大数据环境下信息分析将越来越侧重于定量分析、实时分析、协同分析以及用户参与分析。

1.4.2.1　定量分析

图灵奖获得者、著名数据库专家Jim Gray认为，科学研究的范式先后经历了经验范式、理论范式和模拟范式，随着大数据时代的到来，这三种传统范式在一些新的研究领域已经无法很好地发挥作用，这便催生了科学研究的第四种范式——数据范式，即：先将获取和生成的大量数据经数据处理后存储在超大容量的计算机中，科研人员运用数据管理的原理和方法对大数据库进行数据分析和挖掘，形成新数据库，并据此产生新的思维，研究出新的科研成果。^[13]

Duncan J.Watts在《自然》杂志上撰文指出，借助社交网络和计算机分析技术，21世纪的社会科学有可能实现定量化的研究，从而成为一门真正的自然科学。^[14]

大数据环境下，定量分析将成为信息分析的主流研究范式。大数据分析的任务是对数据去冗分类，去粗取精，从数据中挖掘出有价值的信息与知识，把大数据通过定量分析变成小数据。

1.4.2.2　实时分析

从分析时机的角度区分，信息分析可以分为历史分析和实时分析。历史分析是对历史静态数据做分析；实时分析是对变化着的数据做分析。传统信息分析提供准确可靠的决策参考要以充足的分析时间为前提，虽然在动态跟踪时会使用实时更新的数据，但在规律总结与趋势分析时主要使用带有一定阶段性和滞后性的数据。大数据环境下，信息分析工作既要求分析的准确性，又要求分析的时效性。

大数据技术的发展为实时分析提供了条件，实时大数据分析在很多领域已经得到广泛的应用，如舆情监测系统通过对网络舆情的抓取和数据实时的更新，及时辨别舆情风险并发出预警信号，做到早发现、早预警、早引导；电子商务网站根据用户当前浏览页面的点击行为，实时分析用户的购买动机，为用户准确推送商品推荐信息。(www.daowen.com)

虽然对实时数据进行处理和实现实时预测并非易事，但大数据实时分析作为未来信息分析的突出特色，为信息分析提供了广阔的发展空间。

1.4.2.3　协同分析

协同论（Synergetics）是20世纪70年代以来在多学科研究基础上逐渐形成和发展起来的一门新兴学科。协同情报研究是指一项复杂的情报研究任务由多个部门的研究人员甚至是多个机构的研究人员，在分散的工作地点，主要通过众多现代化的信息技术和网络通信手段，共同协作完成的一种情报研究方式。^[15]大数据环境下，尤其需要开展协同分析。

大数据协同分析首先体现在数据的协同收集上，大数据类型多种多样且数量庞大，靠单一机构或个人的能力很难完成对数据的收集处理工作，需要多人、多部门的合作与数据共享。其次，分析技术和工具的协同成为分析处理大规模、多类型数据集的必然要求，大数据环境下，信息分析问题越来越复杂，综合运用多种方法、技术和工具开展大数据分析的特征会越来越明显。最后，人员的跨界协同合作可以实现优势互补，使参与分析的人员发挥各自的能力，共同致力于任务的完成。

1.4.2.4　用户深层次参与

一直以来，用户参与被认为是提高信息分析水平的有效途径，特别是用户参与早期的需求分析工作。用户参与会带来更多的信任、更高的控制感、更多的自我参与感或组织认同感，最终会提升用户对信息分析成果的满意度。

在大数据技术的支持下，用户可以深层次参与具体的信息分析过程。主要途径包括：一是采用人机交互技术，利用交互式的数据分析过程来引导用户逐步进行分析，使用户在得到结果的同时更好地理解分析过程和结果的由来；二是采用数据溯源技术，可以帮助用户追溯整个数据分析的过程，有助于用户更好地理解信息分析结果。