大数据分析是对海量数据的分析技术。大数据时代中，大数据的处理流程包含了数据采集、数据存储、数据分析以及数据挖掘等多个步骤，大数据分析是让无用数据提现价值的关键一步。
大数据分析的特点
大数据分析是利用多种手段从海量数据之中获取智能化、深入化而且更有价值的信息。
大数据分析与数据挖掘有着本质的区别，大数据分析需要大量的数据为基础，而数据量越大算法要求则越低。用于数据分析的数据类型并无固定要求，多为动态增量数据以及存储数据。在技术上，大数据分析技术已经比较稳定，目前不存在太多突破点。
数据挖掘又名资料探勘、数据采矿则是更深层次的理念，其为数据库发现的一个步骤。虽然也需要利用算法从数据中发现信息，但数据挖掘算法与数据大小无关，复杂度较大要求更高；而且数据挖掘需要基于结构化处理后的数据进行，其算法需要不断探索和演进。
大数据分析帮数据提现价值
由于大数据存在5V的特点，即数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值（Value）和真实性(Veracity)。这些特性的存在再加上大数据不断增长的复杂性，必须要有可靠的分析方法来剥离无用数据的干扰，寻找到有价值的关键信息。
大数据分析的方法
大数据分析最常见的方法有五种，可视化分析、数据挖掘算法、预测性分析、语义引擎以及数据质量和数据管理。
可视化分析是让大数据更贴近普通用户的一种手段。大数据分析的最终服务客户一般都是不懂大数据分析的人，对于他们来讲，大数据分析最重要也是最基础的就是可视化分析。借助可视化分析，普通用户可以直观的洞悉大数据特点，简单获取大数据分析成果。可视化分析降低了大数据分析的门槛，也增加了大数据的适用性。
