数据可视化分析方法确实属于大数据分析方法。大数据分析通常包括数据采集、数据存储、数据处理和数据可视化四个步骤，而数据可视化分析方法则是其中的一个重要环节。通过将大量数据转化为直观、易理解的图形或图表，帮助用户更好地理解数据、发现问题和做出决策。
1. 数据采集：在这个阶段，我们需要从各种来源（如数据库、传感器、网络等）获取大量的原始数据。这些数据可能包括文本、图像、音频、视频等各种格式。
2. 数据存储：收集到的原始数据需要被存储起来，以便后续的分析和可视化。常用的数据存储技术有关系型数据库、非关系型数据库（如NoSQL数据库）、大数据处理框架（如Hadoop、Spark等）等。
3. 数据处理：在这个阶段，我们需要对存储的数据进行清洗、转换和整合，以便于后续的分析和可视化。常见的数据处理技术有去重、排序、分组、聚合等。
4. 数据可视化：在这个阶段，我们将处理后的数据转化为直观、易理解的图形或图表，以帮助用户更好地理解数据、发现问题和做出决策。常见的数据可视化技术有柱状图、折线图、饼图、散点图等。
5. 数据分析：在这个阶段，我们根据数据可视化的结果，对数据进行深入的分析，以发现潜在的规律和趋势。常见的数据分析方法有回归分析、聚类分析、关联规则挖掘等。
6. 数据可视化结果解释：在这个阶段，我们需要对数据可视化的结果进行解释，以便用户能够理解我们的分析过程和结论。这通常需要结合业务知识和领域知识，以及适当的图表设计技巧。
总之，数据可视化分析方法是大数据分析流程中的重要环节，它帮助我们将复杂的数据转化为直观、易理解的图形或图表，从而更好地理解和利用数据。
