1、统计学目前有一种趋势是越来越精确。当然，这本身并不是坏事，只有越精确才能避免错误，发现真理。

统计学在采用一个方法之前先要证明，而不是像计算机科学和机器学习那样注重经验。有时候同一问题的其它领域的研究者提出一个很明显有用的方法，但它却不能被统计学家证明(或者现在还没有证明)。

统计学更倾向于经过数学证明的方法而不是一些特殊方法。但统计学的核心问题就是在观察了样本的情况下如何去推断总体。当然这也常常是大数据挖掘所关注的。

2、大数据技术作为几门学科的综合，已经从机器学习那里继承了实验的态度。这并不意味着大数据工作者不注重精确，而只是说明如果方法不能产生结果的话就会被放弃

数据挖掘的一个特定属性就是要处理的是一个大数据集。这就意味着，传统统计学由于可行性的原因，我们常常得到的只是一个样本，但是需要描述样本取自的那个大数据集。然而，数据挖掘问题常常可以得到数据总体，例如关于一个公司的所有职工数据，数据库中的所有客户资料，去年的所有业务。在这种情形下，统计学的推断就没有价值了。

想要了解更多关于大数据资讯信息，请关注中培伟业李老师二维码：