Da 數(shù)據(jù)處理的信息量非常大，往往一次分析所需的數(shù)據(jù)分別存儲(chǔ)在上百臺(tái)服務(wù)器中，所以數(shù)據(jù)分析需要協(xié)調(diào)所需的服務(wù)器，讓它們根據(jù)我們分析的需要進(jìn)行協(xié)作。這是他和數(shù)據(jù)分析所需要的。在具體方法上，數(shù)據(jù)挖掘方法也可能會(huì)用到，傳統(tǒng)分析方法往往是事先有一個(gè)分析目標(biāo)，然后用統(tǒng)計(jì)方法進(jìn)行驗(yàn)證，數(shù)據(jù)挖掘是通過(guò)算法和計(jì)算機(jī)分析。

第一，節(jié)約成本。相比調(diào)研-1調(diào)研，網(wǎng)上市場(chǎng)的成本相對(duì)較低，節(jié)省了問(wèn)卷打印和面試官工資的成本。但如果上線(xiàn)市場(chǎng)調(diào)研則需要支付問(wèn)卷推廣費(fèi)。如果想快速有效的回收問(wèn)卷，可以在線(xiàn)發(fā)起付費(fèi)問(wèn)卷調(diào)研。第二，信息范圍廣。當(dāng)網(wǎng)絡(luò)調(diào)研，可收集的數(shù)據(jù)范圍更廣，不限于某市某區(qū)，以此類(lèi)推。而且現(xiàn)在人與人之間相互信任的關(guān)系越來(lái)越弱。傳統(tǒng) 調(diào)研極有可能被拒，網(wǎng)絡(luò)調(diào)研逐漸被大家認(rèn)可。

Da 數(shù)據(jù)Analyst是一個(gè)比較新的概念，它是因?yàn)镈a數(shù)據(jù)的發(fā)展而出現(xiàn)的，而傳統(tǒng)數(shù)據(jù)Analyst這個(gè)崗位卻存在了很久。它們之間有八個(gè)區(qū)別:1、數(shù)據(jù) scale，2、數(shù)據(jù) type，3、Schema與數(shù)據(jù)的關(guān)系，4、處理的對(duì)象，5、獲取的方式，6、傳遞的方式。-1/ 數(shù)據(jù)的價(jià)值體現(xiàn)在信息傳遞和表征上，是對(duì)現(xiàn)象的描述和反饋，讓人通過(guò)數(shù)據(jù)去理解。

數(shù)據(jù) Mining基于數(shù)據(jù)圖書(shū)館理論、機(jī)器學(xué)習(xí)、人工智能和現(xiàn)代統(tǒng)計(jì)學(xué)的一門(mén)迅速發(fā)展的交叉學(xué)科，已在多個(gè)領(lǐng)域得到應(yīng)用。涉及到很多算法，比如機(jī)器學(xué)習(xí)衍生的神經(jīng)網(wǎng)絡(luò)和決策樹(shù)，基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)，分類(lèi)回歸樹(shù)，相關(guān)分析等。數(shù)據(jù)挖掘的定義是從海量數(shù)據(jù)中找到有意義的模式或知識(shí)。大數(shù)據(jù)是今年提出的，也是被媒體忽悠的概念。有三個(gè)重要特點(diǎn):數(shù)據(jù)數(shù)量大，結(jié)構(gòu)復(fù)雜，數(shù)據(jù)更新速度快。

Da 數(shù)據(jù)和傳統(tǒng)-2/有什么區(qū)別？說(shuō)到數(shù)據(jù)分析，其實(shí)隨著數(shù)據(jù)這幾年的發(fā)展，數(shù)據(jù)被認(rèn)為是物理與信息融合的關(guān)鍵技術(shù)和核心引擎。各行各業(yè)都在馬不停蹄地大步邁入“-2”時(shí)代。傳統(tǒng)行業(yè)與互聯(lián)網(wǎng)行業(yè)的邊界開(kāi)始發(fā)展交叉、互補(bǔ)、滲透。傳統(tǒng)的制造業(yè)不再是生產(chǎn)轉(zhuǎn)售的模式，更多的是傾聽(tīng)市場(chǎng)的聲音。市場(chǎng)需要什么，消費(fèi)終端就會(huì)相應(yīng)地賦予它更多的多樣化和個(gè)性化。

即行數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中，可以用二維表結(jié)構(gòu)進(jìn)行邏輯表達(dá)，比如某制造企業(yè)的ERP系統(tǒng)應(yīng)用oracle、SqlServer等。數(shù)據(jù)圖書(shū)館?；ヂ?lián)網(wǎng)行業(yè)更加非結(jié)構(gòu)化數(shù)據(jù)，無(wú)法二維描述，如所有格式的辦公文檔、文本、圖片、XML、HTML、各種報(bào)表、圖像和音視頻信息，如醫(yī)學(xué)影像系統(tǒng)、教育視頻點(diǎn)播、視頻監(jiān)控、土地GIS、設(shè)計(jì)院、文件服務(wù)器(PDM/FTP)和媒體資源管理。

Da 數(shù)據(jù)和傳統(tǒng)-2/有什么區(qū)別？首先大數(shù)據(jù)一般是機(jī)器自動(dòng)生成的。在生成new 數(shù)據(jù)的過(guò)程中，沒(méi)有人類(lèi)的參與，完全由機(jī)器自動(dòng)生成。如果分析傳統(tǒng) 數(shù)據(jù)的來(lái)源，通常會(huì)涉及到人為因素。其次，Da 數(shù)據(jù)通常是數(shù)據(jù)的全新來(lái)源，而不僅僅是現(xiàn)有數(shù)據(jù)的擴(kuò)展集合。有時(shí)候，“更多的同類(lèi)型數(shù)據(jù)”可以達(dá)到另一個(gè)極端，從而成為一個(gè)新的數(shù)據(jù)。

傳統(tǒng) 數(shù)據(jù)來(lái)源通常從一開(kāi)始就有嚴(yán)格的定義。數(shù)據(jù)的每一位都有重要的值，否則，這個(gè)數(shù)據(jù) bit就不會(huì)包含在內(nèi)，隨著存儲(chǔ)空間的開(kāi)銷(xiāo)變得可以忽略不計(jì)，big 數(shù)據(jù) source通常在一開(kāi)始就沒(méi)有嚴(yán)格的定義，而是收集各種可能用到的信息。所以在分析大數(shù)據(jù)的時(shí)候，我們可能會(huì)遇到各種亂七八糟的數(shù)據(jù)滿(mǎn)滿(mǎn)的垃圾。