我们生活在一个每天收集大量数据的世界里。例如，每分钟大约有48小时的视频上传到YouTube。但重要的不是数据量；重要的是组织和企业如何处理数据。随着数据的快速增长，存储和处理数据成为一项具有挑战性的任务。从商业角度看，数据是王道。分析是新的“科学女王”。数据挖掘是从数据中发现知识的工具。

什么是大数据(big data)？

大数据以前是指从互联网上挖掘或生成的数PB级的非结构化数据块。实际上，“大数据”这一术语在其当前的形式中似乎最早出现在20世纪90年代末，第一篇学术论文是由francisx在2003年发表的。Diebolt–“宏观经济测量和预测的大数据动态因素模型”。大数据时代是通过迅速膨胀的数据量来认识的，远远超出了大多数人的想象。在大数据时代开始之前，组织对数据的重视程度相对较低。但随着数据的爆炸式增长，这种为获取潜在未来价值而收集和存储数据的投资已经发生了变化。目前已知90%的大数据都是在过去几年里积累起来的。大量的技术创新和智能**的使用正在推动数据的急剧激增。所以简单地说，大数据反映了我们生活的这个快速变化的世界。

什么是数据挖掘(data mining)？

现在我们正处于大数据时代，最大的挑战不是获取数据，而是获取正确的数据，利用计算机来扩充我们的知识，识别我们以前无法识别的模式。原始形式的数据没有价值。数据积累的速度比我们分析和处理如此大的数据集以便做出决策的能力增长得更快。数兆字节或数兆字节的数据每秒涌入我们的计算机网络。需要强大而通用的工具来自动过滤大量的数据，发现有价值的信息，并最终将这些数据转化为有组织的知识。这种必要性导致了数据挖掘的诞生。因此，数据挖掘就是将数据转化为知识。数据挖掘试图找到以前找不到的数据元素之间的关系和关联。它是在大量数据存储中发现模式、异常和相关性，并将这些数据转化为可操作的知识的过程。

数据挖掘与大数据的区别

定义

–大数据是一个包罗万象的术语，是指收集和随后分析可能包含传统方法和工具无法发现的隐藏信息或见解的巨大数据集。传统计算系统需要处理和分析的数据量很大。

数据挖掘是在海量数据中转换信息和可操作见解的过程。它是在大量数据存储中发现模式、异常和相关性，并将这些原始数据转化为有组织的知识的过程。

目的

–大数据是指使用预测分析、用户行为分析或其他数据分析方法，从大小超过常用软件工具捕获、管理和处理能力的数据中提取价值。其目的是从多样化、复杂和大规模的数据集中发现见解。

数据挖掘试图找到以前找不到的数据元素之间的关系和关联。数据挖掘是一种知识挖掘，是指如何利用原始数据生成某种可用于决策的知识。它试图从已有的数据中找到隐藏的模式。

特点

–大数据可以由三个主要属性或特征来定义，即三个V：多样性、容量和速度。这些是理解我们如何衡量大数据的关键。多样性是指各种数据类型，如结构化、半结构化和非结构化数据；体积是指产生的大量数据；速度是指数据产生的速度。

数据挖掘类似于搜索，但它不是搜索或查询数据；它被应用于各种形式的数据，以发现有趣的模式，而不是从数据库的结果。

用例

–今天日常生活中的各个领域都在使用大数据来简化数据的存储和处理过程。大数据用例的许多例子包括金融服务、航空公司和卡车运输公司、医疗保健部门、电信和公用事业、媒体和娱乐、电子商务、教育、物联网等。

数据挖掘的应用是明智和多样的。一些基本应用包括电子商务中的产品推荐、网页分析、股市预测、医疗数据挖掘等。数据挖掘是机器学习和人工智能应用的基础。

数据挖掘与大数据：比较图

总结 - 数据挖掘技术(of data mining) vs. 大数据(big data)

大数据是指可能包含传统方法和工具无法发现的隐藏信息或见解的大型数据集。传统计算系统需要处理和分析的数据量很大。数据挖掘是将原始数据转化为知识，因为原始形式的数据没有价值。数据挖掘试图发现数据元素之间的关系和关联，从而可以用来做出有效的决策。