机器学习由数据质量决定结果，算法往往差距不大。

2、解决业务问题不同
数据分析，报告历史上发生的事情。
机器学习：通过历史上发生的事情，来预测未来的事情。
3、技术手段不同
数据分析：分析方式是用户（数据分析师）驱动的，交互式分析。分析能力受限于数据分析师的能力，数据属性和维度很有限。
机器学习：分析方式是数据驱动的，自动进行知识发现。分析能力不受限于人，数据属性和维度数量级很大。
4、参与者不同
数据分析，分析师能力决定结果，目标用户是公司管理决策层。
机器学习，数据质量决定结果，目标用户是个体。

一、机器学习和数据分析的区别

1. 解决业务问题不同

1. 数据分析：报告过去

2. 机器学习：预测未来

2. 技术手段不同

1. 数据分析：用户驱动、交互式分析

2. 机器学习：数据驱动、自动进行知识发现

3. 参与者不同

1. 数据分析：数据分析师

2. 机器学习：数据 + 算法
   

1

1

说明

联机分析处理，简称OLAP(Online analytical processing)，是计算机技术中快速解决多维分析问题的一种方法。

Online analytical processing (OLAP) is software technology you can use to analyze business data from different points of view.

区别

区别

4-2 区别（2）

解决业务问题不同：数据分析（报告过去的事）

                               机器学习（预测未来的事）

技术手段不同：分析方法方面：数据分析采用用户（数据分析师）驱动 交互式分析

                                                机器学习采用数据驱动 自动进行知识发现

参与者不同：数据分析参与者为分析师以及数据和算法  分析师能力决定结果   目标用户公司高层

                     机器学习由算法决定  差距并不大   数据质量决定结果          目标用户个体

olap

机器学习：数据质量决定结果，不同算法不会造成太大的偏差，目标用户是个体客户。

数据分析：数据分析师的能力及经验决定质量，目标用户是公司高层。

二、解决业务问题不同

机器学习：预测未来事件（未来趋势）

数据分析：报告过去事件（历史总结）

三、技术手段、方法不同

机器学习：数据挖掘；数据（算法）驱动；规模大

数据分析：OLAP；用户驱动（企业数据分析师的经验等）；规模小；交互式分析

缺点：受限于分析师的经验，分类的多样化受限制

四、参与（驱动）者不同

机器学习：数据+算法，数据质量决定结果

数据分析：数据分析师，能力&经验决定结果

五、服务用户不同

机器学习：个体用户

数据分析：公司高层

NOSQL,SQL什么意思

OLAP--数据挖掘

交易数据--行为数据

机器学习和数据分析的区别

• 数据特点

  交易数据（与钱有关）vs 行为数据（搜索历史、点击历史、浏览历史、评论）

  少量数据 vs 海量数据

  采样分析 vs 全量分析

• 解决业务问题不同

  机器学习：预测未来事件（未来趋势）

  数据分析：报告过去事件（历史总结）

• 技术手段、方法不同

  机器学习：数据挖掘；数据（算法）驱动；规模大

  数据分析：OLAP；用户驱动（企业数据分析师的经验等）；规模小；交互式分析

• 参与者不同：

  分析师：目标用户：公司高层

  数据+算法：目标用户：个体

大量维度预测未来

历史与未来

目标用户不同：

    数据分析：公司高层

    机器学习：个体

参与者不同：

解决业务问题不同    

        数据分析：报告过去的问题  机器学习：预测未来的事情

技术手段不同

《集体编程智慧》

周志华的《机器学习》

二、解决业务问题不同

机器学习：预测未来事件（未来趋势）

数据分析：报告过去事件（历史总结）

三、技术手段、方法不同

机器学习：数据挖掘；数据（算法）驱动；规模大

数据分析：OLAP；用户驱动（企业数据分析师的经验等）；规模小；交互式分析

缺点：受限于分析师的经验，分类的多样化受限制

四、参与（驱动）者不同

机器学习：数据+算法，数据质量决定结果

数据分析：数据分析师，能力&经验决定结果

五、服务用户不同

机器学习：个体用户

数据分析：公司高层

参与者不同：

分析师：目标用户：公司高层

数据+算法：目标用户：个体

机器学习与数据分析的区别二

区别三

区别四

机器学习和数据分析的区别2

4.参与者不同

• 分析师，分析师能力决定结果（目标用户：公司高层）

• 数据+算法，数据质量决定结果（目标用户：个体）
  

机器学习和数据分析的区别2

3.技术手段不同

• 分析方法（OLAP：用户驱动，交互式分析；

                   数据挖掘：数据驱动，自动进行知识发现）

机器学习和数据分析的区别2

2.解决业务问题不同

• OLAP（On-Line Analysis Processing联机分析处理，报告过去的事情）

• 机器学习（预测未来的事情）
  

olap：报告过去的事情

机器学习：根据过去的情况，预测未来的事情