传统的数据分析师相比，大数据分析师要学会打破信息孤岛利用各种数据源，在海量数据中寻找数据规律，在海量数据中发现数据异常。
对不完整的信息进行推理的能力;构造可发现新事物的程序。机器学的核心是“通过选择科学的算法解析相关数据，然后学，进而对相关业务做出决测”，也就是说与其明确地编写程序来完成特定任务，不如教计算机开发用于完成任务的算法。
在制造类企业中，传感器、遥测器和条形码在生产过程中广泛应用。通过对这些遥测数据进行分析，能识别出有用的使用模式，从而提高生产效率。
机器学是发掘数据价值的关键技术，其通过大量的数据来训练它的算法模型，然后通过模型对数据进行分析处理。
传统的机器学的问题主要包括：学并模拟人类的学过程;计算机系统与人类用户之间的自然语言接口的研究。
强化学的本质是教会计算机自动进行决策，并且连续的做出决策，其理论框架是马科夫决策过程（MDP）。对大数据进行分析终的目的是发现数据中的规律，进而帮助做出决策，大量的数据不进行可视化处理往往难以理解。
从而及时对产品的设计等方面进行调整修改，即使出现了产品错误的情况，也有整改时间，减少了企业不必要的人力物力财力的消耗，不受空间与时间的束缚，进行实时跟踪调研并实时反馈。
