1樓：vincent呂
從分析的目的來看，資料分析一般是對歷史資料進行統計學上的一些分析，資料探勘更側重於機器對未來的**，一般應用於分類、聚類、推薦、關聯規則等。
從分析的過程來看，資料分析更側重於統計學上面的一些方法，經過人的推理演譯得到結論；資料探勘更側重由機器進行自學習，直接到得到結論。
從分析的結果看，資料分析的結果是準確的統計量，而資料探勘得到的一般是模糊的結果。
「資料分析」的重點是觀察資料，「資料探勘」的重點是從資料中發現「知識規則」kdd（knowledge discover in database）。
「資料分析、資料統計」得出的結論是人的智力活動結果，「資料探勘」得出的結論是機器從學習集（或訓練集、樣本集）發現的知識規則。
「資料分析」需要人工建模，「資料探勘」自動完成數學建模。
2樓：cda資料分析師
1.資料探勘
資料探勘是指從大量的資料中，通過統計學、人工智慧、機器學習等方法，挖掘出未知的、且有價值的資訊和知識的過程。資料探勘主要側重解決四類問題：分類、聚類、關聯和**，就是定量、定性，資料探勘的重點在尋找未知的模式與規律。
輸出模型或規則，並且可相應得到模型得分或標籤，模型得分如流失概率值、總和得分、相似度、**值等，標籤如高中低價值使用者、流失與非流失、信用優良中差等。主要採用決策樹、神經網路、關聯規則、聚類分析等統計學、人工智慧、機器學習等方法進行挖掘。綜合起來，資料分析（狹義）與資料探勘的本質都是一樣的，都是從資料裡面發現關於業務的知識（有價值的資訊），從而幫助業務運營、改進產品以及幫助企業做更好的決策，所以資料分析（狹義）與資料探勘構成廣義的資料分析。
這些內容與資料分析都是不一樣的。
2.資料分析
其實我們可以這樣說，資料分析是對資料的一種操作手段，或者演算法。目標是針對先驗的約束，對資料進行整理、篩選、加工，由此得到資訊。資料探勘，是對資料分析手段後的資訊，進行價值化的分析。
而資料分析和資料探勘，又是甚至是遞迴的。就是資料分析的結果是資訊，這些資訊作為資料，由資料去挖掘。而資料探勘，又使用了資料分析的手段，周而復始。
由此可見，資料分析與資料探勘的區別還是很明顯的。
而兩者的具體區別在於：
（其實資料分析的範圍廣，包含了資料探勘，在這裡區別主要是指統計分析）
資料量上：資料分析的資料量可能並不大，而資料探勘的資料量極大。
約束上：資料分析是從一個假設出發，需要自行建立方程或模型來與假設吻合，而資料探勘不需要假設，可以自動建立方程。
物件上：資料分析往往是針對數字化的資料，而資料探勘能夠採用不同型別的資料，比如聲音，文字等。
結果上：資料分析對結果進行解釋，呈現出有效資訊，資料探勘的結果不容易解釋，對資訊進行價值評估，著眼於**未來，並提出決策性建議。
資料分析是把資料變成資訊的工具，資料探勘是把資訊變成認知的工具，如果我們想要從資料中提取一定的規律（即認知）往往需要資料分析和資料探勘結合使用。
舉個例子說明：你揣著50元去菜市場買菜，對於琳琅滿目的雞鴨魚豬肉以及各類蔬菜，想葷素搭配，你逐一詢問**，不斷進行統計分析，能各自買到多少肉，多少菜，大概能吃多久，心裡得出一組資訊，這就是資料分析。而關係到你做出選擇的時候就需要對這些資訊進行價值評估，根據自己的偏好，營養價值，科學的搭配，用餐時間計劃，最有價效比的組合等等，對這些資訊進行價值化分析，最終確定一個購買方案，這就是資料探勘。
資料分析與資料探勘的結合最終才能落地，將資料的有用性發揮到極致。
資料探勘與資料分析的主要區別是什麼
3樓：南霽月
總結一下主要有以下幾點：
1、計算機程式設計能力的要求
