Jako proces analizy surowych danych w celu znalezienia trendów i odpowiedzi na pytania, definicja Data analytics obejmuje jej szeroki zakres. Zawiera jednak wiele technik o wielu celach.

Proces data analytics składa się z kilku elementów, które mogą pomóc w wielu różnych inicjatywach. Dzięki połączeniu tych komponentów udana inicjatywa analizy danych zapewni jasny obraz tego, gdzie jesteś, gdzie byłeś i dokąd powinieneś się udać.

Ogólnie proces ten rozpoczyna się od analizy opisowej. Jest to proces opisywania trendów w danych. Analityka opisowa ma na celu odpowiedź na pytanie „co się stało?”. Stosowane wskaźniki będą różne dla każdej branży. Analityka opisowa nie tworzy przewidywań ani bezpośrednio nie wpływa na decyzje. Koncentruje się przede wszystkim na podsumowaniu danych w sposób opisowy.

Kolejną istotną częścią analizy danych jest zaawansowana analityka. Ta część wykorzystuje zaawansowane narzędzia do wyodrębniania danych, przewidywania i odkrywania trendów. Narzędzia te obejmują zarówno klasyczne statystyki, jak i uczenie maszynowe. Technologie uczenia maszynowego, takie jak sieci neuronowe, przetwarzanie języka naturalnego, analiza sentymentu i inne, umożliwiają zaawansowaną analitykę. Te informacje zapewniają nowy wgląd w dane. Zaawansowana analityka rozwiązuje pytanie „a co jeśli?”.

Dostępność technik uczenia maszynowego, ogromne zbiory danych i tania moc obliczeniowa umożliwiły zastosowanie tych technik w wielu branżach. Zbieranie dużych zbiorów danych odgrywa zasadniczą rolę w umożliwianiu tych technik. Analityka Big Data umożliwia firmom wyciąganie wniosków z różnych źródeł danych.