从十年的热度指数，可以看出数仓与数分同频共振；
数仓十年的指数在400左右浮动，不温不火中规中矩，像一位沉稳的老者；
数分十年的指数从300倍翻到1500左右，非常烫手，吸引了越来越多的人。
数仓与数分用什么不同呢？对于很多跃跃欲试的小白来说，了解不同，才能知道自己适合什么。
不同点一：作用力方向一分一合：
数仓即数据仓库，数据仓库重要的是数据的集成，"百川入海，聚沙成塔"的既视感。 数分即数据分析，数据分析重要的是数据的解剖，"庖丁解牛，沙里淘金"的既视感。
不同点二：决策系统中层次一末一端：
我们都知道数据的价值：在数据中处理出信息，将信息转化为知识，继而由知识内化为智慧。消弱人主观对不确定的认知局限性，提升决策的质量。
我们知道决策的重要，一个人的前途命运，一个企业的生死存亡，一个国家的强弱兴衰。毫不夸张的说：人类的发展史本身就是一部决策史。
不同点三：数仓偏"道"，数分偏"术"：
数据本身就客观的毫无偏见的，我们需要集成全方面多层次的数据，才能更全面的认识世界。
决策的第一步是基于决策对象集成大量的数据构建数据仓库。数据仓库建模有实体关系、多维建模、data vault、anchor等。目的是更好的系统化的组织数据。
数据分析在集成的数仓之上，需要庖丁运用解牛之术，来发现数据中存在的规律，内藏的信息。
同时也需要数据分析师掌握很多分析的算法（分类算法、聚类算法、关联分析等），还要学会很多数据处理工具及可视化工具。
不同点四：岗位职责不同
数仓开发的岗位职责 （侧重数据ETL）
数据分析的岗位职责（侧重数据分析报告）
不同点五：一个男儿本色，一个巾帼不让
一张图，也不需要费口舌之劳
不同点六：难点不同-数仓处理数据难，数分是找数据难。
数仓和数分虽然都是加工数据，但是各有各的难处：
数仓是要掌握好hive、Postgresql、elt等工具来解决数据处理难的问题；
数分常常是有分析方法却找不到数据、还要学习数据可视化。
