A ciência de dados integra mineração de dados, análise estatística e aprendizado de máquina com integração de dados e combina recursos de modelagem de dados para construir modelos preditivos e explorar padrões de conteúdo de dados.

1) Grande quantidade de dados (Volume)

2) Atualização rápida de dados (velocidade)

3) Variedade/Variabilidade de tipos de dados

4) Os dados são altamente pegajosos (viscosidade)

5) Volatilidade dos dados (Volatilidade)

6) Baixa precisão dos dados (Veracidade)

Um data lake é um ambiente que pode extrair, armazenar, avaliar e analisar diferentes tipos e grandes quantidades de dados e pode ser usado em diversos cenários.

Tipo de algoritmo

Use o processamento de linguagem natural (PNL) para analisar frases ou sentenças, detectar emoções semanticamente e revelar mudanças nas emoções para prever possíveis cenários.

A Análise Prescritiva vai um passo além da análise preditiva ao definir ações que afetarão os resultados, em vez de apenas prever resultados com base em ações que já ocorreram.

A análise de dados não estruturados combina mineração de texto, análise de associação, análise de cluster e outras técnicas de aprendizagem não supervisionadas para processar grandes conjuntos de dados.

Operational Analytics também é chamado de BI operacional ou análise de streaming. Seu conceito é derivado da integração de processos operacionais e análise em tempo real.

A visualização é o processo de explicação de conceitos, ideias e fatos por meio do uso de imagens ou representações gráficas.

Os mashups de dados combinam dados e serviços para exibir visualmente insights ou resultados de análises.