大數據作為時下最火熱的IT行業的詞匯，隨之而來的數據倉庫、數據安全、數據分析、數據挖掘等等圍繞大數據的商業價值的利用逐漸成為行業人士爭相追捧的利潤焦點。隨著大數據時代的來臨，大數據分析也應運而生。
一、何謂大數據分析
大數據分析是指對規模巨大的數據進行分析。大數據（big data），指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據可以概括為4個V， 數據量大(Volume)、速度快(Velocity)、類型多(Variety)、價值(Value)。
二、大數據分析的六個基本方面
1、預測性分析能力
數據挖掘可以讓分析員更好的理解數據，而預測性分析可以讓分析員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。
2、語義引擎
我們知道由于非結構化數據的多樣性帶來了數據分析的新的挑戰，我們需要一系列的工具去解析，提取，分析數據。語義引擎需要被設計成能夠從“文檔”中智能提取信息。
3、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。通過標準化的流程和工具對數據進行處理可以保證一個預先定義好的高質量的分析結果。
4、數據存儲，數據倉庫
數據倉庫是為了便于多維分析和多角度展示數據按特定模式進行存儲所建立起來的關系型數據庫。在商業智能系統的設計中，數據倉庫的構建是關鍵，是商業智能系統的基礎，承擔對業務系統數據整合的任務，為商業智能系統提供數據抽取、轉換和加載(ETL)，并按主題對數據進行查詢和訪問，為聯機數據分析和數據挖掘提供數據平臺。
5、可視化分析
不管是對數據分析專家還是普通用戶，
數據可視化是數據分析工具最基本的要求。可視化可以直觀的展示數據，讓數據自己說話，讓觀眾聽到結果。
6、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。集群、分割、孤立點分析還有其他的算法讓我們深入數據內部，挖掘價值。這些算法不僅要處理大數據的量，也要處理大數據的速度。
三、大數據分析業務成果
1、緩沖風險，減少欺詐
安全和欺詐分析旨在保護所有物理、財務和知識資產免受內部和外部威脅的濫用。高效的數據和分析能力將確保最佳的欺詐預防水平，提升整個企業機構的安全：威懾需要建立有效的機制，以便企業快速檢測并預測欺詐活動，同時識別和跟蹤肇事者。
2、積極主動，預測需求
企業機構面臨著越來越大的競爭壓力，它們不僅需要獲取客戶，還要了解客戶的需求，以便提升客戶體驗，并發展長久的關系。客戶通過分享數據，降低數據使用的隱私級別，期望企業能夠了解他們，形成相應的互動，并在所有的接觸點提供無縫體驗。
3、個性化服務
公司在處理結構化數據方面仍然有些吃力，并需要快速應對通過數字技術進行客戶交互所帶來的不穩定性。要做出實時回應，并讓客戶感覺受到重視，只能通過先進的分析技術實現。大數據帶來了基于客戶個性進行互動的機會。這是通過理解客戶的態度，并考慮實時位置等因素，從而在多渠道的服務環境中帶來個性化關注實現的。
4、優化改善客戶體驗
運營管理不善可能會導致損害客戶體驗，最終降低品牌忠誠度的重大風險。通過在流程設計和控制，以及在商品或服務生產中的業務運營優化中應用分析技術，可以提升滿足客戶期望的有效性和效率，并實現卓越的運營。通過部署先進的分析技術，可以提高現場運營活動的生產力和效率，并能夠根據業務和客戶需求優化組織人力安排。數據和分析的最佳化使用可以帶來端對端的視圖，并能夠對關鍵運營指標進行衡量，從而確保持續不斷的改進。
5、提供相關產品
產品是任何企業機構生存的基石，也通常是企業投入最大的領域。產品管理團隊的作用是辨識推動創新、新功能和服務戰略路線圖的發展趨勢。通過對個人公布的想法和觀點的第三方數據源進行有效整理，再進行相應分析，可以幫助企業在需求發生變化或開發新技術的時候保持競爭力，并能夠加快對市場需求的預測，在需求產生之前提供相應產品。
四、分析步驟
1、識別需求
識別信息需求是確保數據分析過程有效性的首要條件，可以為收集數據、分析數據提供清晰的目標。識別信息需求是管理者的職責管理者應根據決策和過程控制的需求，提出對信息的需求。就過程控制而言，管理者應識別需求要利用那些信息支持評審過程輸入、過程輸出、資源配置的合理性、過程活動的優化方案和過程異常變異的發現。
2、收集數據
有目的的收集數據，是確保數據分析過程有效的基礎。組織需要對收集數據的內容、渠道、方法進行策劃。
3、分析數據
分析數據是將收集的數據通過加工、整理和分析、使其轉化為信息，通常用方法有：
老七種工具，即排列圖、因果圖、分層法、調查表、散布圖、直方圖、控制圖；
新七種工具，即關聯圖、系統圖、矩陣圖、KJ法、計劃評審技術、PDPC法、矩陣數據圖。
