干这行也有几个年头了，一直想写点东西跟大家分享讨论（无奈自己太懒╯□╰），恰好前几天回答了一位坛友的问题，索性把东西拿来另开一帖。希望能给想入这行的朋友一点帮助，也希望资深人士来拍砖。
      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。