在大数据分析中，常用的技术包括：
1. 数据挖掘：通过使用统计和机器学习算法，从大数据集中发现隐藏的模式和关联关系。
2. 机器学习：利用算法和模型，让计算机能够从数据中学习并自动提取信息和进行预测。
3. 自然语言处理（NLP）：用于处理和分析人类语言的技术，可以帮助理解和分析大量文本数据。
4. 数据可视化：通过图表、图形和其他可视化工具，将大数据转化为易于理解和解释的形式，以便更好地进行分析和决策。
5. 数据仓库和数据集成：将来自不同来源的大数据整合到一个集中的存储系统中，以便更方便地进行分析和查询。
6. 分布式计算：利用分布式计算框架（如Hadoop和Spark）来处理大规模数据集，以加快数据处理和分析的速度。
7. 数据清洗和预处理：对大数据进行清洗、去重、填充缺失值等处理，以确保数据的质量和一致性。
8. 高性能计算：利用高性能计算技术（如GPU加速）来加快大数据分析的速度和效率。

这些技术可以帮助会计人员更好地处理和分析大数据，从而提供更准确和有洞察力的财务分析和决策支持。