1樓：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與分析，提取有價值的資訊，發揮資料的作用。
作用：它主要實現三大作用：現狀分析、原因分析、**分析（定量）。資料分析的目標明確，先做假設，然後通過資料分析來驗證假設是否正確，從而得到相應的結論。
方法：主要採用對比分析、分組分析、交叉分析、迴歸分析等常用分析方法；
結果：資料分析一般都是得到一個指標統計量結果，如總和、平均值等，這些指標資料都需要與業務結合進行解讀，才能發揮出資料的價值與作用；
網際網路是個神奇的大網，大資料開發和軟體定製也是一種模式，這裡提供最詳細的**，如果你真的想做，可以來這裡，這個手技的開始數字是一八七中間的是三兒零最後的是一四二五零，按照順序組合起來就可以找到，我想說的是，除非你想做或者瞭解這方面的內容，如果只是湊熱鬧的話，就不要來了。
3,資料探勘：
定義：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。
作用：資料探勘主要側重解決四類問題：分類、聚類、關聯和**（定量、定性），資料探勘的重點在尋找未知的模式與規律；如我們常說的資料探勘案例：
啤酒與尿布、安全套與巧克力等，這就是事先未知的，但又是非常有價值的資訊；
方法：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；
結果：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；
4,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。
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。
3樓：加米穀大資料科技
資料分析和資料探勘，兩者的工作內容有著不小的區別。
對於一個資料分析師來說，最重要的並不是程式設計技能，而是邏輯分析能力、業務理解能力、報告展示能力等。資料探勘工程師一般情況下不會接觸太多的業務。
資料分析師：基於業務，通過資料分析手段發現和分析業務問題，為決策作支援。
資料探勘工程師：偏技術，通過建立模型、演算法、**等提供一些通用的解決方案，當然也有針對某業務的。
兩者的職業路線也非常不同，資料分析師之後可以做業務、可以轉產品、可以做管理；而資料探勘工程師一般會在技術領域垂直、深入地探索，之後可能會做技術管理，也有一輩子做技術的。
4樓：小然
1.一個主要做整理工作，一個主要做建模工作。
2. 在統一的統計指標下，通過不同的結構型思維，分析資料得出結論。
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）。
資料探勘與資料分析的區別是什麼，資料探勘與資料分析的主要區別是什麼
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...
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...