L’analyse descriptive des données décrit les données d’un échantillon sélectionné ou, dans le cas d’une enquête totale, les données de l’ensemble de la population au moyen de ratios ou d’une représentation graphique.

L’analyse inférentielle des données déduit de l’échantillon collecté les caractéristiques de la population non collectée.

L’analyse exploratoire des données sert à découvrir des corrélations entre différentes variables.

L’analyse contextuelle des données sert à découvrir des constellations dans des données liées par leur contenu.

Les analyses de données volumineuses s’intéressent à des ensembles de données 3V qui se présentent sous la forme d’une grande variété (= variety), de volumes élevés et croissants (= volume) et d’une grande vitesse (= velocity). Le terme Big Data désigne de grandes quantités de données provenant notamment de secteurs tels qu’Internet et la téléphonie mobile, l’industrie financière, le secteur de l’énergie, la santé et les transports, ainsi que de sources telles que les agents intelligents, les médias sociaux, les cartes de crédit et de client, les systèmes de comptage intelligents, les appareils d’assistance, les caméras de surveillance et les avions et véhicules, qui sont stockées, traitées et analysées à l’aide de solutions spécifiques.

Les réseaux neuronaux se composent d’un ensemble d’unités de traitement reliées entre elles par des canaux de communication, les neurones. Les informations d’entrée sont traitées par les neurones au sein du réseau, en règle générale par le biais de fonctions non linéaires, et le résultat est propagé à d’autres neurones via les canaux de communication. Les informations de sortie représentent le résultat des processus de traitement. La force des réseaux neuronaux réside dans le traitement hautement parallèle des informations d’entrée, rendu possible par la connexion des neurones et de leurs fonctions de traitement. Il est ainsi possible de représenter des dépendances non linéaires très complexes dans les informations d’entrée. Les réseaux neuronaux doivent apprendre ces dépendances, ce qui se fait généralement sur la base de données empiriques.