大数据开发：简单粗略来说就是用工具实现大数据分析后所需要得出的结果。简单理解，大数据开发就是制造软件的，只是与大数据相关而已，通常用到的就是与大数据相关的开发工具、环境等等。
大数据分析是指对规模巨大的数据进行分析。大数据可以概括为4个V，数据量大（Volume）、速度快（Velocity）、类型多（Variety）、价值（Value）。大数据开发其实分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。
大数据分析是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源：传感器，气候信息，公开的信息，如杂志，报纸，文章。
大数据开发主要的工作是负责搭建大数据应用平台以及开发分析应用程序。大数据分析主要是运用相关技术对数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。
1、职业发展潜力巨大：随着大数据技术的发展，大数据分析师需要不断学习新的技术和方法，提高自己的数据分析能力。这使得大数据分析师的职业发展空间非常大，不仅可以在企业内部晋升，还可以从事独立咨询、数据服务等领域。
2、数据分析：随着数字化的发展，越来越多的企业开始重视数据的分析，这一专业也因此需求量大增。电子科学和技术：随着科技的发展，越来越多的行业和产品都需要电子科学和技术，因此这一专业也变得愈发重要。
3、数据分析师的就业前景是广阔的。人才缺口大，IT时代逐渐被DT时代取代，用理性的数据分析代人工的经验分析成为主流，数据分析人才的供给指数仅为0.05，属于高度稀缺。
4、数据分析行业就业前景：市场巨大，无论是互联网的新锐还是传统的企业都在讨论这个，也有实际的需求并愿意为此付钱，但是比较零碎尚不系统化。
5、首先，数据已经成为了当今社会的一种重要资源，掌握数据分析技能可以帮助我们更好地理解和利用这些数据。其次，随着大数据时代的到来，数据分析专业的就业前景非常广阔，可以为我提供更多的职业选择。此外，我对计算机科学和技术也有很大的兴趣，学习数据分析专业可以让我更深入地了解这个领域。
1、数据存储不同 传统的数据分析数据量较小，相对更加容易处理。不需要过多考虑数据的存储问题。而大数据所涉及到的数据具有海量、多样性、高速性以及易变性等特点。因此需要专门的存储工具。数据挖掘的方式不同 传统的数据分析数据一般采用人工挖掘或者收集。
2、大数据分析是指对规模巨大的数据进行分析。大数据可以概括为4个V，数据量大（Volume）、速度快（Velocity）、类型多（Variety）、价值（Value）。大数据开发其实分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。
3、从概念上看数据分析、大数据分析和大数据，大数据是海量数据的存在，而数据分析是基于大数据存在的基础上才能对数据进行分析管理，并依据数据分析为企业经营决策提供依据。
4、两个岗位完全不同。数据分析师是用数据的。数据工程师是把数据汇聚起来的。不过非要说好的话，数据分析师是比较好的。数据工程师对演算法有相当好的理解。因此，数据工程师理应能运行基本数据模型。Hadoop大数据开发方向市场需求旺盛，大数据培训的主体，目前IT培训机构的重点。
5、因为大数据人才稀缺，大数据人才需要一定的技术性，然而高校培养出来的人才和企业所需的人才严重不符，导致大数据人才奇缺。因此一个熟练的大数据技术工程师，特别受用人单位的重视。所以职位高也就是一件正常的事情。
6、大数据开发工程师主要工作：开发，建设，测试和维护架构，负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等；大数据分析是大数据应用的一个重点。