大資料的核心之一就是資料價值化，而資料價值化的重要途徑就是資料分析，資料分析是目前實現資料價值化的重要方式（場景大資料分析）。談到資料分析就一定會談到大資料分析和小資料分析兩個主要分析手段，在大資料出現之前，資料分析主要是基於抽樣等小資料展開的，那麼大資料分析和小資料分析都有哪些區別呢？簡單的總結一下，包括以下幾個方面的內容：

第一：大資料重預測，小資料重決定。大資料分析的特點是從非特定事件中發現模式，簡單的說就是從不確定性中找出確定性，這是一種自下而上的知識發現和預測的過程。而小資料分析往往是採用統計學方法進行實證研究，用於自上而下的決策。所以，大資料在疾病風險預測、交通擁堵預測、金融風險預測等領域有重要的應用價值。

第二：大資料重感知，小資料重精準。大資料的資料來源決定了大資料內容的豐富性，包括出行、金融、教育、安防等，從精確思維轉向榮錯思維。而小資料則注重資料的真實性、無偏性和代表性。容錯性思維突破了已有思維的侷限性，使得很多問題的解決方案更加豐富，大資料往往能發現毫不相干的事物之間的關聯關係，從而創造出巨大的應用價值。

目前透過機器學習的方式進行大資料分析也是一個比較常見的解決方案，隨著深度學習的發展，在資料的分析和應用方面會越來越深入和全面。看一個決策樹的描述過程：