1樓：海同職座標**
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的資料進行不斷的驗證和假設，而資料探勘是沒有假設的，但你也要根據模型的輸出給出你評判的標準。
我們經常做分析的時候，資料分析需要的思維性更強一些，更多是運用結構化、mece的思考方式，類似程式中的if else
而資料探勘大多數是大而全，多而精，資料越多模型越可能精確，變數越多，資料之間的關係越明確，什麼變數都要，先從模型的意義上選變數（大而全，多而精），之後根據變數的相關係程度、替代關係、重要性等幾個方面去篩選，最後全扔到模型裡面，最後從模型的引數和解讀的意義來判斷這種方式合不合理。
大資料感覺並不是資料量大，也不是資料複雜，這些都可以用工具和技術去處理，而是它可以做到千人千面，而且是實時判斷規則。
例如定向廣告的推送，就是大資料，它根據你以往的瀏覽行為，可以準確的給你推相關的資訊，基本做到了你一個人就是一個資料庫，而不是一條資料。但我們所作的資料分析更多是針對群體的，而非針對每個個人。
所以大資料時代也顯露出了各類問題，資料的隱私、資料殺熟、資料孤島等，這也許就是我們目前看到大資料分析更看重的是技術、手段的原因。
2樓：百度文庫精選
內容來自使用者:天成資訊
大資料和資料分析區別
大資料是指用現有的計算機軟硬體設施難以採集、儲存、管理、分析和使用的超大規模的資料集。大資料具有規模大、種類雜、快速化、價值密度低等特點（4v特性）。大資料的“大”是一個相對概念，沒有具體標準，如果一定要給一個標準，那么10-100tb通常稱為大資料的門檻。
資料分析是一個大的概念，理論上任何對資料進行計算、處理從而得出一些有意義的結論的過程，都叫資料分析。從資料本身的複雜程度、以及對資料進行處理的複雜度和深度來看，可以把資料分析分為以下4個層次：資料統計，olap，資料探勘，大資料。
大資料分析和資料分析是有區別和聯絡的。這裡重點關注兩者的是技術要求、使用場景、業務範圍等方面的區別和聯絡。重點要區分理論研究和實際應用兩方面區別和聯絡。
第一：在分析方法上兩者並沒有本質不同 資料分析的核心工作是人對資料指標的分析、思考和解讀，人腦所能承載的資料量是極其有限的。所以，無論是“傳統資料分析”，還是“大資料分析”，均需要將原始資料按照分析思路進行統計處理，得到概要性的統計結果
供人分析。兩者在這個過程中是類似的，區別只是原始資料量大小所導致處理方式的不同。 第二：
在對統計學知識的使用重心上兩者存在較大的不同 傳統資料分析”使用的知識主要圍繞“能否通過少量的抽樣資料來推測真實世界”的主題。“大
3樓：甘肅優就業it培訓
1、大資料：大資料是一種在獲取、儲存、管理、分析等方面大大超出了傳統資料庫軟體工具能力範圍的資料集合。
2、資料分析：資料分析是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。
3、資料探勘：資料探勘是通過分析每個資料，從大量資料中尋找其規律的技術，主要有資料準備、規律尋找和規律表示3個步驟。
4樓：派可資料
1.資料探勘的定義
資料探勘（data mining）是指通過大量資料集進行分類的自動化過程，以通過資料分析來識別趨勢和模式，建立關係來解決業務問題。換句話說，資料探勘是從大量的、不完全的、有噪聲的、模糊的、隨機的資料中提取隱含在其中的、人們事先不知道的、但又是潛在有用的資訊和知識的過程。
2.與資料分析的區別
資料分析和資料探勘都是從資料庫中發現知識、所以我們稱資料分析和資料探勘叫做資料庫中的知識發現。但嚴格意義上來講，資料探勘才是真正意義上的資料庫中的知識發現（knowledge discovery in database，kdd）。
資料分析是從資料庫中通過統計、計算、抽樣等相關的方法，獲取基於資料庫的資料表象的知識，也就是指資料分析是從資料庫裡面得到一些表象性的資訊。資料探勘是從資料庫中，通過機器學習或者是通過數學演算法等相關的方法獲取深層次的知識（比如屬性之間的規律性，或者是**）的技術。
而大資料有以下特點：：
容量（volume）：資料的大小決定所考慮的資料的價值和潛在的資訊；
種類（variety）：資料型別的多樣性；
速度（velocity）：指獲得資料的速度；
可變性（variability）：妨礙了處理和有效地管理資料的過程。
真實性（veracity）：資料的質量。
複雜性（complexity）：資料量巨大，**多渠道。
價值（value）：合理運用大資料，以低成本創造**值。
大資料、資料分析和資料探勘的區別是什麼？
5樓：時時時擦
區別：大資料
是網際網路的海量資料探勘，而資料探勘更多是針對內部企業行業小眾化的資料探勘，資料分析就是進行做出針對性的分析和診斷，大資料需要分析的是趨勢和發展，資料探勘主要發現的是問題和診斷。
釋義：大資料：指無法在可承受的時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產；在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大資料時代》 中大資料指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有資料進行分析處理。
大資料的5v特點（ibm提出）：volume（大量）、velocity（高速）、variety（多樣）、value（價值）veracity（真實性） 。
資料分析：是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支援過程。
