Die deskriptive Datenanalyse beschreibt die Daten einer ausgewählten Stichprobe oder bei Totalerhebung die Daten der Grundgesamtheit durch Kennzahlen oder grafische Darstellung.

Die inferenzielle Datenanalyse schliesst von der erhobenen Stichprobe auf die Eigenschaften der nicht erhobenen Grundgesamtheit.

Die explorative Datenanalyse dient dem Entdecken von Zusammenhängen zwischen verschiedenen Variablen.

Die kontextbasierte Datenanalyse dient dem Entdecken von Konstellationen in inhaltlich zusammenhängenden Daten.

Big Data-Analysen beschäftigen sich mit 3V-Datenbeständen, die in hoher Vielfalt (= variety), in hohen, steigenden Volumen (= volume) und in grosser Geschwindigkeit (= velocity) anfallen. Mit Big Data werden grosse Mengen an Daten bezeichnet, die u.a. aus Bereichen wie Internet und Mobilfunk, Finanzindustrie, Energiewirtschaft, Gesundheitswesen und Verkehr und aus Quellen wie intelligenten Agenten, sozialen Medien, Kredit- und Kundenkarten, Smart-Metering-Systemen, Assistenzgeräten, Überwachungskameras sowie Flug- und Fahrzeugen stammen und die mit speziellen Lösungen gespeichert, verarbeitet und ausgewertet werden.

Neuronale Netze bestehen aus einer Menge untereinander über Kommunikationskanäle verknüpfter Verarbeitungseinheiten, den Neuronen. Eingabeinformationen werden innerhalb des Netzes von den Neuronen i.d.R. über nicht lineare Funktionen verarbeitet und das Ergebnis über die Kommunikationskanäle an andere Neuronen weiterpropagiert. Die Ausgabeinformationen stellen das Ergebnis der Verarbeitungsprozesse dar. Stärke der neuronalen Netze ist die hochparallele Verarbeitung der Eingabeinformationen, die durch die Verknüpfung der Neuronen und ihrer Verarbeitungsfunktionen ermöglicht wird. Dadurch können sehr komplexe, nicht lineare Abhängigkeiten in den Eingabeinformationen abgebildet werden. Neuronale Netze müssen diese Abhängigkeiten erlernen, was i.d.R. auf der Basis von Erfahrungsdaten geschieht.