数据分析软件通常来说集成了数据处理、可视化、更主要的是集成了很多经典算法，也要确保软件是稳定、高效、准确的。
       BI系统更多侧重于某个行业、或者某个公司的数据分析、图表、报表的展现，算法多数是通用的，而每个行业有每个行业的侧重点，不能一概而论。
       BI系统的数据分析很多时候会基于数据分析软件，毕竟很多算法不是短时间可以开发的，更别说媲美专业分析软件的分析能力。像SAS、SPSS等等这种商用软件，也是一帮精英团队积淀了几十年，才有今天的成就。
       主要说说数据分析与数据挖掘：
       曾几何时，我认为数据挖掘是比数据分析高端的，可是干这行干到现在，我觉得两个其实是一码事，没有必要分的那么清楚。可能行业内的标准，数据分析侧重于数据库，SQL，报表之类的，数据挖掘更多的倚重统计学、机器学习算法之类的。但是你要是觉得自己多学了点算法，或者精通了“数据挖掘几大经典算法”就别无他求，那我建议倒不如啥也不会，先去行业内敲敲SQL，学习一下分析的思维。分析的思维，你的想法，我认为这才是分析行业最有价值的东西。分析挖掘它首先是业务为导向的，我想每个行业的业务规则也够我们学习一年半载了，在熟悉业务规则的基础上，去分析，去建模等等，这才是真正有意义的，否则单纯玩数学、数字，不做也罢。
       当然，我并不是说算法无用，大牛们搞出的这些东西，都是经过严格的推理证明，解决了很多既定的场景，诸如“分类、聚类、预测等等”。我更愿意把这些东西当成一个工具，可能是稍微NB一点工具，当有些问题确实能够转化成这些模型的时候，这无疑是很好的选择，此时就需要你要了解这些算法，毕竟你要能够解释你做出来的东西，盲目拿个软件瞎点点，确实是件可怕的事情。
       在分析上，我的建议是“怎么简单怎么来”，能用一个均值解释清楚，就别用乱七八糟的东西了，挖坑再填坑的事情还是少干，也要有点业界良心。不过如果领导强逼着挖坑填坑，另当别论。切忌为了模型用模型，可能很多人都会经历这段，因为总会有某个时段会对模型算法什么的痴迷，记着改就好，分析手段无所谓高端不高端，达到想要的目的就好。
        PS：很多人觉得数据挖掘算法有点高端、神奇，其实我从未觉得那些算法神奇，看着推导过程，一步步就下来了，我只是觉得设计算法的人神奇，他是怎么想到的。自然自己写算法也是另外一个境界了，没啥资本多说。
       最后说说大数据分析，区别就是“大”了，其实目前国内除了那几家公司，其他的多多少少都有点扯淡的，搞得起几千台集群，付得起那电费的公司估计不多。存储侧的东西不是太懂，说说分析侧，由于数据量的提升，你不得不考虑机器、算法的内存，效率。一些传统的分析方法也会失效，可能你需要考虑并行，一些底层语言等等来规避内存和时间的问题。总而言之，
数据越大，带来的麻烦也越多，需要兼顾的东西也越多。理念就是这样，但说着容易，其实不易。

感谢您的解答与指导。真诚的希望，能和您教个朋友。