1.数据的特点
数据分析是交易数据：对于电商来说 交易数据就是订单 对于银行来说交易数据就是存取款信账单 对于电信运营商来说交易数据就是花费账单
总的来说交易数据就是跟钱有关系的行为 （及交易数据是少量数据）
：：交易数据一般采用采样分析方法进行分析
机器学习是行为数据： 对于互联网来说就是用户的搜索历史 点击历史 浏览历史 用户发布的评论 （行为数据是海量数据）
：：行为数据一般采用全量分析方法进行分析
对于用户的交易数据一致性比较高 比如你的存款少一分都不行 但是对于行为数据来说就不是那么高了 nosql数据库一般处理的就是行为数据
：：：交易数据一般用关系型数据库存储 而行为数据可用nosql数据库进行处理
2.要回答的问题是不一样的
传统的业务分析是报告历史上发生了什么事情 二对于机器学习是预测未来的事情 下边是慕课网学习时看到的一张图片 可以参考
3.技术手段和技术方法是不一样的
前者是用户驱动OLA工具 它已经成熟了 但是落伍了
后者是数据驱动数据挖掘 处于发展阶段 但是流行
4.参与者不同
前者是数据分析师 分析师决定结果 目标用户是高层
后者是 数据+算法 数据决定结果 目标用户是个体