作為資料分析很多情況下需要用到成型的分析工具，比如excel、spss，或者sas、r。一個完全不懂程式設計，不會敲**的人完全可以是一名能好的資料分析師，因為一般情況下office包含的幾個工具已經可以滿足大多數資料分析的要求了。很多的資料分析人員做的工作都是從原始資料到各種拆分彙總，再經過分析，最後形成完整的分析報告。
當然原始資料可以是別人提供，也可以自己提取（作為一名合格的資料分析師，懂點sql知識是很有好處的）。
而資料探勘則需要有程式設計基礎。為什麼這樣說呢？舉兩個理由：
第一個，目前的資料探勘方面及相關的研究生方面絕大多數是隸屬於計算機系；第二點，在招聘崗位上，國內比較大的公司掛的崗位名稱大多數為「資料探勘工程師」。從這兩點就可以明確看出資料探勘跟計算機跟程式設計有很大的聯絡。
2、在對行業的理解的能力
要想成為一名優秀的資料分析師，對於所從事的行業有比較深的瞭解和理解是必須要具備的，並且能夠將資料與自身的業務緊密結合起來。簡單舉個例子來說，給你一份業務經營報表，你就能在腦海中勾畫出目前經營狀況圖，能夠看出**出現了問題。但是，從事資料探勘不一定要求對行業有這麼高的要求。
3、專業知識面的要求
資料分析師出對行業要了解外，還要懂得一些統計學、營銷、經濟、心理學、社會學等方面的知識，當然能瞭解資料探勘的一些知識會更好。資料探勘工程師則要求要比較熟悉資料庫技術、熟悉資料探勘的各種演算法，能夠根據業務需求建立資料模型並將模型應用於實際，甚至需要對已有的模型和演算法進行優化或者開發新的演算法模型。想要成為優秀的資料探勘工程師，良好的數學、統計學、資料庫、程式設計能力是必不可少的。
總之一句話來概括的話，資料分析師更關注於業務層面，資料探勘工程師更關注於技術層面。
資料分析師與資料探勘工程師的相似點：
1、都跟資料打交道。
他們玩的都是資料，如果沒有資料或者蒐集不到資料，他們都要丟飯碗。
2、知識技能有很多交叉點。
他們都需要懂統計學，懂資料分析一些常用的方法，對資料的敏感度比較好。
3、在職業上他們沒有很明顯的界限。
很多時候資料分析師也在做挖掘方面的工作，而資料探勘工程師也會做資料分析的工作，資料分析也有很多時候用到資料探勘的工具和模型，很多資料分析從業者使用sas、r就是一個很好的例子。而在做資料探勘專案時同樣需要有人懂業務懂資料，能夠根據業務需要提出正確的資料探勘需求和方案能夠提出備選的演算法模型，實際上這樣的人一腳在資料分析上另一隻腳已經在資料探勘上了。
事實上沒有必要將資料分析和資料探勘分的特別清，但是我們需要看到兩者的區別和聯絡，作為一名資料行業的從業者，要根據自身的特長和愛好規劃自己的職業生涯，以尋求自身價值的最大化。
sc-cpda 資料分析公眾交流平臺
4樓：橋偲須柔
從分析的目的來看，資料分析一般是對歷史資料進行統計學上的一些分析，資料探勘更側重於機器對未來的**，一般應用於分類、聚類、推薦、關聯規則等。
從分析的過程來看，資料分析更側重於統計學上面的一些方法，經過人的推理演譯得到結論；資料探勘更側重由機器進行自學習，直接到得到結論。
從分析的結果看，資料分析的結果是準確的統計量，而資料探勘得到的一般是模糊的結果。
「資料分析」的重點是觀察資料，「資料探勘」的重點是從資料中發現「知識規則」kdd（knowledge
discover
indatabase）。
「資料分析、資料統計」得出的結論是人的智力活動結果，「資料探勘」得出的結論是機器從學習集（或訓練集、樣本集）發現的知識規則。
「資料分析」需要人工建模，「資料探勘」自動完成數學建模。
資料探勘與資料分析的區別是什麼？
5樓：cda資料分析師
1.資料探勘
資料探勘是指從大量的資料中，通過統計學、人工智慧、機器學習等方法，挖掘出未知的、且有價值的資訊和知識的過程。資料探勘主要側重解決四類問題：分類、聚類、關聯和**，就是定量、定性，資料探勘的重點在尋找未知的模式與規律。
