توانایی جمع آوری و تجزیه و تحلیل مقادیر زیادی از داده ها، مساله رو به رشدی در جامعه علمی می باشد. شکاف رو به رشدبین داده ها و کاربران برای ابزار های نوآورانه فراخوانده می شود که به چالش موجود در حجم ، سرعت و تنوع داده های بزرگمی پردازد. یکی از چالش های اصلی مربوط به تنوع داده های بزرگ، درک خودکار ساختار و الگوهای بنیادی داده ها است.چنین درکی، نیاز به یک پیش شرط برای استفاده از تجزیه و تحلیل پیشرفته داده ها دارد. علاوه بر این، مجموعه داده هایبزرگ، اغلب شامل ناهنجاری ها و خطاهایی است که دانستن آنها مشکل است.روش های فعلی برای درک ساختار داده ها ازطراحی هستی شناسی پایگاه داده سنتی ترسیم شده است. این روش ها موثر هستند، اما اغلب نیاز به دخالت بسیار زیاد انسانبرای تاثیر گذاری بر حجم، سرعت و انواع داده هایی است که با سیستم های داده بزرگ مواجه شده اند. تجزیه و تحلیل ابعادیداده ها (DDA) یک روش پیشنهادی که اجازه می دهد تحلیلگران داده های بزرگ به سرعت ساختار کلی یک مجموعه داده بزرگ را درک کرده، و ناهنجاری ها را مشخص کنند.