大數據分析過程

1. Data Quality and Master Data Management（數據質量和數據管理） 數據質量和數據管理是一些管理方面的最佳實踐。經過標準化的流程和工具對數據進行處理能夠保證一個預先定義好的高質量的分析結果。

2. Analytic Visualizations（可視化分析） 無論是對數據分析專家仍是普通用戶，數據可視化是數據分析工具最基本的要求。可視化能夠直觀的展現數據，讓數據本身說話，讓觀衆聽到結果。

3. Data Mining Algorithms（數據挖掘算法） 可視化是給人看的，數據挖掘就是給機器看的。集羣、分割、孤立點分析還有其餘的算法讓咱們深刻數據內部，挖掘價值。這些算法不只要處理大數據的量，也要處理大數據的速度。

4. Predictive Analytic Capabilities（預測性分析能力） 數據挖掘能夠讓分析員更好的理解數據，而預測性分析能夠讓分析員根據可視化分析和數據挖掘的結果作出一些預測性的判斷。

5. Semantic Engines（語義引擎） 因爲非結構化數據的多樣性帶來了數據分析的新的挑戰，須要一系列的工具去解析，提取，分析數據。語義引擎須要被設計成可以從文檔中智能提取信息。