2022-11-22 03:41来源：m.sf1369.com作者：宇宇
传统数据和大数据的区别
第一、计算机科学在大数据出现之前，非常依赖模型以及算法。人们如果想要得到精准的结论，需要建立模型来描述问题，同时，需要理顺逻辑，理解因果，设计精妙的算法来得出接近现实的结论。因此，一个问题，能否得到最好的解决，取决于建模是否合理，各种算法的比拼成为决定成败的关键。然而，大数据的出现彻底改变了人们对于建模和算法的依赖。举例来说，假设解决某一问题有算法A 和算法B。在小量数据中运行时，算法A的结果明显优于算法B。也就是说，就算法本身而言，算法A能够带来更好的结果；然而，人们发现，当数据量不断增大时，算法B在大量数据中运行的结果优于算法A在小量数据中运行的结果。这一发现给计算机学科及计算机衍生学科都带来了里程碑式的启示：当数据越来越大时，数据本身（而不是研究数据所使用的算法和模型）保证了数据分析结果的有效性。即便缺乏精准的算法，只要拥有足够多的数据，也能得到接近事实的结论。数据因此而被誉为新的生产力。
第二、当数据足够多的时候，不需要了解具体的因果关系就能够得出结论。
例如，Google 在帮助用户翻译时，并不是设定各种语法和翻译规则。而是利用Google数据库中收集的所有用户的用词习惯进行比较推荐。Google检查所有用户的写作习惯，将最常用、出现频率最高的翻译方式推荐给用户。在这一过程中，计算机可以并不了解问题的逻辑，但是当用户行为的记录数据越来越多时，计算机就可以在不了解问题逻辑的情况之下，提供最为可靠的结果。可见，海量数据和处理这些数据的分析工具，为理解世界提供了一条完整的新途径。
第三、由于能够处理多种数据结构，大数据能够在最大程度上利用互联网上记录的人类行为数据进行分析。大数据出现之前，计算机所能够处理的数据都需要前期进行结构化处理，并记录在相应的数据库中。但大数据技术对于数据的结构的要求大大降低，互联网上人们留下的社交信息、地理位置信息、行为习惯信息、偏好信息等各种维度的信息都可以实时处理，立体完整地勾勒出每一个个体的各种特征。
现在的大数据分析，跟传统意义的分析有一个本质区别，就是传统的分析是基于结构化、关系性的数据。
而且往往是取一个很小的数据集，来对整个数据进行预测和判断。但现在是大数据时代，理念已经完全改变了，现在的大数据分析，是对整个数据全集直接进行存储和管理分析
维度不一样，普通的报表一般没分析多少内容，而数据分析一般都会拿很多数据做分析，达到的效果会有很大区别，不过也有一些人可以在execl里做高级的数据报表达到数据分析的功能。
传 统 B I ( 商 业 智 能 ) 分 析 工 具 主 要 是 以 工 具 为 主 ， 而 B I T 超 级 数 据 分 析 平 台 是 集 合 数 据 展 示 、 分 析 、 交 互 为 一 体 的 企 业 综 合 管 理 解 决 方 案 ， 数 据 分 析 工 具 快 速 完 成 企 业 内 外 部 数 据 分 析 多 终 端 展 示 落 地 ， 再 借 助 数 据 产 品 门 户 的 管 理 功 能 ， 实 现 指 标 到 人 任 务 到 人 ， 信 息 交 互 及 预 警 推 送 。 总 而 言 之 超 级 数 据 分 析 平 台 比 传 统 B I 更 加 的 智 能 化 ， 全 面 化 。
一、数据分析灵活性不同
1、传统BI表样固定，定期出数，一人制作多人查看。
2、新型BI即时响应需求变化，自己DIY为主，也可以分享给其他人查看，像FineBI就可以自己DIY。
二、数据分析操作复杂程度不同
1、传统BI复杂表样，强大数据可视化效果。
2、新型BI快速定义及高交互，探索数据为目标。可以自动关联数据表之间的联 系，并形成一个可视化的界面，用户可以通过轻松的 点击来进行数据的分析。
