La scienza dei dati integra il data mining, l'analisi statistica e l'apprendimento automatico con l'integrazione dei dati e combina funzionalità di modellazione dei dati per creare modelli predittivi ed esplorare modelli di contenuto dei dati.

1) Grande quantità di dati (volume)

2) Aggiornamento rapido dei dati (Velocity)

3) Varietà/Variabilità dei tipi di dati

4) I dati sono altamente persistenti (viscosità)

5) Volatilità dei dati (Volatilità)

6) Bassa precisione dei dati (veracità)

Un data Lake è un ambiente in grado di estrarre, archiviare, valutare e analizzare diversi tipi e enormi quantità di dati e può essere utilizzato in una varietà di scenari.

Tipo di algoritmo

Utilizza l'elaborazione del linguaggio naturale (PNL) per analizzare frasi o frasi, rilevare semanticamente le emozioni e rivelare cambiamenti nelle emozioni per prevedere possibili scenari.

L’analisi prescrittiva fa un ulteriore passo avanti rispetto all’analisi predittiva definendo azioni che influenzeranno i risultati, anziché limitarsi a prevedere i risultati sulla base di azioni già avvenute.

L'analisi dei dati non strutturati combina il text mining, l'analisi delle associazioni, l'analisi dei cluster e altre tecniche di apprendimento non supervisionato per elaborare grandi set di dati.

L'analisi operativa è anche chiamata BI operativa o analisi in streaming. Il suo concetto deriva dall'integrazione di processi operativi e analisi in tempo reale.

La visualizzazione è il processo di spiegazione di concetti, idee e fatti attraverso l'uso di immagini o rappresentazioni grafiche.

I Data Mashup combinano dati e servizi per visualizzare visivamente approfondimenti o risultati di analisi.