大数据分析是指对规模巨大的数据进行分析。
对大数据bigdata进行采集、清洗、挖掘、分析等，大数据主要有数据采集、数据存储、数据管理和数据分析与挖掘技术等：
数据处理： 自然语言处理技术。
统计分析： 假设检验、显著性检验、差异分析、相关分析、多元回归分析、逐步回归、回归预测与残差分析等。
数据挖掘： 分类(Classification)、估计(Estimation)、预测(Prediction)、相关性分组或关联规则(Affinitygroupingorassociationrules)、聚类(Clustering)、描述和可视化、DescriptionandVisualization)、复杂数据类型挖掘(Text,Web,图形图像，视频，音频等)。
随着大数据的发展，大数据分析广泛应用在各行各业，其中金融与零售行业应用较为广泛。
大数据分析方法：
大数据挖掘：定义目标，并分析问题
开始大数据处理前，应该定好处理数据的目标，然后才能开始数据挖掘。
大数据挖掘：建立模型，采集数据
可以通过网络爬虫，或者历年的数据资料，建立对应的数据挖掘模型，然后采集数据，获取到大量的原始数据。
大数据挖掘：导入并准备数据
在通过工具或者脚本，将原始转换成可以处理的数据，
大数据分析算法：机器学习
通过使用机器学习的方法，处理采集到的数据。根据具体的问题来定。这里的方法就特别多。
大数据分析目标：语义引擎
处理大数据的时候，经常会使用很多时间和花费，所以每次生成的报告后，应该支持语音引擎功能。
大数据分析目标：产生可视化报告，便于人工分析
通过软件，对大量的数据进行处理，将结果可视化。
大数据分析目标：预测性
通过大数据分析算法，应该对于数据进行一定的推断，这样的数据才更有指导性。
大数据分析的常用方法有：对比分析、漏斗分析、用户分析、指标分析、埋点分析。
1、对比分析
对比分析法也称比较分析法，是将两个或两个以上相互联系的指标数据进行比较，分析其变化情况，了解事物的本质特征和发展规律。
2、漏斗分析
这是业务分析的基本模型，最典型的就是筛选目标用户直到完成交易的这一过程就属于典型的漏斗模型了。
3、用户分析
作为互联网公司的一大核心，用户分析常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。
4、指标分析
一般是指直接运用统计学中的一些基础指标来做数据分析，比如平均数、众数、中位数、最大值、最小值等。
5、埋点分析
主要是对用户行为进行更加细分的分类，比如，浏览行为，轻度交互，重度交互，交易行为等，从而分析用户。
