在當今的大數據時代，數據的重要性愈發明顯。然而有了數據并不意味著就有了一切。很多時候大數據能給出結論，但給不了解釋。只有把數據通過可視化效果呈現出來，并對其進行分析，才能找出真正的答案。然而每一個問題都不止一面，當我們面對復雜的數據問題時，核心是把數據關聯起來。

在此之后，才可以說進行關聯分析。關聯分析（規則）即挖掘關聯現象，從大量數據當中發現事物、特征或者數據之間的，頻繁出現的相互依賴關系和關聯關系。關聯關系包含簡單關聯、時序關聯及因果關聯等，這些關聯有的產生于經驗之中，但并不總是事先知道，而是通過數據庫中數據的關聯分析獲得的，其對商業決策具有重要的價值，常用于實體商店或電商的跨品類推薦，購物車聯合營銷，貨架布局陳列，聯合促銷，市場營銷等，來達到關聯項互相銷量提升與共贏，提升用戶體驗，減少上貨員與用戶投入時間，尋找高潛用戶。

怎樣快速地把數據拿來做一個整合，又很快地呈現出來，是非常重要的。數據分析挖掘很重要，但有時一些應用場景和分析挖掘不一定有太大關系。舉個例子，假設某地發生了一個大地震，在這個災難性事件中，最重要的不是預測，而是診斷，讓你了解現在的情況是什么，未來要朝哪個方向走。這就需要數據的整合與呈現。分析的力量是你能夠對整個流程進行分析，而不是某個環節。你可以看到真正的故事在于快速關聯不同的數據源。

過去我們談大數據分析包含了數據采集、清洗、分析和展現，今天談的好像是關聯、分析和展現，那么是不是大數據分析的理念變了呢？的確是一個比較大的概念上的轉換。從信息的角度看，每個數據都有價值，獲得的數據越多越好，有些系統通過清洗或是數據處理，可能把一些價值去除掉了。另外，過去是ETL，也就是數據抽取、轉換和上載。現在所謂的轉換，是在關聯引擎里面做的。數據抽取出來，然后上傳，再做轉換，也就是ELT。ELT對比ETL，速度要快很多。