談起大數據，很多人都不陌生，不管是專業，非專業人士都耳熟能詳。而所謂大數據分析，就是在研究大量的數據的過程中尋找模式、相關性和其他有用的信息，從而，對規模巨大的數據進行分析。幫助企業更好地適應變化，并做出更明智的決策。那么，大數據分析的數據有哪些類型呢？
從數據來源分析，可分為：機器和傳感器數據、移動數據、人為數據、交易數據。
1、機器和傳感器數據
包括功能設備創建或生成的數據，例如智能溫度控制器、智能電表、連接互聯網的家用電器和工廠機器。這些設備可以自動向中央服務器傳輸數據，還可以配置為與互聯網絡中的其他節點通信，這樣就可以對數據進行分析。來自物聯網的數據可以用于構建分析模型，提供規定的指令(如警示技術人員在真正出問題之前檢查設備)，連續監測預測性行為(如當傳感器值表示有問題時進行識別)。
2、移動數據
能夠上網的智能手機和平板上的App都能夠追蹤和溝通無數事件，從App內的個人信息資料或狀態報告事件(如地點變更即報告一個新的地理編碼)到交易數據(如搜索產品的記錄事件)。
3、人為數據
人為數據為使用文本分析功能進行分析提供了豐富的數據源泉。廣泛存在于文檔、電子郵件、音頻、圖片、視頻以及通過維基、博客，尤其是社交媒體產生的數據流。
4、交易數據
大數據平臺能夠獲取更海量、時間跨度更大的結構化交易數據，不僅僅包括POS或電子商務購物數據，還包括行為交易數據，例如Web服務器記錄的互聯網點擊流數據日志。這樣就可以對更廣泛的交易數據類型進行分析。
從數據結構分析，可以分為：非結構化數據、半結構化數據、結構化數據
1、非機構化數據
非結構化數據是指其字段長度可變，并且每個字段的記錄又可以由可重復或不可重復的子字段構成的數據，用它不僅可以處理結構化數據（如數字、符號等信息）而且更適合處理非結構化數據（全文文本，圖像，聲音，影視，超媒體等信息）。比如網頁，有的網頁很長有的很短；還有就是語音﹑視頻﹑圖片這些都是非結構化數據。
2、半結構化數據
所謂半結構化數據，就是介于完全結構化數據（如關系型數據庫，面向對象數據庫中的數據）和完全無結構的數據（如聲音、圖像文件等）之間的數據，XML、HTML文檔就屬于半結構化數據。它一般是自描述的，數據的結構和內容混在一起，沒有明顯的區分。
3、結構化數據
能夠用數據或統一的結構加以表示的固定格式和有限長度的數據。例如數字、符號。傳統的關系數據模型，行數據，存儲于數據庫，可用二維表結構表示。
如何認知大數據？
想要系統的認知大數據，必須要全面而細致的分解它，著手從三個層面來展開：
第一層面是理論，理論是被廣泛認同和傳播的基線，也是認知的必經途徑。是從對大數據價值的探討來深入解析大數據的珍貴所在；也是從大數據的特征定義理解行業對大數據的整體描述和定性以及從大數據隱私這個特別而重要的視角審視人和數據之間的長久博弈。
第二層面是技術，即大數據價值體現的手段和前進的技術。從云計算，分布式處理技術，存儲技術和感知技術的發展來說明大數據從采集，處理，存儲到形成結構的整個過程。
第三層面是實踐，實踐是大數據的最終價值體現。也是從互聯網的大數據，企業的大數據和個人的大數據等方面來描繪大數據已經展現的美好景象及即將實現的藍圖。
