说到数据分析，其实随着大数据这几年的发展，数据被认为是物理与信息融合中的关键技术，以及核心引擎。各行各业都在马不停蹄、轰轰烈烈地迈入了大数据时代。传统行业与互联网行业的界限开始发展交集和互补、渗透，传统的制造业再也不是闷头生产+再销售的模式，而是更多地聆听市场的声音，市场需要什么，消费终端就会相对应的给予其更多的多样化、个性化。 

相对于传统行业而言，互联网行业的数据挖掘和数据化运营有如下的一些主要特点：

一、数据的海量性：

互联网行业相比传统行业第一个区别就是收集、存储的数据是海量的。这一方面是因为互联网的使用已经成为普通人日常生活和工作中不可或缺的一部分；另一方面更是因为用户网络行为的每一步都会被作为网络日志记录下来。

海量的数据、海量的字段、海量的信息，尤其是海量的字段，使得分析之前对于分析字段的挑选和排查工作显得无比重要，前所未有。

如何大浪淘沙挑选变量则为重中之重，对此很难一言以蔽之的进行总结，还是用三分技术，七分业务来理解吧。

二、数据分析（挖掘）的周期短：

鉴于互联网行业白热化的市场竞争格局，以及该行业相对成熟的高级数据化运营实践，该行业的数据分析（挖掘）通常允许的分析周期（项目周期）要明显短于传统行业。

行业技术应用飞速发展，产品和竞争一日千里，都使该行业的数据挖掘项目的时间进度比传统行业的项目模式快得多。一方面要保证挖掘结果的起码质量，另一方面要满足这个行业超快的行业节奏，这也使得传统的挖掘分析思路和步调必须改革和升华，从而具有鲜明的Internet色彩。

三、数据分析（挖掘）成果的时效性明显变短

由于互联网行业的用户行为相对于传统行业而言变化非常快，导致相应的数据分析挖掘成果的时效性也比传统行业明显缩短。举例来说，互联网行业的产品更新换代很多是以月为单位的，新产品层出不穷，老产品要及时下线，因此，针对具体产品的数据分析（挖掘）成果的时效性也明显变短；

或者说，用户行为变化快，网络环境变化快，导致模型的维护和优化的时间周期也明显变短，传统行业里的“用户流失预测模型”可能只需要每年更新优化一次，但是在互联网行业里类似的模型可能3个月左右就有必要更新优化了。

四、看待数据的方式及数据分析目的不同

互联网行业会对这些海量的数据做数据分析，挖掘，无论是过去的数据还是即时的数据，数据不再是静止和陈旧的，任何被遗忘在服务器中的数据，都可能被重新利用，从而发现其中与我们、与行为、与现象的相关性，比如每逢“双十一”，“剁手党”都面临痛苦的抉择：打折的商品实在太多，买什么才好呢？最终一不小心，信用卡刷爆，买了一大堆自己不需要的商品，只得含泪吃半年的“康师傅”…  

谷歌公司每天都会收到来自全球超过30亿条的搜索指令，经过多年数据的累积，谷歌公司建立了“咳嗽”，“发热”等搜索关键字与流感地区的联系，于是在2009年谷歌成功地在美国预测了冬季流感的传播，并且精确到地区和州等等。而传统行业则不会过多去关注过去的数据，一般月底会盘点，出一些财务的数据分析报表，历史的数据会存放于备份库里，有问题才会去查找。

互联网极大地改变了人们的生活，大量、高速、多变的信息每天都围绕在人们身边，我们需要更好的处理方式，去应对这种随时随地的变化。大数据技术将深远地改变互联网世界，改变整个生产生活的方式。

而互联网行业新技术、新应用、新模式的更新换代相比于传统行业而言更加迅速、周期更短、更加具有颠覆性，相应地对数据分析挖掘的应用需求也更为苛刻，且要多样化。

随着技术的发展，大数据分析正在变得越来越容易，成本也越来越低。互联网行业的数据分析大显身手的天地在不断扩大，新的应用源源不断，新的挑战让人们应接不暇，越来越多的人开始进入大数据与数据分析行列。而这一切都要求企业和数据分析师自觉、主动去学习、去充实、去提升自己、去跟上互联网发展的脚步。