大数据分析及挖掘包含的技术可以从以下几个方面进行阐述：

1、数据预处理技术：这包括数据的清洗、集成、转换和规约，以确保数据质量和适配分析模型的需求。

2、数据仓库与数据库技术：为了存储和管理大量数据，需要使用高效的数据仓库解决方案和数据库管理系统。

3、机器学习技术：利用算法让计算机系统通过经验改进任务处理的性能。在大数据分析中，机器学习用于发现数据中的模式和规律。

4、统计分析技术：使用统计学原理对数据集进行分析，以推断总体的性质或预测未来的趋势。

5、数据融合技术：包括基于对象的数据连接、相似性连接等技术，用于整合来自不同来源的数据，以提高分析的准确性和完整性。

6、领域特定挖掘技术：如用户兴趣分析、网络行为分析和情感语义分析等，这些技术针对特定领域的数据分析需求进行了优化。

7、分类、优化、识别、预测技术：这些是数据挖掘中的核心任务，涉及将数据分为不同的类别、寻找最优解、识别模式和趋势以及预测未来事件。

8、结果分析技术：对数据挖掘的结果进行解释和评价，确保分析结果的准确性和可靠性。

9、新型数据挖掘技术：随着技术的发展，新型数据挖掘技术如数据网络挖掘、特异群组挖掘、图挖掘等也在不断开发和完善，以适应日益增长的数据分析需求。

10、可视化技术：通过图表、图形等形式直观展示数据分析结果，帮助用户更好地理解和解读数据。

11、云计算和分布式计算技术：由于大数据的体量通常非常庞大，因此需要利用云计算和分布式计算技术来提高数据处理的效率和速度。

12、实时分析技术：对于需要快速响应的业务场景，实时分析技术能够提供即时的数据洞察和决策支持。

13、隐私保护和安全技术：在处理大量敏感数据时，确保数据的安全性和保护用户隐私至关重要。

总的来说，大数据分析及挖掘是一个多学科交叉的领域，它结合了统计学、计算机科学、数学等多个学科的知识和技术。随着技术的不断进步，大数据分析及挖掘的技术也在不断地发展和创新，以适应不断变化的数据分析需求。