)，通過(guò)科學(xué)的建立模型，之后便可以通過(guò)模型帶入新的數(shù)據(jù)，從而預(yù)測(cè)未來(lái)的數(shù)據(jù)。

語(yǔ)義引擎：大數(shù)據(jù)分析廣泛應(yīng)用于網(wǎng)絡(luò)數(shù)據(jù)挖掘，可從用戶(hù)的檢索關(guān)鍵詞，標(biāo)簽關(guān)鍵詞或其他輸入語(yǔ)義，分析，判斷用戶(hù)需求。從而實(shí)現(xiàn)更好的用戶(hù)體驗(yàn)和廣告匹配。

數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理：大數(shù)據(jù)分析離不開(kāi)數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理，無(wú)論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域，都能夠保證分析結(jié)果的真實(shí)和有價(jià)值。大數(shù)據(jù)分析的基礎(chǔ)就是以上5個(gè)方面。