随着大数据的爆炸式增长，市场对大数据相关人才的需求与日俱增，大数据行业人才需求不足，引发大数据学习浪潮。 在这个过程中，人们有时会混淆数据分析和数据挖掘的关系，什么是数据挖掘？ 和数据分析有什么联系吗？ 还是说，数据挖掘和数据分析有什么区别？ 带着这些问题，一起消除混乱吧。
数据分析
简而言之，就是分析数据。 专业地说，数据分析是指用适当的统计分析方法分析收集到的大量数据，不提取有用的信息，不做结论地详细研究、归纳总结数据的过程。 要求最大化数据的功能，发挥数据的作用。
数据挖掘
数据挖掘(Data Mining )是从大量数据中提取隐藏在其中的、事先不知道但潜在有用的信息的过程。 数据挖掘的目标是建立一个根据过去行为数据预测未来行为的决策模型，是一门涉及数据库、人工智能、统计学、可视化等各个领域和领域的交叉学科。
数据挖掘与数据分析的区别
数据分析更多地采用统计学知识，对源数据进行描述性和探索性分析，从结果中发现价值信息并评价和修正现状。 另一方面，数据挖掘不仅使用统计学知识，还使用机器学习知识，这里涉及模型的概念。 数据挖掘具有更深的层次来发现未知的规律和价值。
1 .从侧重点来说，数据分析往往比较依赖业务知识，数据挖掘侧重于技术实现，对业务的要求略有下降。
2 .在数据量方面，数据挖掘需要更多的大数据量，数据量越大对技术的要求也越高。
3 .从技术上讲，数据挖掘对技术要求较高，需要较强的编程能力、数学能力、机器学习能力。
4 .结果数据分析侧重于结果的呈现，需要结合业务知识进行解读。 数据挖掘的结果是分析数据整体规律，一次实现未来预测的模型，包括用户特征、用户判断适合什么样的营销活动等。 很明显，数据挖掘比数据分析更深一层。
数据分析是分析和诊断当前状况，数据挖掘主要是对企业内部小数据的挖掘，发现和预测问题。 但是，数据分析和数据挖掘的本质是相同的，就是基于数据发现业务问题和规则，改善业务运营，帮助企业做出更好的决策。