大数据分析方法主要包括以下几种：

1. 描述性数据分析：这是最基本的数据分析方法，主要目的是了解和描述数据的基本情况，如数据的来源、特征、分布等。常用的描述性数据分析方法有数据汇总、编制数据表或图表等。

2. 预测性数据分析：主要在数据挖掘和机器学习算法等技术的帮助下，通过已有的数据预测未来的趋势或可能性。这种方法通常需要利用统计模型或者机器学习算法对大数据进行分析和建模。

3. 相关性分析：通过分析不同变量之间的关系，找出可能影响目标变量的因素。相关性分析可以帮助我们理解数据背后的因果关系，从而做出更明智的决策。常用的相关性分析方法包括回归分析、相关系数计算等。

4. 数据可视化分析：将大量的数据以图形化的方式呈现出来，帮助人们更直观地理解数据。数据可视化可以让分析师快速识别出数据中的模式、趋势和异常值。常用的数据可视化工具包括表格、折线图、柱状图、散点图等。

5. 聚类分析：通过分析数据的内在结构和模式，将数据划分为不同的群组或类别。这种方法可以帮助我们更好地理解数据的分布和特征，为决策提供支持。

6. 神经网络分析：一种模拟人脑神经元工作方式的数据分析方法，可以处理复杂的数据关系，特别是在处理海量高维度数据时表现出较高的效率。通过构建复杂的网络结构，对输入的数据进行深度分析，得出有价值的结论。

以上就是大数据分析的几种主要方法，每种方法都有其特定的应用场景和优势。在实际应用中，可以根据需要选择合适的方法或多种方法结合使用。