1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：資料分析是從乙個假設出發，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位化的資料，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，用餐時間計畫，最有價效比的組合等等，對這些資訊進行價值化分析，最終確定乙個購買方案，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。
2樓：匿名使用者
資料分析：一般要分析的目標比較明確，分析條件也比較清楚。
資料探勘：目標不是很清晰，要依靠挖掘演算法來找出隱藏在大量資料中的規則、模式、規律等。
3樓：藍龍兄弟
資料分析
，是通過已有資料指標進行分析，一般輸出結果為趨勢圖例；
資料探勘，是資料分析的基礎支援，簡單來說，就是先對原始資料進行業務關聯性、時效性、有效性等邏輯性挖掘，其次抽取有效資料，清理、格式化資料，為資料分析提供資料支援！
4樓：木易夕懵
前面的已經把理論知識都差不多講清楚了，那我來講的更具體點吧。舉個例子，我們公司之前用的資料分析和資料探勘都是億信華辰的，但是是不同的兩個工具，資料分析是abi，資料探勘是豌豆dm，其中，abi打通資料生命週期各環節
從資料來源接入，到資料採集、資料處理，再到資料分析和挖掘，打通資料生命週期的各個環節，實現資料填報、處理、分析一體化，為使用者提供一站式資料服務。既能支援對分析表進行資料回填設定，又能完成資料融合，提公升資料質量，服務資料分析。而豌豆dm提供全程視覺化的建模過程，從訓練資料集選擇、分析指標字段設定、挖掘演算法、引數配置、模型訓練、模型評估、對比到模型發布都可以通過零程式設計、視覺化的配置操作，簡單、便捷的完成。
資料探勘與資料分析的主要區別是什麼
5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。乙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：
第乙個，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了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，給你乙份業務經營報表，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，當然能了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就是乙個很好的例子。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乙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台
6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。
大資料、資料分析和資料探勘的區別是什麼？
7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-捨恩伯格及肯尼斯·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。
8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，分類回歸樹，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。
資料分析和資料探勘的區別是什麼？如何做好資料探勘
哆啦愛夢 1,資料分析可以分為廣義的資料分析和狹義的資料分析，廣義的資料分析就包括狹義的資料分析和資料探勘，我們常說的資料分析就是指狹義的資料分析。2,資料分析 狹義 定義 簡單來說，資料分析就是對資料進行分析。專業的說法，資料分析是指根據分析目的，用適當的統計分析方法及工具，對收集來的資料進行處理...
大資料資料分析資料探勘有什麼區別
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...
資料分析是什麼，什麼是資料分析 有什麼作用
派可資料 01 分類分析 比如分成不同部門 不同崗位層級 不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。02 矩陣分析 比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工 能力強價值不匹配的員工 能力弱價值匹配的員工 能力弱價值不匹配的員...