在大數據領域里，經常會看到例如數據挖掘、OLAP、數據統計等等的專業詞匯。如果僅僅從字面上，我們很難說清楚每個詞匯的意義和區別。今天，我們就來通過一些大數據在高校應用的例子，來為大家說明白—數據挖掘、大數據、OLAP、數據統計的區別。

一、數據分析

數據分析是一個大的概念，理論上任何對數據進行計算、處理從而得出一些有意義的結論的過程，都叫數據分析。從數據本身的復雜程度、以及對數據進行處理的復雜度和深度來看，可以把數據分析分為以下4個層次：數據統計，OLAP，數據挖掘，大數據。

二、數據統計

數據統計是最基本、最傳統的數據分析，自古有之。是指通過統計學方法對數據進行排序、篩選、運算、統計等處理，從而得出一些有意義的結論。

舉例，對全年級學生按照平均成績從高到低排序，前10%的學生可以獲得申請研究生免試資格。

傳統的查詢和報表工具是告訴你數據庫中有什么(What happened)

三、OLAP

聯機分析處理(On-Line Analytical Processing，OLAP)是指基于數據倉庫的在線多維統計分析。它允許用戶在線地從多個維度觀察某個度量值，從而為決策提供支持。

舉例，學校招生時要決定今年在江蘇的招生指標，不能簡單地參照去年的計劃，而是要參考多個維度的數據積累。學校要在這些數據的支持下做出合理的決策。

OLAP更進一步告訴你下一步會怎么樣(What next)，如果我采取這樣的措施又會怎么樣(What if)

四、數據挖掘

數據挖掘是指從海量數據中找到人們未知的、可能有用的、隱藏的規則，可以通過關聯分析、聚類分析、時序分析等各種算法發現一些無法通過觀察圖表得出的深層次原因。

舉例，學校發現高等數學等主干課的不及格率有逐年上升的趨勢，一般認為是學習不認真所致，但做了很多工作效果并不明縣，這時通過數據挖掘……

針對此可以采取有針對性的管理措施。

五、大數據

大數據是指用現有的計算機軟硬件設施難以采集、存儲、管理、分析和使用的超大規模的數據集。大數據具有規模大、種類雜、快速化、價值密度低等特點(4V特性)。大數據的“大”是一個相對概念，沒有具體標準，如果一定要給一個標準，那么10-100TB通常稱為大數據的門檻。

總結

從數據分析的角度來看，目前絕大多數學校的數據應用產品都還處在數據統計和報表分析的階段，能夠實現有效的OLAP分析與數據挖掘的還很少，而能夠達到大數據應用階段的非常少，至少還沒有用過有效的大數據集。

點評：

我們不需要糾結所謂的“專業名詞”，作為一個數據分析師，我們的目標是幫助業務更好的發展、減少決策的風險、提取重要的信息，所以業務的套路和理解才是我們的立足之本，數據分析畢竟是我們達成某種目標的工具，療效才是對我們更深層次的驗證。