大数据分析和数据分析的区别和联系有哪些？

        关于什么是大数据，IBM有一套著名的5V理论，即Volume(大量)、Velocity(高速)、Variety(多样化)、Value(价值)和Veracity(真实)。简单地说，就是数据规模大、流动快、种类多、来源广、价值密度低，反映事物真实性的数据就是大数据。所以，或许Facebook每天要处理10TB的数据，这是一个庞大的数据量；这些数据每天都在快速变化，而且变化非常快；数据可以是文本、视频、图片，类型多样；数据多而价值低；通过分析可以了解使用Facebook的人群是什么样，这就是数据的真实性。今天，我们就来讨论一下什么是大数据以及大数据分析和数据分析之间的差异和联系。

明略数据

0

2条点评

咨询产品

免费试用

解决用户选型困难的好软件，有各维度的信息

客户案例

20

合作品牌

暂无

大数据

什么是数据分析？

       数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，未提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析包含“数据”和“分析”两个方面，一方面包括收集、加工和整理数据，另一方面也包括分析数据，从中提取有价值的信息并形成对业务有帮助的结论。数据分析的成果通常以分析报告的形式呈现。对于数据分析报告，分析就是论点，数据就是论据，两者缺一不可。

传统数据分析与大数据分析的三方面异同：

一、在分析方法上，两者并没有本质不同

       数据分析的核心工作是人对数据指标的分析、思考和解读，人脑所能承载的数据量是极其有限的。所以，无论是“传统数据分析”，还是“大数据分析”，均需要将原始数据按照分析思路进行统计处理，得到概要性的统计结果供人分析。两者在这个过程中是类似的，区别只是原始数据量大小所导致处理方式的不同。

二、在对统计学知识的使用重心上，两者存在较大的不同

    “传统数据分析”使用的知识主要围绕“能否通过少量的抽样数据来推测真实世界”的主题展开。“大数据分析”主要是利用各种类型的全量数据（不是抽样数据），设计统计方案，得到兼具细致和置信的统计结论。

三、与机器学习模型的关系上，两者有着本质差别

   “传统数据分析”在大部分时候，知识将机器学习模型当黑盒工具来辅助分析数据。而“大数据分析”，更多时候是两者的紧密结合，大数据分析产出的不仅是一份分析效果测评，后续基于此来升级产品。在大数据分析的场景中，数据分析往往是数据加墨的前奏，数据建模是数据分析的成果。

       以上是关于大数据分析和传统数据分析之间的区别和联系的一些内容，相较于传统的数据分析师，大数据分析工程师是针对日渐庞大的大数据而出现的一个适应时代发展的新兴职业，相较于传统的数据分析师，大数据分析师需要掌握的技能更多，更复杂。但同样的，因大数据的良好趋势，大数据分析师的职业前景非常广阔。