大數據分析與商業智能時常是環環相扣的。商業智能通常被稱為大數據 4 個步驟的前兩個描述和診斷階段。BI 通常託管在數據倉庫中，其中數據本質上是非常結構化的，並且只解釋“發生了什麼、在哪里以及如何”發生的事情（例如：從 3 個開展相同促銷活動的不同商店購買了 10 只相同的鞋子，而其他 2 家商店不賣鞋）。這些數據通常用於根據最近的事件報告和收集對流行趨勢和交互的見解。

大數據分析更進一步，因為該技術可以訪問各種結構化和非結構化數據集（例如用戶行為或圖像）。大數據技術可以將這些數據與歷史信息結合起來，根據過去的經驗確定事件發生的概率。

為什麼您今天需要雲端大數據？

在過去十年中，4 V 一直是眾所周知的大數據分析增長的催化劑。此外，我們已經進入了一個新的時代，新的挑戰正在不斷演變，例如“各種”開源技術、機器學習用例以及整個大數據生態系統的快速發展。這些都增加了新的挑戰，即如何跟上不斷增長的信息，同時平衡如何在如此嘈雜的環境中確保高級分析的有效性。

預測性和規範性分析處於短暫狀態，需要傳統數據倉庫無法提供的現代基礎設施。擁有一個大數據平台，使團隊能夠適當地自助訪問非結構化數據，使企業能夠進行更具創新性的數據運營。

1. 描述性分析（發生了什麼和何時發生）

——這在傳統的商業智能和報告分析中很常見。

2. 診斷分析（發生的地點和方式）

——這使商業智能更進一步，可以根據數據結果向最終用戶提供報告或向他們發送一組操作。

3. 預測分析（將會發生什麼和如何發生）

——模型應用於數據並根據歷史事件給出決策或概率分數。這些數據也可以反饋到商業智能係統，以幫助未來的決策制定。

4. 規範性分析（我們應該做什麼）

——獲取數據的預測輸出並將其放入實際應用程序中，以提出建議或提醒最終用戶（例如欺詐檢測或電子商務購物）。這些數據通常需要放入一個數據集市，該數據集市可以近乎實時地提供給應用程序。