La ciencia de datos integra la minería de datos, el análisis estadístico y el aprendizaje automático con la integración de datos, y combina capacidades de modelado de datos para crear modelos predictivos y explorar patrones de contenido de datos.

1) Gran cantidad de datos (Volumen)

2) Actualización rápida de datos (Velocity)

3) Variedad/Variabilidad de tipos de datos

4) Los datos son muy pegajosos (viscosidad)

5) Volatilidad de los datos (Volatilidad)

6) Baja precisión de los datos (veracidad)

Un lago de datos es un entorno que puede extraer, almacenar, evaluar y analizar diferentes tipos y cantidades masivas de datos, y puede usarse en una variedad de escenarios.

Tipo de algoritmo

Utilice el procesamiento del lenguaje natural (PNL) para analizar frases u oraciones, detectar semánticamente emociones y revelar cambios en las emociones para predecir posibles escenarios.

El análisis prescriptivo va un paso más allá que el análisis predictivo al definir acciones que afectarán los resultados, en lugar de simplemente predecir resultados basándose en acciones que ya han ocurrido.

El análisis de datos no estructurados combina minería de texto, análisis de asociaciones, análisis de conglomerados y otras técnicas de aprendizaje no supervisadas para procesar grandes conjuntos de datos.

Operational Analytics también se llama BI operativo o análisis de streaming. Su concepto se deriva de la integración de procesos operativos y análisis en tiempo real.

La visualización es el proceso de explicar conceptos, ideas y hechos mediante el uso de imágenes o representaciones gráficas.

Los Data Mashups combinan datos y servicios para mostrar visualmente conocimientos o resultados de análisis.