輸出模型或規則，並且可相應得到模型得分或標籤，模型得分如流失概率值、總和得分、相似度、**值等，標籤如高中低價值使用者、流失與非流失、信用優良中差等。主要採用決策樹、神經網路、關聯規則、聚類分析等統計學、人工智慧、機器學習等方法進行挖掘。綜合起來，資料分析（狹義）與資料探勘的本質都是一樣的，都是從資料裡面發現關於業務的知識（有價值的資訊），從而幫助業務運營、改進產品以及幫助企業做更好的決策，所以資料分析（狹義）與資料探勘構成廣義的資料分析。
這些內容與資料分析都是不一樣的。
2.資料分析
其實我們可以這樣說，資料分析是對資料的一種操作手段，或者演算法。目標是針對先驗的約束，對資料進行整理、篩選、加工，由此得到資訊。資料探勘，是對資料分析手段後的資訊，進行價值化的分析。
而資料分析和資料探勘，又是甚至是遞迴的。就是資料分析的結果是資訊，這些資訊作為資料，由資料去挖掘。而資料探勘，又使用了資料分析的手段，周而復始。
由此可見，資料分析與資料探勘的區別還是很明顯的。
而兩者的具體區別在於：
（其實資料分析的範圍廣，包含了資料探勘，在這裡區別主要是指統計分析）
資料量上：資料分析的資料量可能並不大，而資料探勘的資料量極大。
約束上：資料分析是從一個假設出發，需要自行建立方程或模型來與假設吻合，而資料探勘不需要假設，可以自動建立方程。
物件上：資料分析往往是針對數字化的資料，而資料探勘能夠採用不同型別的資料，比如聲音，文字等。
結果上：資料分析對結果進行解釋，呈現出有效資訊，資料探勘的結果不容易解釋，對資訊進行價值評估，著眼於**未來，並提出決策性建議。
資料分析是把資料變成資訊的工具，資料探勘是把資訊變成認知的工具，如果我們想要從資料中提取一定的規律（即認知）往往需要資料分析和資料探勘結合使用。
舉個例子說明：你揣著50元去菜市場買菜，對於琳琅滿目的雞鴨魚豬肉以及各類蔬菜，想葷素搭配，你逐一詢問**，不斷進行統計分析，能各自買到多少肉，多少菜，大概能吃多久，心裡得出一組資訊，這就是資料分析。而關係到你做出選擇的時候就需要對這些資訊進行價值評估，根據自己的偏好，營養價值，科學的搭配，用餐時間計劃，最有價效比的組合等等，對這些資訊進行價值化分析，最終確定一個購買方案，這就是資料探勘。
資料分析與資料探勘的結合最終才能落地，將資料的有用性發揮到極致。
大資料資料分析資料探勘有什麼區別
資料分析與資料探勘的目的不一樣，資料分析是有明確的分析群體，就是對群體進行各個維度的拆 分 組合，來找到問題的所在，而資料探勘的目標群體是不確定的，需要我們更多是是從資料的內在聯絡上去分析，從而結合業務 使用者 資料進行更多的洞察解讀。資料分析與資料探勘的思考的方式不同，一般來講，資料分析是根據客觀...
資料探勘學習心得體會，資料分析挖掘的作用和意義？
資料探勘包括理論和實踐兩方面。自己學習是沒有辦法達到企業招聘要求，因為很多知識點需要實踐，如果報名個培訓機構就不會存在這種問題，知名的培訓機構都有實踐課程，推薦選擇 達內教育 資料探勘的就業前景非常廣泛，最重要的作用，是可以幫助企業瞭解使用者。這方面最有代表性的就是電商。通過 大資料 可以分析使用者...
資料分析資料分析這份工作是什麼型別的，哪位大哥大姐幫我
低端的整理資料bai，做分析圖表，duppt.領導要什麼給什zhi麼。高階的建模dao，利用分析軟體專 工具進行資料分屬 析，資料探勘。來自職q使用者 呂先生 有的偏管理有的偏技術啊，管理的會excel，技術的得整spss，sql這些 來自職q使用者 資料分析 你們本專業都是什麼？有什麼資料分析方面...