在實用中，資料分析可幫助人們作出判斷，以便採取適當行動。
資料分析的數學基礎在20世紀早期就已確立，但直到計算機的出現才使得實際操作成為可能，並使得資料分析得以推廣。資料分析是數學與電腦科學相結合的產物。
6樓：cda資料分析師
1、大資料：指無法在可承受的時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產。
大資料的5v特點（ibm提出）：volume（大量）、velocity（高速）、variety（多樣）、value（價值）veracity（真實性）
2、資料分析：是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支援過程。
在實用中，資料分析可幫助人們作出判斷，以便採取適當行動。
3、資料探勘：涉及到很多的演算法，源於機器學習的神經網路，決策樹，也有基於統計學習理論的支援向量機，分類迴歸樹，和關聯分析的諸多演算法。資料探勘的定義是從海量資料中找到有意義的模式或知識。
海闊憑魚躍，天高任鳥飛。對於進入這個行業的同學而言，你可以選擇讀研後再進入這個行業，也可以先就業，用你的工作經驗彌補你的學歷不足。大資料、資料分析或資料探勘是實踐性很強的學科，從實際工作中獲取的知識和能力是你在學校裡面無法學習到的，企業最終也是看重你的實際工作能力。
7樓：只愛小
大資料概念：大資料
是近兩年提出來的，有三個重要的特徵：資料量大，結構複雜，資料更新速度很快。由於web技術的發展，web使用者產生的資料自動儲存、感測器也在不斷收集資料，以及移動網際網路的發展，資料自動收集、儲存的速度在加快，全世界的資料量在不斷膨脹，資料的儲存和計算超出了單個計算機(小型機和大型機)的能力，這給資料探勘技術的實施提出了挑戰（一般而言，資料探勘的實施基於一臺小型機或大型機，也可以進行平行計算）。
資料探勘概念: 資料探勘基於資料庫理論，機器學習，人工智慧，現代統計學的迅速發展的交叉學科，在很多領域中都有應用。涉及到很多的演算法，源於機器學習的神經網路，決策樹，也有基於統計學習理論的支援向量機，分類迴歸樹，和關聯分析的諸多演算法。
資料探勘的定義是從海量資料中找到有意義的模式或知識。
大資料需要對映為小的單元進行計算，再對所有的結果進行整合，就是所謂的map-reduce演算法框架。在單個計算機上進行的計算仍然需要採用一些資料探勘技術，區別是原先的一些資料探勘技術不一定能方便地嵌入到 map-reduce 框架中，有些演算法需要調整。
大資料和資料探勘的相似處或者關聯在於： 資料探勘的未來不再是針對少量或是樣本化，隨機化的精準資料，而是海量，混雜的大資料，資料分析是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支援過程。
在實用中，資料分析可幫助人們作出判斷。
拓展資料：
大資料（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產。
在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大資料時代》 中大資料指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有資料進行分析處理。大資料的5v特點（ibm提出）：volume（大量）、velocity（高速）、variety（多樣）、value（低價值密度）、veracity（真實性）。
大資料 和 資料探勘 的區別
8樓：百度文庫精選
內容來自使用者:天成資訊
大資料是指用現有的計算機軟硬體設施難以採集、儲存、管理、分析和使用的超大規模的資料集。大資料具有規模大、種類雜、快速化、價值密度低等特點（4v特性）。大資料的“大”是一個相對概念，沒有具體標準，如果一定要給一個標準，那么10-100tb通常稱為大資料的門檻。
資料分析是一個大的概念，理論上任何對資料進行計算、處理從而得出一些有意義的結論的過程，都叫資料分析。從資料本身的複雜程度、以及對資料進行處理的複雜度和深度來看，可以把資料分析分為以下4個層次：資料統計，olap，資料探勘，大資料。
大資料分析和資料分析是有區別和聯絡的。這裡重點關注兩者的是技術要求、使用場景、業務範圍等方面的區別和聯絡。重點要區分理論研究和實際應用兩方面區別和聯絡。
第一：在分析方法上兩者並沒有本質不同 資料分析的核心工作是人對資料指標的分析、思考和解讀，人腦所能承載的資料量是極其有限的。所以，無論是“傳統資料分析”，還是“大資料分析”，均需要將原始資料按照分析思路進行統計處理，得到概要性的統計結果
供人分析。兩者在這個過程中是類似的，區別只是原始資料量大小所導致處理方式的不同。 第二：
在對統計學知識的使用重心上兩者存在較大的不同 傳統資料分析”使用的知識主要圍繞“能否通過少量的抽樣資料來推測真實世界”的主題。“大
金融大資料分析前景，軟體開發 大資料分析 網際網路金融哪個好
中科聚信 scai 信貸工廠能夠協助銀行建立業務發展和風險計量技術水平的評分模型系統，並進行流程改造，通過評分模型系統的推廣應用 大資料可以挖掘和分析金融資訊深層次的內容，使決策者能夠把握重點，引導戰略方向。正在來臨的大資料時代，金融機構之間的競爭將在網路資訊平臺上全面，說到底就是 資料為王 誰掌握...
資料探勘與資料分析的主要區別是什麼
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...
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...