Büyük verinin boyut, hız ve çeşitlilik gibi özellikleri, bulut bilişimi ve Hadoop, Spark ve Flink gibi açık kaynak kütüphanelerini, sofistike donanımlara ihtiyaç duymayan hızlı ve güvenilir veri yönetimi ve analizi için sık kullanılan araçlar haline getirmiştir...

Yüksek başarımlı hesaplama, büyük işlem miktarı gerektiren hesaplamalar ve özellikle işlem zamanının hayati öneme sahip olduğu uygulamalar için eldeki donanımın en verimli şekilde kullanılmasını amaçlar.

İstatistiksel yöntemler, rassal süreçlerin ürettiği varsayılan verinin çözümlemesini mümkün kılar. Bu nedenle veri analitiği kapsamında yürütülen hemen her çalışmada istatistiksel yöntemlere rastlanır.

Makine öğrenmesi, geçmiş verileri kullanarak bir durumun modellenmesini ve bu sayede yeni bir veri geldiğinde, öğrenilmiş sistemle, onu etiketleyebilmeyi amaçlar.

Optimizasyon bir karar verme problemi için eniyi kararların belirlenmesine ilişkin sistematik yöntemleri içerir...

Veri görselleştirmelerinin amacı; görme duyusunu uyararak, insanlara karmaşık veriler hakkında anlam çıkarmada yardım etmektir...

Veri madenciliği büyük miktarlarda toplanan ham verinin değerli bilgiye dönüştürülmesini amaçlar...

Veri analitiği uygulamalarının birçoğu insanlar ve onlarla ilgili veriler üzerinde olduğu için mahremiyet ve güvenlik üzerinde durulması gereken bir konudur...