داده های حجیم پتانسیل بسیار خوبی در بهینه سازی داده ها، تصمیم گیری، آشکار سازی روندهای تجاری در زمینه های مختلفی از قبیل تولید، امور مالی و فناوری اطلاعات را نشان داده است . برنامه های کاربردی داده های حجیم می توانند از میان حجم بزرگ داده ها تراکنش ها را با مقیاس پذیر بالا، سرعت بالا و قابلایت اطمینان بالا انجام دهند. منظور از داده های حجیم داده هایی است که بسیار بزرگ، پویا و پیچیده با درجه خاصی از دقت هستند . به همین دلیل، تجزیه و تحلیل داده ها با استفاده از تکنیک های سنتی به خاطر پیچیدگی بالا و هزینه محاسباتی دشوار می شود . در این مقاله، یک مرور کلی از تکنیک های مختلف خوشه بندی استفاده شده برای تجزیه و تحلیل داده ها ارائه می شود. بررسی ها نشان می دهد روش نگاشت وکاهش به طور بالقوه برای خوشه بندی داده های حجیم بسیار مفید است و می تواند یک بستر بسیار مناسب برای پیاده سازی الگوریتم های موازی ارائه دهد .