大数据分析中,因果和关联的区别和联系是什么
1、因果关系是A可能导致B，相关性关系是，A与B在某些方面或者某种程度上有关联。在逻辑上，这是有区别的。
2、当讨论数据时，讲的最多的是数据的相关性，而希望得到的则是事件之间的因果联系；但事实往往是复杂的，统计数据有相关性并不意味着两个事件具有因果联系，而具有因果联系的两件事从统计数据上看有时也并不相关。
3、是不一样的。因果分析包含着相关分析。相关性和因果性之间的联系，从统计学教材到大数据著作都有着广泛的探讨，甚至争议不断。
4、虚无关系是指两个或多个变量之间不存在关联或依赖关系，即它们之间没有因果关系。例如，太阳升起和降雨之间没有明显的虚无关系。相关关系和因果关系是两种不同的关系，但它们之间有一定的联系。
5、区别：关联图是相互关系的示意图，因果图是揭示因果关系的示意图。
为什么大数据使用相关关系而不是因果分析?
1、看过大数据时代吧，里边说的还比较清楚了，大数据的一个优势就是从数据之间的相关关系直接得到我们想要的结论，而不必去追求原因和结果间的复杂因果关系。
2、也就是说， 相关的产生不是由于两个变量之间存在一个可以测量的直接的因果关系，而是因为两个变量都和第三变量相关。但有些时候，第三变量并不是那么显而易见。
3、当讨论数据时，讲的最多的是数据的相关性，而希望得到的则是事件之间的因果联系；但事实往往是复杂的，统计数据有相关性并不意味着两个事件具有因果联系，而具有因果联系的两件事从统计数据上看有时也并不相关。
4、严格的说，应该是因果和相关的区别和联系。它们之间，区别有个本质的地方，因果必然是相关，但相关未必是因果。
5、在大数据分析领域的相关分析方法：常用于对总体中确实具有联系的标志进行分析，其主体是对总体中具有因果关系标志的分析。但两个变量之间存在相关关系，不一定说明两者之间存在着因果关系。
大数据主义者如何看待理论,因果与规律
1、大数据更像是理论与现实齐头并进，理论来创立处理非结构化数据的方法，处理结果与未来进行验证。分析基础。大数据是在互联网背景下数据从量变到质变的过程。
2、大数据思维包括：定量思维、相关思维、实验思维。即提供更多描述性的信息，其原则是一切皆可测。不仅销售数据、价格这些客观标准可以形成大数据，甚至连顾客情绪（如对色彩、空间的感知等）都可以测得。
3、大数据不是要教机器像人一样思考，相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性。正因为在大数据规律面前，每个人的行为都跟别人一样，没有本质变化，所以商家会比消费者更了消费者的行为。