大數據分析及挖掘包含的技術可以從以下幾個方面進行闡述：

1、數據預處理技術：這包括數據的清洗、集成、轉換和規約，以確保數據質量和適配分析模型的需求。

2、數據倉庫與數據庫技術：為了存儲和管理大量數據，需要使用高效的數據倉庫解決方案和數據庫管理系統。

3、機器學習技術：利用算法讓計算機系統通過經驗改進任務處理的性能。在大數據分析中，機器學習用于發現數據中的模式和規律。

4、統計分析技術：使用統計學原理對數據集進行分析，以推斷總體的性質或預測未來的趨勢。

5、數據融合技術：包括基于對象的數據連接、相似性連接等技術，用于整合來自不同來源的數據，以提高分析的準確性和完整性。

6、領域特定挖掘技術：如用戶興趣分析、網絡行為分析和情感語義分析等，這些技術針對特定領域的數據分析需求進行了優化。

7、分類、優化、識別、預測技術：這些是數據挖掘中的核心任務，涉及將數據分為不同的類別、尋找最優解、識別模式和趨勢以及預測未來事件。

8、結果分析技術：對數據挖掘的結果進行解釋和評價，確保分析結果的準確性和可靠性。

9、新型數據挖掘技術：隨著技術的發展，新型數據挖掘技術如數據網絡挖掘、特異群組挖掘、圖挖掘等也在不斷開發和完善，以適應日益增長的數據分析需求。

10、可視化技術：通過圖表、圖形等形式直觀展示數據分析結果，幫助用戶更好地理解和解讀數據。

11、云計算和分布式計算技術：由于大數據的體量通常非常龐大，因此需要利用云計算和分布式計算技術來提高數據處理的效率和速度。

12、實時分析技術：對于需要快速響應的業務場景，實時分析技術能夠提供即時的數據洞察和決策支持。

13、隱私保護和安全技術：在處理大量敏感數據時，確保數據的安全性和保護用戶隱私至關重要。

總的來說，大數據分析及挖掘是一個多學科交叉的領域，它結合了統計學、計算機科學、數學等多個學科的知識和技術。隨著技術的不斷進步，大數據分析及挖掘的技術也在不斷地發展和創新，以適應不斷變化的數據分析需求。