大資料是我的主要研究方向之一，同時也在帶大資料方向的研究生，我來回答一下這個問題。

首先在談大資料和小資料的區別之前，首先應該明確一下大資料和小資料的概念，從廣義上來講，大資料通常指的是大量結構化資料與非結構化資料的集合體，小資料通常指的是結構化資料，針對的目標使用者也比較明確。

從應用的角度來說，大資料和小資料具有以下幾個主要的區別：

第一：大資料重預測，小資料重決定。大資料的分析方式是自下而上的知識發現和預測過程，透過在一堆雜亂無章的資料中找到其背後的規律，所以大資料是從不確定性中找確定性。小資料分析通常會採用統計學方法，分析方式是自上而下。

第二：大資料重感知，小資料重精準。大資料可以做整體上的感知，影響的範圍更廣，比如輿情監測、流感監測、網路營銷、智慧城市等應用。小資料通常更關注資料的真實性和代表性，小資料更聚焦。大資料往往包含了眾多真假難辨的資料，而小資料通常對於資料來源有嚴格的甄別，所以小資料更精準。

第三：大資料重相關，小資料重因果。大資料通常更注重是什麼而不糾結於為什麼，透過相關性來給出問題的解決方案。小資料是結果導向，更注重現象背後的內在機理，更關注於為什麼。

第四：大資料重群體，小資料重個體。大資料的應用通常更注重群體性行為的分析結果，比如網路消費的大資料分析等，小資料往往更注重於個體的行為分析結果，個性化是小資料的重要特點。

首先，從名稱上可以看出，就是數量的差別。大資料，一般指幾百萬甚至幾億的資料量，資料越多，提取指定的資料所需要的計算機量難度也呈指數級的增加，為了客戶良好的體驗，就需要更高處理效率的計算機，這期間的成本非常高昂。小資料就恰恰相反了。