論文寫不下去了，數(shù)據(jù)一般去哪里搜集？寫論文確實是一件比較燒腦的事情。1文獻及數(shù)據(jù)是可以到知網(wǎng)上去查詢。如果有條件可以不在學校去下載，高校老師及學生有賬號是可以相關的資料及去下載文獻。2關於查找數(shù)據(jù)這個

論文寫不下去了，數(shù)據(jù)一般去哪里搜集？

寫論文確實是一件比較燒腦的事情。

1文獻及數(shù)據(jù)是可以到知網(wǎng)上去查詢。如果有條件可以不在學校去下載，高校老師及學生有賬號是可以相關的資料及去下載文獻。

2關於查找數(shù)據(jù)這個可以到相關行業(yè)的期刊等聲望兌換。

3數(shù)據(jù)調(diào)查也這個可以自己怎么制作調(diào)查問卷搜集數(shù)據(jù)。

以上希望還能夠幫到您。[玫瑰]

數(shù)據(jù)分析師與大數(shù)據(jù)分析師所做工作有什么區(qū)別？

民間數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：第一，在分析方法上，兩者卻沒本質(zhì)差別。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能容納的數(shù)據(jù)量是相當太遠的。因此，無論是“民間數(shù)據(jù)分析”，應該“大數(shù)據(jù)分析”，均要將遠古時期數(shù)據(jù)聽從分析思路通過統(tǒng)計處理，能得到概要性的統(tǒng)計結(jié)果供人總結(jié)。兩者當中是相似的，區(qū)別只是原始信息量大小所可能導致處理的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者必然減小的不同。

“悠久的傳統(tǒng)數(shù)據(jù)分析”建議使用的知識主要不斷地“能不能按照少量的抽樣數(shù)據(jù)來推斷神秘世界”的主題發(fā)起?！按髷?shù)據(jù)分析”主要是用來各種類型的全量數(shù)據(jù)（不是什么抽樣數(shù)據(jù)），設計統(tǒng)計方案，換取兼?zhèn)渚杉氈潞蜔o法置信的統(tǒng)計結(jié)論。

第三，與機器學習模型的關系上，兩者有著本質(zhì)差別。

“比較傳統(tǒng)數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來前期結(jié)論數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結(jié)合，大數(shù)據(jù)分析產(chǎn)出的不僅僅是一份分析效果測評，情報營基于組件此來升級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析往往是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

民間數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：第一，在分析方法上，兩者并沒有本質(zhì)不同。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能容納的數(shù)據(jù)量是極度太遠的。因此，即便“民間數(shù)據(jù)分析”，那就“大數(shù)據(jù)分析”，均不需要將原始數(shù)據(jù)聽從分析思路進行統(tǒng)計處理，換取概要性的統(tǒng)計結(jié)果供人分析。兩者當中是帶有的，區(qū)別只不過是原始信息量大小所造成處理的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者存在較高的不同。

“悠久的傳統(tǒng)數(shù)據(jù)分析”在用的知識比較多不斷“能否實際少量的抽樣數(shù)據(jù)來推斷虛無飄渺世界”的主題發(fā)動。“大數(shù)據(jù)分析”主要注意是憑借各種類型的全量數(shù)據(jù)（又不是抽樣數(shù)據(jù)），設計統(tǒng)計方案，能得到極具精細入微和無法置信的統(tǒng)計結(jié)論。

第三，與機器學習模型的關系上，兩者有著本質(zhì)差別。

“悠久的傳統(tǒng)數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來前期分析數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結(jié)合，大數(shù)據(jù)分析產(chǎn)出的不但是一份分析效果測評，現(xiàn)基于組件此來生級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析一般說來是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

悠久的傳統(tǒng)數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：第一，在分析方法上，兩者并沒有本質(zhì)有所不同。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能盛載的數(shù)據(jù)量是極為最多的。因此，無論“現(xiàn)代數(shù)據(jù)分析”，還是“大數(shù)據(jù)分析”，均需要將原始數(shù)據(jù)聽從分析思路通過統(tǒng)計處理，得到概要性的統(tǒng)計結(jié)果供人分析什么。兩者在那是類似的，區(qū)別只是提取數(shù)據(jù)量大小所造成處理的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者必然較大的不同。

“民間數(shù)據(jù)分析”可以使用的知識比較多圍繞“如何少量的抽樣數(shù)據(jù)來猜想都是假的世界”的主題展開攻擊?！按髷?shù)據(jù)分析”主要注意是依靠各種類型的全量數(shù)據(jù)（并非抽樣數(shù)據(jù)），設計統(tǒng)計方案，能得到可以兼顧細致和置信的統(tǒng)計結(jié)論。

第三，與機器學習模型的關系上，兩者有著本質(zhì)差別。

“傳統(tǒng)數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來前期總結(jié)數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結(jié)合，大數(shù)據(jù)分析產(chǎn)出的不但是一份分析什么效果測評，強盜團設計和實現(xiàn)此來升級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析而不是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

傳統(tǒng)數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：第一，在分析方法上，兩者并沒有什么本質(zhì)有所不同。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能容納的數(shù)據(jù)量是極度太遠的。所以我，即便“比較傳統(tǒng)數(shù)據(jù)分析”，應該“大數(shù)據(jù)分析”，均是需要將遺留下來數(shù)據(jù)遵循分析思路參與統(tǒng)計處理，得到概要性的統(tǒng)計結(jié)果供人分析。兩者當中是的的的，區(qū)別僅僅數(shù)據(jù)內(nèi)容量大小所可能導致處理的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者存在地較高的不同。

“民間數(shù)據(jù)分析”建議使用的知識通常不斷地“能不能按照少量的抽樣數(shù)據(jù)來猜想神秘世界”的主題發(fā)起。“大數(shù)據(jù)分析”主要注意是用來各種類型的全量數(shù)據(jù)（不是抽樣數(shù)據(jù)），設計統(tǒng)計方案，能夠得到獨具精細入微和無法置信的統(tǒng)計結(jié)論。

第三，與機器學習模型的關系上，兩者有著本質(zhì)差別。

“現(xiàn)代數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來前期分析什么數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結(jié)合，大數(shù)據(jù)分析產(chǎn)出的不但是一份結(jié)論效果測評，現(xiàn)基于組件此來生級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析來講是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

兩者是需要應具備的技術(shù)技能又是相差數(shù)比較大的。

（1）大數(shù)據(jù)分析一般要應具備：爬蟲、ETL、分析、大數(shù)據(jù)4個方面的技能。

（2）數(shù)據(jù)分析師好象更加注重的是產(chǎn)品，運營，營銷，SQL和SPSS等單單是實現(xiàn)方法我們分析什么的工具而己。

B站全網(wǎng)很全大數(shù)據(jù)學習路線：

_id_across333.788.b_636f6d6d656e74.7