經常看到有很多人把機器學習和資料分析混為一談，因此我想分析一下機器學習和資料分析這兩個職位之間有什麼不同，他們乾的事情有什麼不同，並且藉此來分析下兩者的技術背景有什麼不同。

首先呢這兩者的第一個區別就是他們處理的資料特點不一樣。那麼怎麼可以簡單地理解呢？

首先從我們的傳統上。資料分析他們所處理的是交易資料，而我們機器學習處理的則是行為資料。那麼，什麼是交易資料，什麼是行為資料呢？比如說對於一個電商來說，他的使用者交易資料就是下單，比如說對於銀行這樣的系統來說，他的交易資料就是使用者的存取款賬單，再比如對於電信系統來說交易資料就是和使用者的消費賬單有關。總的來說，交易資料本質就是和錢有關的資料。

從這兩種資料中就開始衍生出下類的兩種區別，首先從資料量上來說，他們就不是一種量級的，那麼從交易資料來說，他只能算是一個少量的資料或者談不上海量的資料，而使用者的行為資料呢，則是一個海量的資料。那麼請想象一下，你每天看多少影片，瀏覽多少網頁，你會發多少帖子，你會搜尋多少次，同時來對比下你每天下幾次訂單，二者之間的對比，高下立判，這其實就是實際上就是交易資料和行為資料的一種明顯的對比。這就好像前幾年，大家公司之間好像沒什麼業務的變化，結果搖身一變就成為了大資料公司了，那就是因為我們把使用者的行為資料一下子收集起來，這樣的資料量一下子猛增起來了，其實本質上來說使用者的交易資料並沒有發生多少的變化，但是由於我們關注了使用者的行為資料，所以現在搖身一變就成為了大資料公司了。

其實對於這兩種資料分析的方法其實也是不一樣的。

我們首先來分析下這兩種資料的一種本質的區別。那麼對於交易資料來說，對於資料的一致性其實是非常嚴格的。這樣的原因很好理解，比如我們每個人都會很關注自己在銀行的存款，有多少錢，通常我們都會計較到分的級別，銀行給你多一分少一分我們使用者都不會幹。那麼其實對於交易資料來說我們的使用者要求其實是非常高的，通常都會達到9999的級別或者是99999的級別。那麼對於使用者的行為資料來說對於資料的要求就沒有那麼高

統計學注重的是方式方法，而大資料則更關注於整個資料價值化的過程，大資料不僅需要統計學知識，還需要具備數學知識和計算機知識。

從技術體系結構來看，統計學知識主要應用在大資料分析領域，統計學在資料分析方面已經形成了一個較為系統的知識體系，而且很多技術已經經過了實踐的檢驗。

資料科學家應該知道的5個統計學知識

https://www.toutiao.com/i6712341579173986824/