其實這兩種都概念是相互呼應的，比如說，我們開發了一個軟體，在後期的運用的時候，我們不但要一直分析這個軟體所有的資料，還要一直對這個軟體所存在的不足進行開發。我們也可以對它們這樣進行區分。

一、大資料（這是一種IT行業的語言）

指不能在規定時限裡用普遍的軟體工具採集的資料合集，要新的解決方式才可以有更強的判斷力等資訊資產。

一般指不用抽樣調查的快捷方式，而是用全部的資料來分析解決。它還有五個要素：量大、速度快、品項多、廉價密度、真實。

也可以說是現在的電腦軟體不好採集、儲存等一系列資料。舉兩個例子：

（1）曾經，谷歌利用搜索關鍵詞預測了禽流感的散佈。

（2）當時洛杉磯警方跟加利福的大學一起利用大資料來判斷犯罪的發生。

二、資料分析

指利用合適的彙總分析方式來分析採集到的大資料，在現實生活中，我們可以利用資料的分析來做出相應的正確判斷，來決定如何行動。它還是數學跟計算機科學融合體。

其實這也是一個較大的概念，按理說是所有對資料進行分析處理，然後總結出有意義的結果的流程。

由資料分析我們可以演化成以下幾種：資料探勘、大資料、資料倉庫、資料統計、人工智慧、機器學習、深度學習、商業智慧。

大資料我們一般指技術方面，先是把需要的資訊全部都找出來，然後放在後臺進行統計。而資料分析一般就是應用方面的，可透過挖掘資料，分析資料來進行，從而能夠指導決策。

嚴格來說，大資料分析也屬於資料分析的一種，不過大資料分析的目的和手段，與普通的資料分析還是有區別的。

普通資料分析

目的：對已知的有限規模資料進行定量或者定性分析，有比較明確的目的，比如分析某種商品的銷售趨勢、統計各年齡段在全國各省市的分佈，甚至大部分股票曲線等都屬於普通分析的一種。

大資料分析

目的：大資料分析一般不用來做定性或者定量分析，它主要用來發現資料背後的規律，或者說分析某些事件在給定條件下發生的機率。比如，根據氣溫、雲層、風向、溼度等條件，計算明天下雨的機率。或者更生活化一些，在一個一線城市的週五下班高峰期，你打上一輛滴滴，滴滴估算從A點到B點的大概通行時間，這個影響因素更多，也需要更多的歷史資料來參與運算。

手段：知道了我們的目的，就知道了我們需要的工具以及採取的手段，因為通常情況下，需要使用海量歷史資料對模型進行訓練，這就要求我們有處理大資料的手段，比如Nosql資料庫，因為資料有可能需要及時給出結論，就需要進行流失資料分析和運算，更重的是，人工智慧演算法在其中起關鍵作用，指導了最終能不能訓練出有效的模型，所以對高等數學的要求也非常高。

據此我們其實可以得出結論，大資料主要還是找出表象後的本質，或者找到事件發生的規律，並利用該規律解決未知的問題。

大資料分析能處理海量資料。因為資料量太多了，用一般的資料分析系統是處理不來的，所以就出現了一種換門做大資料分析的軟體，通常叫做BI軟體，如奧威BI軟體就能處理億級資料。另外，大資料分析還能實現資料的視覺化、分析過程的視覺化。這可比普通資料分析要直觀多了。