五十年前，“数据分析”和“统计分析”之间的界限非常清晰。但随着数据分析的发展，这些界限变得模糊。这两个术语之间的差异现在是一个灰色地带，但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”。


对于数据科学家来说，数据分析是筛选大量数据：检查、清理、建模，并以非技术方式将其呈现给非数据科学家。绝大多数数据分析是在计算机上执行的。
如果您是统计学家，您通常会以样本（即一部分人口）的形式获得有限数量的信息，而不是“大量数据”；使用严格的统计技术对该样本进行数据分析。
数据科学家和统计学家都使用数据来推断消费者群体、一般人群或目标市场。但是，他们会以完全不同的方式处理数据分析问题。

数据分析师 将拥有一个数据科学工具箱（例如 Python 和 R 等编程语言，或使用 Hadoop 和 Apache Spark 等框架的经验），他们可以使用它来调查数据并进行推断。
另一方面，统计 分析师 通常会使用基于数学的技术，如假设检验、概率 和各种统计定理来进行推断。尽管统计学家的大部分数据分析都可以在 R 等统计程序的帮助下进行，但分析更有条理，并且一次只针对了解样本的一个特定方面（例如，平均值、标准差或置信区间） .

您可以在数据科学中执行许多数据分析步骤，而只需很少的统计基础：数据准备、转换数据。

什么是统计分析？
一般来说，统计分析是一门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”。为了执行任何统计分析，您必须使用统计数据。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。但随着数据科学的发展，它与许多曾经被认为是统计学家专属领域的领域融合在一起：数据可视化、优化、高维分析等等。


数据分析与统计分析
有很大的灰色地带： 数据分析是统计分析的一部分，统计分析是数据分析的一部分。任何称职的数据分析师都会很好地掌握统计工具，并且一些统计学家将对 R 等编程语言有一定的经验。

如果你对分界线的位置或分离发生的位置感到困惑，那么关键问题确实是，

数据科学和统计这两个领域真的是独立的实体吗？

以“老派”的方式思考统计学（即白发苍苍的统计学家在活页夹中潦草地写公式，筛选表格并进行很少人理解的晦涩假设检验）与数据科学（性感，处于技术革命的最前沿），然后你可以说是的，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“……更广泛的数据科学理念（例如，通过更多地关注教育、研究和交流中的计算）” （Carmichael & Marron，2018 年），那么答案是可能没有。

编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选