1.AnalyticVisualizations(可視化分析)

無論是數(shù)據(jù)分析專家還是普通用戶，數(shù)據(jù)可視化都是數(shù)據(jù)分析工具的最基本要求.可視化可以直觀地展示數(shù)據(jù)，讓數(shù)據(jù)自己說話，讓觀眾聽到結(jié)果.；[1]；

2.Data，MiningAlgorithms(數(shù)據(jù)挖掘算法)

可視化是給人看的，數(shù)據(jù)挖掘是給機器看的.集群、分割、孤立點分析等算法使我們深入數(shù)據(jù)內(nèi)部，挖掘價值.這些算法不僅要處理大數(shù)據(jù)的量，還要處理大數(shù)據(jù)的速度.

3.Predictive，Analytic.Capabilities的預(yù)測分析能力)

數(shù)據(jù)挖掘可以使分析師更好地理解數(shù)據(jù)，預(yù)測分析可以使分析師根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果進行預(yù)測判斷.；[1]；

4.Semantices(語義引擎)

我們知道非結(jié)構(gòu)化數(shù)據(jù)的多樣性帶來了數(shù)據(jù)分析的新挑戰(zhàn)，需要一系列工具來分析、提取和分析數(shù)據(jù).語義引擎需要設(shè)計成可以從文檔中智能提取信息.；[1]；

5.Quality，andMasterData，Management(數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理)

數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理是一些管理的優(yōu)秀實踐.通過標(biāo)準(zhǔn)化的流程和工具處理數(shù)據(jù)，可以保證預(yù)先定義的高質(zhì)量分析結(jié)果.

如果大數(shù)據(jù)真的是下一個重要的技術(shù)創(chuàng)新，我們最好關(guān)注大數(shù)據(jù)帶來的好處，而不僅僅是挑戰(zhàn).

6.數(shù)據(jù)存儲，數(shù)據(jù)倉

數(shù)據(jù)倉庫是為了使多維分析和多角度展示數(shù)據(jù)以特定的模式確立存儲的關(guān)系型數(shù)據(jù)倉庫變得容易.在商業(yè)智能化系統(tǒng)設(shè)計中，數(shù)據(jù)倉庫的構(gòu)建是關(guān)鍵，是商業(yè)智能化系統(tǒng)的基礎(chǔ)，承擔(dān)對商業(yè)系統(tǒng)數(shù)據(jù)融合的任務(wù)，為商業(yè)智能化系統(tǒng)出示數(shù)據(jù)提取、轉(zhuǎn)換和加載（ETL），依據(jù)主題查詢和訪問數(shù)據(jù)，為在線數(shù)據(jù)分析和數(shù)據(jù)挖掘出示數(shù)據(jù)平臺.