我们生活在一个现代分析的时代，大数据推动了对答案需求的爆炸式增长。大数据和分析有望在未来几年改变几乎所有行业和业务职能。重要的是要明白，大数据不仅关乎数量，也关乎复杂性。几乎每一个机械或电子设备都会留下一条轨迹来描述其性能、位置或来源。这些设备和使用它们的人，通过互联网进行交流，然后通向另一个巨大的数据源。更多的数据意味着新的更复杂的基础设施。不可否认，大数据是一件大事，但它需要放在上下文中。数据本身没有价值，但数据集中隐藏的模式和洞察是一项极其宝贵的资产。这就是数据分析和数据挖掘的关键所在。但是这两个术语有什么不同呢？

什么是数据分析(data ****ytics)？

数据分析是一门分析原始数据以发现趋势和回答问题的科学，目的是获得有用的信息并得出有关这些信息的结论。它是借助专门系统和软件检查大型数据集的过程。对于各种不同的商业智能和应用程序相关的计划来说，这是一个包罗万象的术语。对某些人来说，这是一个分析特定领域信息的过程，比如网站分析。对其他人来说，它正在将商业智能的功能扩展到特定的内容领域，如销售、供应链、服务、分销等。此外，分析是用来描述数据的统计和数学分析，聚类，细分，并预测未来的结果。数据分析将结构化和非结构化数据与实时提要和查询相结合，为创新和洞察开辟了新途径。

什么是数据挖掘(data mining)？

数据挖掘是从大数据集中提取有用信息的过程，目的是通过自动和半自动的方法从大量数据中提取知识。它是在大型数据集中识别有用模式和趋势的实践。数据挖掘是一类可以追溯到应用统计学和计算机科学的技术。它只是根据数据挖掘术语中的解释变量、输入或特征，将原始数据转换为知识，即数据挖掘术语中的目标。它使用来自统计学、人工智能、机器学习和计算机科学等不同学科的算法，以便从数据中开发模型。它涉及许多步骤：框架问题、理解数据、准备数据、构建模型、解释结果以及构建部署模型的过程。数据挖掘还包括所谓的描述性分析。

数据挖掘与数据分析的区别

定义

–数据挖掘是识别原始数据中有用模式的过程，目的是从大量数据中提取知识。它是在大型数据集中识别有用模式和趋势的实践。简单地说，数据挖掘就是转换原始数据和知识。数据挖掘是一类可以追溯到应用统计学和计算机科学的技术。数据分析是一门分析原始数据以得出有关其所包含信息的结论的科学。

客观的

–数据挖掘使用一些专门的计算方法来发现数据中有意义和有用的结构化数据。数据的范围可以从一个由几个数值观测值组成的简单数组到一个由数百万个观测值和数千个变量组成的复杂矩阵。数据挖掘的最终目标是获得潜在有用的结论，这些结论可以由分析人员采取行动。数据分析用于描述对数据进行的统计和数学分析，对数据进行聚类、分段和预测未来结果，以支持决策。

过程

–数据挖掘的过程从早期开始就没有改变–为了从原始数据中获得有意义的结果，数据挖掘者花费了大量精力在算法开始处理数据之前准备、清理、清理和标准化数据。但改变的是实现这一切的自动化。另一方面，数据分析可以定义为一个过程，包括使用统计技术、信息系统软件和运筹学方法来探索、发现和交流数据的模式或趋势。

数据挖掘与数据分析：比较图

总结

数据挖掘是数据分析中的一项活动，它涉及到理解复杂的数据世界。数据挖掘是识别和确定大数据集中隐藏模式的过程，目的是从原始数据中提取知识。简单来说，数据挖掘就是将原始数据转化为知识。数据分析是一个多元化的领域，它包括一整套活动，包括数据挖掘，它使用统计技术、信息系统软件和运筹学方法，处理从收集数据到准备、数据建模和提取其中包含的有用信息的所有事情。两者通常都被视为商业智能的一个子集。