举个例子来理解一下：比如一个分析师一直单身 ， 想去找一个女朋友 ， 他可以很迅速的知道这个女孩的身高、收入、学历等 ， 但无法从这些数据中获知这个女孩是不是适合自己、她的性格如何 ， 这时我们就需要从一些日常行为的数据进行推断 ， 一种是主观的推断 ， 我觉得、我估计、我认为 ， 不可能在一起另一种是客观 主观的推断 ， 比如整合微博数据（可以知道微博的内容、发送行为、关注的领域等） ， 和自己的行为进行数据挖掘 ， 来看看数据内在的匹配度有多高 ， 这时候 ， 你会说 ， 我们在一起的概率有90% ， 从而建立信心 ， 开始行动.....当然统计学上讲 ， 100%的概率都未必发生 ， 0%的概率都未必不发生 ， 这只是小概率事件 ， 不要让这个成为你脱单的绊脚石 。
最后 ， 思考的方式不同 ， 一般来讲 ， 数据分析是根据客观的数据进行不断的验证和假设 ， 而数据挖掘是没有假设的 ， 但你也要根据模型的输出给出你评判的标准 。我们经常做分析的时候 ， 数据分析需要的思维性更强一些 ， 更多是运用结构化、MECE的思考方式 ， 类似程序中的IF else分析框架（假设） 客观问题（数据分析）=结论（主观判断）而数据挖掘大多数是大而全 ， 多而精 ， 数据越多模型越可能精确 ， 变量越多 ， 数据之间的关系越明确什么变量都要 ， 先从模型的意义上选变量（大而全 ， 多而精） ， 之后根据变量的相关系程度、替代关系、重要性等几个方面去筛选 ， 最后全扔到模型里面 ， 最后从模型的参数和解读的意义来判断这种方式合不合理 。
以上就是我认为的三个区别 ， 其实不论数据分析还是数据挖掘 ， 能抓住老鼠的就是好猫 ， 真的没必要纠结他们之前的区别 ， 难道你给领导汇报时 ， 第一部分是数据分析得出 ， 第二部分是数据挖掘得出？他们只关注你分析的逻辑、呈现的方式 。下来说说我理解的大数据 ， 常常有人问我 ， 感觉现在的大数据分析培训和讲解 ， 都是把之前的各类数据分析资料 ， 前面加了了“大” ， 然后变成了大数据分析培训....,其实想一想这位兄弟说的真TM对 。
大数据对我的感觉并不是数据量大 ， 也不是数据复杂 ， 这些都可以用工具和技术去处理 ， 而是它可以做到千人千面 ， 而且是实时判断规则例如定向广告的推送 ， 就是大数据 ， 它根据你以往的浏览行为 ， 可以准确的给你推相关的信息 ， 基本做到了你一个人就是一个数据库 ， 而不是一条数据 。但我们所作的数据分析更多是针对群体的 ， 而非针对每个个人 。
要做到千人前面 ， 侵犯你隐私数据是避免不了的 ， 或多或少都有知道一些 ， 而做到千人千面的大数据不就是要更多的了解你 ， 引导你、杀你、留住你吗？为了达到这类手段 ， 就要不断的去完善自家数据 ， 甚至要购买数据来360度的让你在数据下裸奔 ， 从而解决数据孤岛的问题所以大数据时代也显露出了各类问题 ， 数据的隐私、数据杀熟、数据孤岛等 ， 这也许就是我们目前看到大数据分析更看重的是技术、手段的原因 ， 它其实是一门纯技术 ， 但有时候确实可能需要艺术 。
推荐阅读
- 双卡双待的iphone,苹果哪一款是双卡双待
- 清华大学严蔚敏,数据结构严蔚敏pdf
- R9s有什么密码不能刷机,闲鱼收到一部R9s手机
- find7基带版本是多少,OPPO官宣Find
- hasee h45t3刷机包,神舟H45T3这才是真正的国民手机
- 幻影刷机通就是个软件,亚太幻影刷机通破解版
- 21s，21s翻译是什么意思
- 联想p629，联想P629好吗
- 三星 i8160，三星I8160怎么样？比如CPU只是800GHZ 虽然是双核,但会不会配置...
- 超神x，x2是什么意思阿