1，描述性分析:
該方法為數據分析師提供了重要的指標和業務度量方法。例如，每月收入和損失賬單。數據分析師可以通過這些賬單獲得大量的客戶數據。了解客戶的地理信息是描述性分析的方法之壹。使用可視化工具可以有效地增強描述性分析提供的信息。
2、診斷分析:
描述性數據分析的下壹步是診斷性數據分析。通過評估描述性數據，診斷分析工具使數據分析師能夠深入分析數據並深入數據的核心。
3、預測分析:
未來某個事件發生的可能性，預測壹個可量化的值，或者預測某件事發生的時間，都可以通過預測模型來完成。在充滿不確定性的環境中，預測有助於做出更好的決策。預測模型也是壹種重要的方法，在許多領域得到應用。
4、強制分析:
數據價值和復雜性分析的下壹步是強制性分析。指令模型基於對“發生了什麽”、“為什麽會發生”和“可能會發生什麽”的分析，以幫助用戶決定應該采取什麽措施。
大數據分析的優勢:
(1)及時分析故障、問題和缺陷的根本原因。
(2)為上千輛快遞車規劃實時交通路線，避免擁堵。
(3)對所有SKU進行分析，以利潤最大化為目標進行定價和清倉。
(4)根據客戶的購買習慣，推送他可能感興趣的優惠信息。
(5)從大量客戶中快速識別金牌客戶。