仪表板(Dashboard)： 使用算法分析数据，并将结果用图表方式显示于仪表板中。

数据聚合工具(Data aggregation tools)： 将分散于众多数据源的数据转化成一个全新数据源的过程。

数据分析师(Data analyst)： 从事数据分析、建模、清理、处理的专业人员。

数据库(Database)： 一个以某种特定的技术来存储数据集合的仓库。

数据湖（Data lake）： 数据湖是原始格式的企业级数据的大型存储库。与此同时我们可以涉及数据仓库，它在概念上是相似的，也是企业级数据的存储库，但在清理、与其他来源集成之后是以结构化格式。数据仓库通常用于常规数据（但不是专有的）。数据湖使得访问企业级数据更加容易，你需要明确你要寻找什么，以及如何处理它并明智地试用它。

暗数据（Dark Data）： 基本上指的是，由企业收集和处理的，但并不用于任何意义性目的的数据，因此它是“暗”的，可能永远不会被分析。它可以是社交网络反馈，呼叫中心日志，会议笔记等等。有很多人估计，所有企业数据中的 60-90％ 可能是“暗数据”，但谁又真正知道呢？

数据挖掘（Data mining)： 数据挖掘是通过使用复杂的模式识别技术，从而找到有意义的模式，并得出大量数据的见解。

数据中心(Data centre)： 一个实体地点，放置了用来存储数据的服务器。

数据清洗(Data cleansing)： 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。

数据质量（Data Quality）： 有关确保数据可靠性和实用价值的过程和技术。高质量的数据应该忠实体现其背后的事务进程，并能满足在运营、决策、规划中的预期用途。

数据订阅(Data feed)： 一种数据流，例如Twitter订阅和RSS。

数据集市(Data Mart)： 进行数据集买卖的在线交易场所。

数据建模(Data modelling)： 使用数据建模技术来分析数据对象，以此洞悉数据的内在涵义。

数据集(Data set)： 大量数据的集合。

数据虚拟化(Data virtualization)： 数据整合的过程，以此获得更多的数据信息，这个过程通常会引入其他技术，例如数据库，应用程序，文件系统，网页技术，大数据技术等等。

判别分析(Discriminant analysis)： 将数据分类，按不同的分类方式，可将数据分配到不同的群组，类别或者目录。是一种统计分析法，可以对数据中某些群组或集群的已知信息进行分析，并从中获取分类规则。

分布式文件系统(Distributed File System)： 提供简化的，高可用的方式来存储、分析、处理数据的系统。

文件存贮数据库(Document Store Databases)： 又称为文档数据库，为存储、管理、恢复文档数据而专门设计的数据库，这类文档数据也称为半结构化数据。