现在给大家介绍一下如何进行大数据分析 ， 这里提供的方法只能解决较为普遍的情况，更专业的请咨询专业人士 。
方法
描述型分析：发生了什么？这是最常见的分析方法 。在业务中，这种方法向数据分析师提供了重要指标和业务的衡量方法 。例如，每月的营收和损失账单 。数据分析师可以通过这些账单，获取大量的来自客户数据 。了解客户的地理信息，就是“描述型分析”方法之一 。利用可视化工具 ， 能够有效的增强描述型分析所提供的信息 。
诊断型分析：为什么会发生？描述性数据分析的下一步就是诊断型数据分析 。通过评估描述型数据，诊断分析工具能够让数据分析师深入地分析数据，钻取到数据的核心 。良好设计的BI dashboard（是一般商业智能都拥有的实现数据可视化的模块，是向企业展示度量信息和关键业务指标(KPI)现状的数据虚拟化工具）能够整合：按照时间序列进行数据读入、特征过滤和钻取数据等功能 ， 以便更好的分析数据 。
预测型分析：可能发生什么？预测型分析主要用于进行预测 。事件未来发生的可能性、预测一个可量化的值，或者是预估事情发生的时间点，这些都可以通过预测模型来完成 。预测模型通常会使用各种可变数据来实现预测 。数据成员的多样化与预测结果密切相关 。在充满不确定性的环境下，预测能够帮助做出更好的决定 。预测模型也是很多领域正在使用的重要方法 。
指令型分析：需要做什么？数据价值和复杂度分析的下一步就是指令型分析 。指令模型基于对“发生了什么”、“为什么会发生”和“可能发生什么”的分析，来帮助用户决定应该采取什么措施 。通常情况下，指令型分析不是单独使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法 。例如，交通规划分析考量了每条路线的距离、每条线路的行驶速度、以及目前的交通管制等方面因素，来帮助选择最好的回家路线 。
【如何进行大数据分析，如何进行大数据分析及处理】
