数据分析与数据挖掘的区别是什么？

　　数据分析能够分为广义的数据分析和狭义的数据分析，广义的数据分析就包括狭义的数据分析和数据挖掘，咱们常说的数据分析就是指狭义的数据分析，下面咱们来看一下数据分析与数据挖掘的区别对比。

　　先来了解下数据分析与数据挖掘的基本定义

　　数据分析(狭义)：

　　定义：简单来讲，数据分析就是对数据进行分析。专业的说法，数据分析是指根据分析目的，用适当的统计分析方法及工具，对收集来的数据进行处理与分析，提取有价值的信息，发挥数据的做用;

　　做用：它主要实现三大做用：现状分析、缘由分析、预测分析(定量)。数据分析的目标明确，先作假设，而后经过数据分析来验证假设是否正确，从而获得相应的结论;

　　方法：主要采用对比分析、分组分析、交叉分析、回归分析等经常使用分析方法;

　　结果：数据分析通常都是获得一个指标统计量结果，如总和、平均值等，这些指标数据都须要与业务结合进行解读，才能发挥出数据的价值与做用。

　　数据挖掘：

　　定义：数据挖掘是指从大量的数据中，经过统计学、人工智能、机器学习等方法，挖掘出未知的、且有价值的信息和知识的过程;

　　做用：数据挖掘主要侧重解决四类问题：分类、聚类、关联和预测(定量、定性)，数据挖掘的重点在寻找未知的模式与规律;如咱们常说的数据挖掘案例：啤酒与尿布、安全套与巧克力等，这就是事先未知的，但又是很是有价值的信息;

　　方法：主要采用决策树、神经网络、关联规则、聚类分析等统计学、人工智能、机器学习等方法进行挖掘;

　　结果：输出模型或规则，而且可相应获得模型得分或标签，模型得分如流失几率值、总和得分、类似度、预测值等，标签如高中低价值用户、流失与非流失、信用优良中差等。

　　综合起来，数据分析(狭义)与数据挖掘的本质都是同样的，都是从数据里面发现关于业务的知识(有价值的信息)，从而帮助业务运营、改进产品以及帮助企业作更好的决策。因此数据分析(狭义)与数据挖掘构成广义的数据分析。

　　数据挖掘与数据分析的主要区别是什么?

　　计算机编程能力的要求

　　做为数据分析不少状况下须要用到成型的分析工具，好比EXCEL、SPSS，或者SAS、R。一个彻底不懂编程，不会敲代码的人彻底能够是一名能好的数据分析师，由于通常状况下OFFICE包含的几个工具已经能够知足大多数数据分析的要求了。不少的数据分析人员作的工做都是从原始数据到各类拆分汇总，再通过分析，最后造成完整的分析报告。固然原始数据能够是别人提供，也能够本身提取(做为一名合格的数据分析师，懂点SQL知识是颇有好处的)。

　　而数据挖掘则须要有编程基础。为何这样说呢?举两个理由：第一个，目前的数据挖掘方面及相关的研究生方面绝大多数是隶属于计算机系;第二点，在招聘岗位上，国内比较大的公司挂的岗位名称大多数为“数据挖掘工程师”。从这两点就能够明确看出数据挖掘跟计算机跟编程有很大的联系。

　　在对行业的理解的能力

　　要想成为一名优秀的数据分析师，对于所从事的行业有比较深的了解和理解是必需要具有的，而且可以将数据与自身的业务紧密结合起来。简单举个例子来讲，给你一份业务经营报表，你就能在脑海中勾画出目前经营情况图，可以看出哪里出现了问题。可是，从事数据挖掘不必定要求对行业有这么高的要求。

　　专业知识面的要求

　　数据分析师出对行业要了解外，还要懂得一些统计学、营销、经济、心理学、社会学等方面的知识，固然能了解数据挖掘的一些知识会更好。数据挖掘工程师则要求要比较熟悉数据库技术、熟悉数据挖掘的各类算法，可以根据业务需求创建数据模型并将模型应用于实际，甚至须要对已有的模型和算法进行优化或者开发新的算法模型。想要成为优秀的数据挖掘工程师，良好的数学、统计学、数据库、编程能力是必不可少的。

　　总之一句话来归纳的话，数据分析师更关注于业务层面，数据挖掘工程师更关注于技术层面。

　　数据分析师与数据挖掘工程师的类似点：

　　都跟数据打交道。他们玩的都是数据，若是没有数据或者搜集不到数据，他们都要丢饭碗。

　　知识技能有不少交叉点。他们都须要懂统计学，懂数据分析一些经常使用的方法，对数据的敏感度比较好。

　　在职业上他们没有很明显的界限。

　　不论是数据分析师仍是数据挖掘师在国内的需求量都是愈来愈大，发展前景不可估量，在一个领域钻研精透，没有理由不成功!

​