作者：CDA數(shù)據(jù)分析師

大數(shù)據(jù)分析與數(shù)據(jù)分析這幾年一直都是個高頻詞，很多人都開始紛紛轉(zhuǎn)行到這個領域，也有不少人開始躍躍欲試，想找準時機進到大數(shù)據(jù)或數(shù)據(jù)分析領域。如今大數(shù)據(jù)分析和數(shù)據(jù)分析火爆，要說時機，可謂處處都是時機，關鍵要明了的一點是，大數(shù)據(jù)分析和數(shù)據(jù)分析兩者的根本區(qū)別在哪里，只有真正了解了，才會知曉更加適合自己的領域是大數(shù)據(jù)分析師還是數(shù)據(jù)分析師。畢竟職場如戰(zhàn)場，時間就是生活，不容兒戲，更不容怠慢。下面我來好好告訴大家兩者的本質(zhì)區(qū)別到底是什么！

大數(shù)據(jù)分析：指無法在可承受的時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合。是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》 中大數(shù)據(jù)分析指不用隨機分析法（抽樣調(diào)查）這樣的捷徑，而采用所有數(shù)據(jù)進行分析處理，因此不用考慮數(shù)據(jù)的分布狀態(tài)（抽樣數(shù)據(jù)是需要考慮樣本分布是否有偏，是否與總體一致）也不用考慮假設檢驗，這點也是大數(shù)據(jù)分析與一般數(shù)據(jù)分析的一個區(qū)別。

數(shù)據(jù)分析是指用適當?shù)?a href='/map/tongjifenxi/' style='color:#000;font-size:inherit;'>統(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細研究和概括總結(jié)的過程。

大數(shù)據(jù)分析與數(shù)據(jù)分析最核心的區(qū)別是處理的數(shù)據(jù)規(guī)模不同，由此導致兩個方向從業(yè)者的技能也是不同的。在CDA人才能力標準中從理論基礎、軟件工具、分析方法、業(yè)務分析、可視化五個方面對數(shù)據(jù)分析師與大數(shù)據(jù)分析師進行了定義。

【數(shù)據(jù)分析師的要求】

數(shù)據(jù)分析師的理論要求：統(tǒng)計學、概率論和數(shù)理統(tǒng)計、多元統(tǒng)計分析、時間序列、數(shù)據(jù)挖掘。

工具要求：必要：Excel、SQL可選：SPSS MODELER、R、Python、SAS等

分析方法要求：除掌握基本數(shù)據(jù)處理及分析方法以外，還應掌握高級數(shù)據(jù)分析及數(shù)據(jù)挖掘方法（多元線性回歸法，貝葉斯，神經(jīng)網(wǎng)絡，決策樹，聚類分析法，關聯(lián)規(guī)則，時間序列，支持向量機，集成學習等）和可視化技術。

業(yè)務分析能力：可以將業(yè)務目標轉(zhuǎn)化為數(shù)據(jù)分析目標；熟悉常用算法和數(shù)據(jù)結(jié)構(gòu)，熟悉企業(yè)數(shù)據(jù)庫構(gòu)架建設；針對不同分析主體，可以熟練的進行維度分析，能夠從海量數(shù)據(jù)中搜集并提取信息；通過相關數(shù)據(jù)分析方法，結(jié)合一個或多個數(shù)據(jù)分析軟件完成對海量數(shù)據(jù)的處理和分析。

結(jié)果展現(xiàn)能力：報告體現(xiàn)數(shù)據(jù)挖掘的整體流程，層層闡述信息的收集、模型的構(gòu)建、結(jié)果的驗證和解讀，對行業(yè)進行評估，優(yōu)化和決策。

【大數(shù)據(jù)分析師的要求】

理論要求：統(tǒng)計學、概率論和數(shù)據(jù)庫、數(shù)據(jù)挖掘、JAVA基礎、Linux基礎。

工具要求：必要： SQL、Hadoop、HDFS、Mapreduce、Mahout、Hive、Spark
可選：RHadoop、Hbase、ZooKeeper等

分析方法要求：熟練掌握hadoop集群搭建；熟悉nosql數(shù)據(jù)庫的原理及特征，并會運用在相關的場景；熟練運用mahout、spark提供的進行大數(shù)據(jù)分析的數(shù)據(jù)挖掘算法，包括聚類（kmeans算法、canopy算法）、分類（貝葉斯算法、隨機森林算法）、主題推薦（基于物品的推薦、基于用戶的推薦）等算法的原理和使用范圍。

業(yè)務分析能力：熟悉hadoop+hive+spark進行大數(shù)據(jù)分析的架構(gòu)設計，并能針對不同的業(yè)務提出大數(shù)據(jù)架構(gòu)的解決思路。掌握hadoop+hive+ Spark+tableau平臺上Spark MLlib、SparkSQL的功能與應用場景，根據(jù)不同的數(shù)據(jù)業(yè)務需求選擇合適的組件進行分析與處理。并對基于Spark框架提出的模型進行對比分析與完善。

結(jié)果展現(xiàn)能力：報告能體現(xiàn)大數(shù)據(jù)分析的優(yōu)勢，能清楚地闡述數(shù)據(jù)采集、大數(shù)據(jù)處理過程及最終結(jié)果的解讀，同時提出模型的優(yōu)化和改進之處，以利于提升大數(shù)據(jù)分析的商業(yè)價值。

綜上大數(shù)據(jù)分析與數(shù)據(jù)分析的根本區(qū)別就是分析的思維與分析所用的工具不同。大家在求職或轉(zhuǎn)行過程認清自己對兩者的偏好和自己的興趣所在，以及自己的能力更適合在哪個領域發(fā)揮，還有自己所在城市對兩者的職業(yè)需求，綜合天時地利人和三個條件，我們才能做出更理智更客觀更科學的抉擇。