1.分析可視化:數據可視化是數據分析專家和普通用戶對數據分析工具的最基本要求。可視化可以直觀地展示數據，讓數據自己說話，讓受眾聽到結果。
2.數據挖掘算法可視化是給人看的，而數據挖掘是給機器看的。聚類、分割、離群點分析等算法讓我們可以深入挖掘數據，挖掘價值。這些算法不僅要處理大數據量，還要處理大數據速度。
3.預測分析能力數據挖掘可以讓分析師更好地理解數據，預測分析可以根據可視化分析和數據挖掘的結果做出壹些預測性的判斷。
4.語義引擎我們知道非結構化數據的多樣性給數據分析帶來了新的挑戰，我們需要壹系列的工具來分析、提取和分析數據。語義引擎需要被設計成能夠智能地從“文檔”中提取信息。
5.數據質量和主數據管理(數據質量和數據管理)
數據質量和數據管理是壹些管理最佳實踐。通過標準化流程和工具處理數據可以確保預定義的高質量分析結果。
如果大數據真的是下壹個重要的技術創新，我們最好關註大數據能給我們帶來的好處，而不僅僅是挑戰。