大数据分析普遍存在的方法及理论有哪些？

现在越来越多的应用涉及大数据，只有通过对大数据的分析才能获取智慧、深入及具价值的信息。大数据拥有四个V的特点：数量（Volume）、速度（Velocity）、多样性（Variety）及价值（Value），呈现了大数据不断增长的复杂性。究竟现在大数据分析普遍存在的方法及理论有哪些？

Analytic Visualizations 可视化分析

　　看到大数据的特点，同时能够非常容易被用户所理解及接受，就如同看图说字一样简单易明。

　　Data Mining Algorithms 数据挖掘运算法

　　数据挖掘运算法各有不同，不少依据统计学家所公认的各种统计方法，基于不同的数据类型和格式才能更加深入呈现数据特点，挖掘价值。此外，有这些数据挖掘的运算法才能更快速的处理大数据，即时取得结论，方便进行业务决策。

　　Predictive Analytic Capabilities 预测性分析能力

　　预测性分析是大数据分析的首要目标，从大数据中挖掘出特点，通过建立分析模型，之后便可以通过模型载入新的数据，从而预测未来的数据。

　　Semantic Engines 语义引擎

　　大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标籤关键词、或其他输入语义、分析、判断用户需求，从而提供更好的用户体验和广告用途。

　　Data Quality and Master Data Management 数据质量和管理

　　由于数据量大及繁杂，因此高质量的数据和有效的数据管理便显得十分重要，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。