La différence entre l'analyse des données et l'analyse du Big Data

First, what is data analysis:

L'analyse des données fait référence au processus d'analyse d'une grande quantité de données collectées avec des méthodes d'analyse statistique appropriées, d'extraction d'informations utiles et de former des conclusions, mais d'étudier et de résumer les données en détail.

L'analyse des données comprend deux aspects des "données" et "l'analyse".D'une part, il comprend la collecte, le traitement et l'organisation des données, et d'autre part, il comprend également l'analyse des données, l'extraction d'informations précieuses et la formation de conclusions utiles pour les entreprises.

Les résultats de l'analyse des données sont généralement présentés sous la forme de rapports d'analyse.Pour les rapports d'analyse des données, l'analyse est l'argument, les données sont l'argument et les deux sont indispensables.

La différence entre l'analyse des données et l'analyse des mégadonnées:

1. Analyse des données

L'analyse des données fait référence au processus d'analyse d'une grande quantité de données collectées avec des méthodes d'analyse statistique appropriées, d'extraction d'informations utiles et de former des conclusions en même temps, c'est-à-dire le processus de recherche détaillée et le résumé des données.

L'analyse des données nécessite la maîtrise des connaissances mathématiques et des outils analytiques.Les connaissances mathématiques comprennent les statistiques, la théorie des probabilités et les statistiques mathématiques, l'analyse statistique multivariée, les séries chronologiques et l'exploration de données;Les outils doivent généralement maîtriser Excel, SQL, R, Python, etc. Il est nécessaire d'apprendre et de maîtriser les méthodes de base du traitement et d'analyse des données de base, une analyse avancée des données avancées et des méthodes d'exploration de données (telles que la régression linéaire multiple, le réseau neuronal, le réseau neuronal, l'arbre de décision, analyse en grappes, règles d'association, séries chronologiques, machine vectorielle de support, apprentissage d'ensemble, etc.) et techniques de visualisation.

2. Analyse des mégadonnées

L'analyse des mégadonnées fait référence aux collections de données qui ne peuvent pas être capturées, gérées et traitées avec des outils logiciels conventionnels dans un délai abordable.Il s'agit d'un actif d'information massif, à croissance élevée et diversifiée qui nécessite un nouveau modèle de traitement pour avoir des capacités de prise de décision, de perspicacité et de découverte et de découverte et de processus.

Certaines personnes définissent une analyse des mégadonnées comme celle-ci: n'utilisez pas le raccourci de l'analyse de l'enquête d'échantillonnage aléatoire, mais utilisez l'analyse et le traitement de toutes les données;Ne considérez pas l'état de distribution des données, car les données d'échantillonnage doivent se demander si la distribution de l'échantillon est biaisée et si elle est cohérente avec l'ensemble;et n'ont pas besoin de considérer les tests d'hypothèse.Il s'agit également d'une différence entre l'analyse des mégadonnées et l'analyse générale des données.

La différence de base entre l'analyse des mégadonnées et l'analyse des données est que l'échelle des données traitées est différente, ce qui conduit à différentes compétences des praticiens dans les deux directions.Dans la norme de compétence de talents CDA, les analystes de données et les analystes de Big Data sont définis à partir de cinq aspects: base théorique, outils logiciels, méthodes d'analyse, analyse commerciale et visualisation.