发帖
雷达卡
五十年前，“数据分析”和“统计分析”之间的界线非常清晰。但是随着数据分析的发展，这些界限变得模糊了。现在，两个术语之间的差异很大程度是灰色区域，但是仍然存在一些显着差异。
什么是“数据分析”？
数据科学家和统计学家通常以不同的方式定义“数据分析”。
对于数据科学家而言，数据分析正在筛选大量数据：检查，清理，建模并将其以非技术方式呈现给非数据科学家。这种数据分析的绝大多数是在计算机上执行的。
如果您是统计学家，则通常会以样本的形式（即人口的一部分）来获取有限数量的信息，而不是“大量数据”。使用严格的统计技术对此样本进行数据分析。
数据科学家和统计人员都使用数据来推断消费者群体，总人口或目标市场。但是，他们将以不同的方式处理数据分析问题。
一个数据分析 将有一个数据科学工具箱（如编程语言如Python和R，或与Hadoop等和Apache星火框架方面的经验），使他们能够调查数据并进行推论。
另一方面，统计 分析师 通常会使用基于数学的技术（例如假设检验，概率 和各种统计定理）进行推断。尽管可以使用R之类的统计程序来执行大部分统计学家的数据分析，但分析的方法更加有条理，旨在一次了解样本的一个特定方面（例如，均值，标准差或置信区间） 。
数据的 生命周期 是数据科学中数据工作流程的关键：
您只需很少的统计基础就可以执行数据科学中的许多数据分析步骤：数据准备，转换数据。
什么是统计分析？
一般而言，统计分析是使用统计数据揭示数据模式和趋势的科学。 注意这里的关键词是“统计”。为了完全执行任何统计分析，您必须使用统计信息。从历史上看，只有统计学家对数据使用统计技术。在磁带安装和Cobol编程的大型机时代，数据科学甚至都不是一回事。但是随着数据科学的发展，它与曾经被认为是统计学家专有领域的许多领域融合在一起：数据可视化，优化，高维分析等等。
数据分析与统计分析
灰色区域很大： 数据分析是统计分析的一部分，而统计分析是数据分析的一部分。 任何称职的数据分析人员都将掌握统计工具，一些统计学家将具有使用R之类的编程语言的经验。
如果您对生产线的位置或分离的位置感到困惑，那么真正的关键问题是，
数据科学和统计学这两个领域真的是分开的实体吗？
在“老派”思维方式下，对统计数据（即白发统计学家在活页夹中随意写公式，在表格中进行筛选并进行鲜为人知的模糊假设检验）与数据科学（性感，在技术革命的前沿）进行了思考，然后您可能会说是的，它们是完全分开的。但是，如果您认为现代统计学更多地是关于 “…… 关于更大数据科学的更广泛的想法（例如，将更多的精力放在教育，研究和交流方面的计算）” （Carmichael＆Marron，2018），那么答案可能不是。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
