在采集和分析部分实现动态后，数据分析才是真正的核心存在。毫无疑问，数据分析的核心是算法和数据，而在数据发分析时普遍可以先分为数据处理和分析两个环节。

数据分析的算法是十分挑剔的，其对于不同的数据要求不同，一般来讲，结构化数据和非结构化数据就是典型的不同种类的数据，其处理方式相差甚远，因此需要先进行数据处理，将不同种类的数据根据分析目的进行异构解析或者压缩，然后进行分析得出指导性理论。

在分析方面，算法对分析结果的影响是十分明显的。从数据中根据分析目的选取不同算法，获得分析结果。但是问题在于，这种以目的驱动的数据分析筛选过程所去除的数据难以确定是否真正的无关，这就导致最终分析出的结果很可能是出现偏差的。

此类问题的解决普遍采用的是利用算法进行分析和精简的，单一算法的偏差难以避免，片面数据的解析同理。而如果全面分析时，静态数据难以保持新鲜度，全面分析计算量过大而且缺乏针对性。

如果采用动态的实时处理手段则可以避免这些问题，数据及时的处理后得到结果作为一种“数据”进行处理，在需要时进行二次消化，比传统方式要容易一些。而这种方式的问题在于目前的技术限制可能会让实时处理结果依然面临算法单一的挑战。

分析结果的产出还需要最终用于解决企业决策才能够形成价值。只不过数据分析结果的应用也会面临的静态的问题。

一般来讲，数据分析结果是支持企业经营和运行发展方向解决方案的，可是这就意味着前期的巨大投入能够获取的成果应用范畴却十分的狭窄，投入产出比过低导致大多数企业对大数据的应用很难产生兴趣。

而想要让大数据发挥更大的价值，数据可视化仅仅是其中的一部分。企业中应当把数据分析结果实现流动，将适合的数据在不同部门不同岗位中进行传递，***化发挥数据价值，提升企业业务效率。

再者，动态数据应用应该降低数据分析门槛，借助相关大数据分析工具，让每个员工有数据可用，能数据分析，以数据指导员工发展，帮助员工接近真实数据，运用数据指导，实现自身价值。

大数据自从提出以来一直在不断的发展之中，而静态的数据只能如一潭死水，价值极低，唯有让各个环节动起来，才能让数据成为金子。