话说当下，“大数据”不再188是个听上去高大上的8146概念了，而是已经很接地气1931、有了很多具体的应用，实实在在的改变着很多行业、很多职业；而且在未来，越来越多的职业和行业将会被大数据改变。

而在所有的应用中，大数据分析首当其冲，互联网的高速发展和信息量的激增，给企业管理、市场营销、电商运营等各种工作带来了巨大的改变和挑战，决策判断仅凭经验和直觉远远不够，需要更多的数据提供支持，需要更多的数据分析以验证判断和预测未来。

我之前的文章说过一句话“在大数据时代，经验及直觉等于无知的几率越来越大”，可不是信口开河，而是真真切切的现实，一切变化太快，没有太多的时间给你总结经验。那怎么办呢？必须要依靠大数据分析，依靠数据力量！

数据分析不是新鲜概念，很早就有；现在我们说的大数据分析，是不是如很多人所说，“大数据分析”就是赶时髦，新瓶子装“传统数据分析”的老酒呢？

绝对不是！这话绝对有毛病！

数据分析的本质没有变化，无非就是对数据的分析、解读，从而得到人们可以理解的观点，供人们参考；做数据分析的原因是数据中包含信息，但却不能直接被读取到，只有通过分析和解读，才能挖掘出数据中隐藏的有用信息。

但也有不同：

一、数据来源和范围不同

传统数据分析数据大多来自直接相关的企业或部门，大都是业务直接相关的数据，数据范围以常见的文档和关系型数据为主。而大数据分析的数据除了来自业务直接相关的数据外，还要大量收集外部数据及看似不相关的数据，数据形式也各种各样，除了传统的数据形式外，音频、视频、行为、自媒体等各种数据都会根据需要纳入分析范围。

举个栗子：对企业第一季度的客户消费情况进行分析。

传统数据分析常会提取客户资料、消费、促销等直接相关的数据进行分析。
大数据分析不但要提取直接相关的数据，可能还会提取网站访问行为、自媒体评论、客服语音等内部数据，还要从网络抓取行业数据、竞品数据，甚至天气变化等看似不相关的数据进行分析。

二、分析方式不同

数据分析的过程类似，但由于数据量的变化和数据形式的不同，分析方式大有不同，传统的数据面对的大多是常规数据，处理工具常用Excel，还有一些少量情况会读取数据库中的数据；

大数据分析，先要面对的是各种复杂形式的数据，以及很多的原始数据，杂乱且数量巨大，要用到分布式平台和脚本语言才能开始分析过程，而这些变化，使得大数据分析在分析思路、分析方式等方面都与传统数据分析有很大的不同。

总结就是工具不同、流程不同、思路不同。

三、分析思维不同

传统数据分析的核心指导思想是统计学中的抽样，是通过分析样本数据来得到结论。重点在于抽取样本的规则合理性。传统数据分析是对已知可理解数据的分析，而且数据大多是与业务直接相关的，是对已知数据的一个精细化挖掘过程。

而大数据分析是全量数据分析，很多数据之间并没有正式的可理解的关系，通过分析得到“是什么”的结果，通过分析发现隐藏在数据背后的关系，从而能从数据中得到更多的有用信息。

这种不同是由于数据量的激增和技术的进步，必然导致的进化。

从宏观说，大数据分析站的角度更高，很多会从战略层面出发，从微观说，分析的粒度更细，能同时满足全局和个性的分析要求。

大数据分析和传统数据分析自然不同的，但千万不要一定要分出个明确的界限来，那就有点钻牛角尖了，有不同，但也有很多相同，是亲兄弟关系，大数据分析是数据分析的进化。

所以不要纠结他们的不同，新形式、新思路、新工具、新流程，适应就好了。