大数据常用的数据处理方式主要包括以下几种：
1. 批量处理（Bulk Processing）: 批量处理是一种在大量数据上执行某项操作的策略，通常在数据被收集到一个特定的时间点后进行。这种方式的特点是效率高，但响应时间较长。它适用于需要大量计算资源的大型数据处理任务，如数据挖掘和机器学习。
2. 流处理（Streaming Processing）: 流处理是在数据流不断输入的情况下进行处理的方式，通常用于实时分析。这种方式的特点是响应时间快，但需要更多的计算资源。它适用于对数据实时分析和查询的需求，如实时预警和风险评估。
3. 实时计算（Real-time Computing）: 实时计算是一种实时分析大数据并快速得出结果的方式，适用于各种业务场景，如用户行为分析、供应链管理、市场预测等。实时计算的特点是实时性高，可以快速响应业务需求，但其性能通常受限于硬件设备和数据源的性能。
4. 交互式查询（Interactive Query）: 这种方式适用于大规模数据的快速分析，如在线广告、搜索引擎和社交网络分析等。交互式查询的特点是响应速度快，可以在短时间内提供结果，同时支持用户交互，如实时调整查询条件和筛选数据。
5. 离线计算（Offline Computing）: 离线计算是在数据被收集并存储后进行处理的策略，通常用于历史数据的分析和挖掘。这种方式的特点是处理时间长，但数据质量较高，适用于需要深度分析和挖掘的需求，如数据分析报告和预测模型。