大數據分析
大數據分析是指對海量數據的分析。大數據可以概括為五個V s，數據量大(Volume)速度快(speed)類型多(Variety)價值（Value）真實性（honest）
大數據作為最熱門的IT行業(yè)詞匯，緊隨其后的是數據倉庫、數據安全、數據分析、圍繞大數據商業(yè)價值的數據挖掘等運用逐漸成為行業(yè)人士追捧的利潤焦點。隨著大數據時代的到來，大數據分析應運而生。
工具介紹
前端展現
用于演示分析的前端開源工具有JasperSoftPentaho Spagobi OpenI BIRT等。
用于呈現分析的商業(yè)分析工具是Style Intelligence、RapidMiner Radoop、Cognos， BO， Microsoft power bi， Oracle，Microstrategy，QlikView、Form 。
中國有BDP和郭云的數據（大數據魔鏡）smartFineBI等等。
數據倉庫
有Teradata AsterData， EMC GreenPlum， HP Vertica 等等。
數據集市
有QlikView、 Form 、Style intelligence and so on。
分析步驟
大數據分析的六個基本方面
1. analysis visualization（可視化分析）
無論對于數據分析專家還是普通用戶，數據可視化都是對數據分析工具最基本的要求。可視化可以直觀地展示數據，讓數據自己說話，讓受眾聽到結果
2. data mining algorithm（數據挖掘算法）
可視化是給人的，數據挖掘是給機器的。集群、分割、異常值分析和其他算法允許我們深入數據并挖掘價值。這些算法不僅要處理大數據量，還要處理大數據速度
3. Prediction Analysis Function（預測性分析能力）
數據挖掘可以讓分析師更好地理解數據，而預測分析可以讓分析師根據可視化分析和數據挖掘的結果做出一些預測性的判斷。
4. engine（語義引擎）
我們知道非結構化數據的多樣性給數據分析帶來了新的挑戰(zhàn)，我們需要一系列的工具來分析提取和分析數據。語義引擎需要被設計成能夠從“文檔”中智能提取信息。
5. Data Quality and Management（數據質量和數據管理）
數據質量和數據管理是一些管理最佳實踐。通過標準化流程和工具處理數據可以確保預定義的高質量分析結果。
如果大數據真的是下一個重要的技術創(chuàng)新，我們 我們最好關注大數據能給我們帶來的好處，而不僅僅是挑戰(zhàn)。
6.數據存儲，數據倉庫
數據倉庫是為了便于以特定模式對數據進行多維分析和多角度展示而建立的關系數據庫。在商業(yè)智能系統(tǒng)的設計中，數據倉庫的構建是商業(yè)智能系統(tǒng)的關鍵和基礎，它承擔著商業(yè)系統(tǒng)數據集成的任務，為商業(yè)智能系統(tǒng)提供數據抽取、轉換和加載(ETL)，并按主題查詢和訪問數據，為在線數據分析和數據挖掘提供數據平臺。
應用實例
巴西世界杯關系
與歷屆世界杯不同的是，：數據分析成為巴西世界杯之外的一大亮點。隨著場上球員的激烈競爭，大數據也在全面解讀世界杯背后的分析故事。一向以嚴謹著稱的德國隊推出了專門處理大數據的足球解決方案，分析比賽數據，優(yōu)化球隊配置，通過分析對手數據找到比賽“制敵”方式；谷歌、微軟、Opta等人通過大數據分析預測結果. 大數據，不僅僅成為賽場上的“第12人”在某種程度上，它也是世界杯'預言帝'
大數據分析遇上世界杯，這是大數據時代的必然，未來大數據分析也將改變我們生活的方方面面。
業(yè)務成果
1.積極主動＆預測需求：企業(yè)面臨越來越大的競爭壓力他們不僅需要獲取客戶，還需要了解他們的需求，以便改善客戶體驗，發(fā)展長期關系。通過共享數據，客戶降低了數據使用的隱私級別，并期望企業(yè)理解他們，形成相應的交互，并在所有接觸點提供無縫體驗。
為此，企業(yè)需要多個標識符來識別客戶（例如手機、電子郵件和地址）并將其集成到一個客戶ID中。隨著客戶越來越多地使用多種渠道與企業(yè)互動，有必要整合傳統(tǒng)數據源和數字數據源，以了解客戶 行為。此外，企業(yè)還需要提供上下文相關的實時體驗，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有物理的、金融和知識資產受到保護，免受內部和外部威脅。高效的數據和分析能力將確保最佳的欺詐防范水平，并提高整個企業(yè)的安全性：威懾需要建立一個有效的機制，使企業(yè)能夠迅速發(fā)現和預測欺詐活動，同時識別和跟蹤肇事者。
將統(tǒng)計、網絡、在預測性欺詐傾向模型中使用了路徑和大數據方法論，這將確保它在被實時威脅檢測流程觸發(fā)后能夠及時做出響應，并自動發(fā)出警報并做出相應的處理。數據管理和高效透明的欺詐事件報告機制將有助于改進欺詐風險管理流程。
此外，整個企業(yè)的數據的整合和關聯(lián)可以提供一個統(tǒng)一的跨業(yè)務線、產品和交易的欺詐觀點。多類型分析和數據庫可以提供更準確的欺詐趨勢分析和預測，預測未來潛在的操作模式，并識別欺詐審計和調查的漏洞。
3.提供相關產品：產品是任何企業(yè)生存的基石，通常也是企業(yè)投入最多的領域。產品管理團隊的角色是識別和推動創(chuàng)新、新功能和服務戰(zhàn)略路線圖的發(fā)展趨勢。
通過對個人發(fā)表的想法和觀點的第三方數據源進行有效的整理，然后進行相應的分析，可以幫助企業(yè)在需求發(fā)生變化或開發(fā)新技術時保持競爭力，并且可以加快對市場需求的預測，在需求產生之前提供相應的產品。
4. 個性化＆服務：公司仍然在結構化數據中掙扎，需要通過數字技術快速處理客戶交互帶來的不穩(wěn)定性。要做出實時反應，讓客戶感受到被重視，只能通過先進的分析技術來實現。大數據帶來基于客戶的互動機會個性。這是通過了解客戶的態(tài)度，考慮實時位置等因素實現的，從而在多渠道的服務環(huán)境中帶來個性化的關注。
5. 優(yōu)化＆改善客戶體驗 糟糕的運營管理可能會導致許多重大問題，包括損害客戶體驗并最終降低品牌忠誠度的重大風險。通過將分析技術應用于過程設計和控制，以及商品或服務生產中的業(yè)務運營優(yōu)化，可以提高滿足客戶期望的有效性和效率，并實現卓越運營。
通過部署先進的分析技術，可以提高現場運營活動的生產率和效率，并根據業(yè)務和客戶需求優(yōu)化組織人力安排。數據和分析的最佳使用可以帶來端到端的視圖并衡量關鍵運營指標，從而確保持續(xù)改進。
例如，對許多企業(yè)來說，存貨是流動資產類別中最大的項目——庫存過多或不足將直接影響公司 直接成本和盈利能力。通過數據和分析，以最低的成本保證不間斷生產、銷售和/或客戶服務水平，從而提高庫存管理水平。數據和分析可以提供關于當前和計劃庫存情況以及庫存高度的信息、組成和位置信息，并可以幫助確定存儲策略和做出相應的決策。客戶期望無縫體驗，并讓企業(yè)了解他們的活動。