回答Wiki
数据分析： -数据分析通常称为数据分析技术
数据挖掘： - 处理大量数据
数据科学： -主要包括数据+算法，其中，预测分析/建模，统计分析，概率模型，并包括DS中非常复杂的数学
机器学习： -让机器从数据中学习
大数据： - 任何比您更容易处理的数据。
数据科学与大数据 - 完美的比较
机器学习与人工智能和数据科学 - 突出了各领域之间的差异和相似之处
什么是Data Analytics - 初学者指南 - 数据分析的详细概述
Rohit Malshe，化学工程师，程序员，亚马逊研究科学家
回答2017年4月18日 ·由Upvoted艾伦·戴维斯， MS计算机科学与机器学习，德克萨斯大学达拉斯分校（2010年）和丹·韦瑟利， MBA数据分析，佛罗里达国际大学（2017年）·作者有 353个答案和 8.6米答案意见
几天以来，我一直想对这个问题进行一次尝试，但这看起来总是一项艰巨的任务，因为这个问题用得太多了。此外，这是一个很多人都有眼睛的问题，很多人已经写了详细的答案。
让我先重新排序所有重要的词：
大数据
数据挖掘
数据分析
Analytics（分析）
机器学习
数据科学
想象一下，你想成为一名数据科学家，并在像亚马逊，英特尔，谷歌，FB，苹果等大型组织工作。
那会是什么样子？
你必须处理大数据，你必须用SQL，Python，R，C ++，Java，Scala，Ruby等编写计算机程序，以便只维护大数据数据库。您将被称为数据库管理器。
作为从事过程控制的工程师，或者想要简化公司运营的人，您将执行数据挖掘和数据分析 ; 您可以使用简单的软件来执行此操作，您只需运行其他人编写的大量代码，或者您可能正在编写SQL，Python，R中精心设计的代码，并且您将进行数据挖掘，数据清理，数据分析，建模，预测建模等。
所有这些都将被称为Analytics。有几种软件可以做到这一点。一个受欢迎的是Tableau。其他一些是JMP和SAS。许多人在网上做所有可以使用基于SAP的商业智能设置的东西。在这里，可以轻松完成简单的报告。
此外，您将能够使用机器学习得出结论，并在无法获得分析答案的情况下提出预测。将分析答案视为[If / then]类型的计算机程序，其中所有输入条件都已知，并且只有少数参数发生变化。
机器学习使用统计分析来划分数据。一个例子是：阅读各种人在Yelp上写的评论，并从评论中预测该人是否会标记一家餐馆4星或5星。
如果这还不够，您也可以使用深度学习。深度学习用于处理数据，如音乐文件，图像，甚至是自然语言等文本数据，数据量很大，但类型非常多样化。
您可以利用一切优势〜分析解决方案，分区数据，黑客思维模式，通过编程实现自动化，报告，得出结论，制定决策，采取行动以及讲述有关数据的故事。
最后但并非最不重要的是，其中一部分将发生在巡航控制中，在那里你可能不在身体上，但你可能创造的程序本身就可以完成大部分工作。可能如果你把它带到人工智能水平，有一天它可能会变得比你聪明，不用说它已经比你快了。有一天，它可以达到你可能无法想象的解决方案让你感到惊讶的程度。
现在你是一名数据科学家，你所做的就是数据科学。
无论你做什么，你公司以外的人可能会或可能不会看到，例如，如果你在亚马逊工作，人们会问Alexa各种问题，或者如果你在谷歌工作，人们会向Google提出问题。或者他们可能没有看到你做的任何事情。您的职能将帮助公司更好地设计工作。
要做到这一切，您可能需要大量的专业知识来处理一些编程语言的数据和知识。
我在互联网上看到的一个流行的数据科学维恩图就在这里：请注意，数据科学家正处于许多事物的交叉点。沟通，统计，编程和业务。
