是，也不是。
大数据包括：获取数据，分析数据，预测行为。
其中分析数据部分主要工作就是统计各种事件的概率，作为预测行为的根据
统计只是大数据的一种功能，大数据可以统计，但是不能说大数据是统计，人可以吃饭，你能说吃饭是人吗
大数据应该就是统计分析。这统计分析就包括了累计，比较，排序，查找，遍历，线性规划。生成各种各样的图表等等。这要用到很多的数理统计分析方法。
不完全是，通俗一点，各种知识的综合运用，比如天气情况，需要观察各种变化，然后综合处理。只是大数据里面的各种因素变化复杂，需要人工智能处理，人类很难完成。
显然不是的，大数据是现在很热的一项研究。简单地说就是讲大量的一类数据，通过计算和筛选，得到他们统一趋近的一个规律，用来对未来将要发生的事情做一个预言。比如天气预报就是一种大数据的结果。
中公有相关项目实战演练，还是不错的。
普遍的定义认为，统计学是关于数据的科学，研究如何收集数据，并科学地推断总体特征。大数据和统计学还是存在一定区别的，其一是数据分析时不再进行抽样，而是采用population（n=all）；其二是分析方法，侧重所有变量之间的相关性，而不再根据背景学科理论筛选变量，进行假设检验。
现在社会上有一种流行的说法，认为在大数据时代，“样本=全体”，人们得到的不是抽样数据而是全数据，因而只需要简单地数一数就可以下结论了，复杂的统计学方法可以不再需要了。
普查和抽样调查是传统的两大数据收集方法。普查不需要统计学方法进行推断估计，因为通过普查，已经取得了所有个体数据和总体的实际分布，这也是为什么人类开始懂得计数就开始进行普查。抽样调查是利用抽样理论解决如何科学设计样本，取得样本个体数据，并科学地推断总体分布及特征。无论是普查还是抽样调查，其核心问题之一是要取得准确的“个体数据”。但在大数据时代，一切皆可量化，一切皆可记录，如何利用更全面、更及时、更经济的网络电子化数据，以及通过对这些数据使用新的分析及挖掘技术，产生新的见解和认识，是我们面临的重大机遇。
大数据的应用可以说是在减少人类处理数据时带入的主观假设的影响，而完全依靠数据间的相关性来阐述。而由于消除人为因素带入的误差，已经分析人员作出假设的限制（如果教育背景和保险购买额是相关的，而分析人员没想到，那这个结论就不会被分析出来，这在实际案例中是很容易发生的，大数据的核心也就在于它能更充分的发掘数据的全部真实含义。
在大数据时代，数据分析的很多根本性问题和小数据时代并没有本质区别。当然，大数据的特点，确实对数据分析提出了全新挑战。例如，许多传统统计方法应用到大数据上，巨大计算量和存储量往往使其难以承受；对结构复杂、来源多样的数据，如何建立有效的统计学模型也需要新的探索和尝试。对于新时代的数据科学而言，这些挑战也同时意味着巨大的机遇，有可能会产生新的思想、方法和技术。
西线学院培训机构提供良好的教学环境，良好的师资以及行业资源，使得西线学院教学永远都是跟随行业进步的步伐。说了这么多，其实就是想让你更加了解大数据。如此优秀的资源和别人望眼欲穿的实习机会，再不行动就要被后来居上的技术人员拍死在沙滩上了。
不完全是，通俗一点，各种知识的综合运用，比如天气情况，需要观察各种变化，然后综合处理。只是大数据里面的各种因素变化复杂，需要人工智能处理，人类很难完成。
什么是大数据？
简单的说，“大数据”是指以各种各样的形式和手段，从很多来源搜集并抓取而来的庞大数据组，具有实时性。这些数据可能得自网络、电子商务网站、商业销售纪录，金融企业及各大通讯服务商，快递信息等，为什么你现在无论是上网还是购物，玩游戏甚至是去饭店吃饭，各商家都想方设法的让你登记各种个人信息？这也是大数据收集。从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术，而大数据分析往往与云计算联系在一起。
大数据是统计吗？
其实大数据在收集并利用云计算进行整理的过程就是一个统计的过程，通过权重计算出信息价值系数，从而分析可以使用的范围及比例。
你应该有发现你在某些网站搜索过什么，那一段时间基本给你推送的都是相关的东西了吧。
譬如：百度，淘宝，抖音等等只要你搜索过，或者那段时间那看过相关的，基本上给你推荐的都是和那些有关的讯息。
这就是大数据时代，你做过什么，都会被捕获到，这是用浅显易懂的话术和你说。
大数据的名字就很通俗。就是很多数据，海量数据管理，使用的相关技术集合就是大数据。
现在各行各业每天都在产生大量的数据，个人理解大数据时代就是信息爆炸的时代，如何从海量数据中寻找出自己有用的信息才是关键。
其实大数据简单来说：就是海量的信息！不论用途，不论方向，就是简单地信息收集，参数收集，所有这些汇总起来就是大数据。大数据，不是随机样本，而是所有数据！
而大数据分析，就是针对这些信息进行识别，再进行分类，将其有事件变为数据化，概率化，然后应用于各种商业用途。
大数据，顾名思义，是指有很多、大量的数据。大数据可以做统计，可以对大量的数据进行需要的统计，但是大数据又不仅仅只能做统计，它能做的事情有很多，比如：根据大量数据分析一个人的网购行为，或者找出最近的浏览行为，为用户推荐相关的商品，就是我们平时说的推荐系统，这个就不仅仅是统计可以做出来的；比如根据人脸特征数据，可以从大量人脸中识别出来所要查找的人，就是我们平时说的人脸识别，等等。因此不能讲大数据与统计进行等价，可以说统计是大数据的一个子集，是大数据众多功能中的一个。
数据统计分析是基于已有数据的纵向归类，而大数据是基于对已有海量数据的处理，对还未产生的数据做出预测和推荐。数据统计是已经发生的事情，而大数据往往被用于还没有发生的事情预测或者推荐中。
这是一个非常好的问题，作为一名IT从业者，我来回答一下。
首先，统计学是大数据的三大基础学科之一，所以在大数据的技术体系结构当中，统计学占据着重要的位置，但是如果仅仅把大数据看成是统计学，也存在一定的片面性，从大的发展趋势来看，大数据把统计学、数学和计算机三大学科进行了紧密的整合，同时结合一系列应用场景知识，来完成数据的价值化过程。
要想解释清楚大数据，可以从三个方面来解释，从技术体系结构来看，当前的大数据概念已经发展成为了一系列概念的集合，包括数据采集、数据存储、数据分析、数据安全和数据应用等，从大数据的价值空间来看，大数据以数据价值化为基础，以行业应用为价值出口，从未来的发展趋势来看，大数据与人工智能和物联网的结合，将为大数据的应用带来更多的可能，想象空间也比较大。
当前在大数据的诸多技术环节当中，数据分析是当前大数据进行数据价值化操作的主要方式之一，而数据分析的方式主要有两种，一种是统计学方式，另一种是机器学习方式。统计学方式进行数据分析有比较长的历史经验积累，在传统的数据分析过程中，统计学的分析方式形成了比较完整的知识体系，尤其在分析结构化数据方面，统计学方式进行数据分析还是具有一定优势的。另外，统计学方式进行数据分析有大量的工具可以使用，这一方面会减低数据分析的技术门槛，同时也在一定程度上提升了数据分析的效率。
最后，虽然当前的大数据技术体系已经趋于成熟了，但是大数据在落地到行业领域的过程中，也有很多与行业领域相结合的创新点。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
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。
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。