1樓：匿名使用者
資料探勘和其他資料分析的區別
1.資料探勘和統計的區別：
統計著重於驗證和測試假設，也就是說在你開始分析前你知道模式或模型是什麼
資料探勘則著眼於生成假設以及在沒有指導的情況下發現新模式。
這也就是目前國內很多公司都有自己的統計分析平臺，比如關於erp、crm、和業務的統計分析平臺，這些統計分析平臺都和各自的固有業務緊密聯絡，園子裡的絕大多數人都開發過統計分析系統，但是不能說這些統計分析是資料探勘一樣。
2.資料探勘和**分析的區別：
**分析使用**技術驅動商業價值，
資料探勘是**分析核心，是其起點。ibm pasw modeler 是**分析工作的起點。
在實際工作中，只有進行了資料探勘後才可能會進行**分析，比如根據現有的資料通過資料探勘演算法找到資料的規律後，**未來一段時間內的走向等等。
3.資料探勘和商業智慧的區別：
資料探勘著眼於**未來，
而商業智慧著眼於統計分析和報告已有的資料，比如報表，olap 分析等。
2樓：耿鵬劉亦菲
木有，資料探勘又叫資料分析，知識發現等。。。可能你感覺資料查詢，資料檢索也是資料分析，那只是淺層次的，沒有智慧的，不能算資料分析，那叫資料檢索等，不是資料分析，資料分析就是資料探勘
3樓：資料質量管理
在我看來，資料探勘通過分析每個資料，從大量資料中尋找其規律的技術，從更廣泛的資料中尋找未知的價值。資料分析是指從收集來的、已有的資料中發現規律，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。
4樓：小然
資料分析注重定性分析。
資料探勘注重定量分析。
資料探勘與資料分析的區別是什麼？
5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。
6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。
7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！
8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、分析指標欄位設定、挖掘演算法、引數配置、模型訓練、模型評估、對比到模型釋出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。
大資料、資料分析和資料探勘的區別是什麼？
9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。
10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。
11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）。
資料分析和資料庫的關係是什麼，資料庫分析的原理是什麼？
可以這麼理解，資料庫是用來儲存資料的，資料分析是把儲存好的資料通過一系列的資料分析方法進行處理來得出你想要知道的問題結論。資料庫分析的原理是什麼？大資料 資料分析和資料探勘的區別是什麼？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...
資料分析方法都有哪些？資料分析的方法有哪些？
第一，對比分析，簡單來說就是通過不同資料的標準比對更直觀反映數量的變化關係，它屬於常見的一種方法，具體可分為橫向和縱向兩種，前者是固定時間對比資料，如在固定時間內比對不同等級使用者的購買商品金額 不同商品的銷售業績 利潤率高低等等。後者指的是就同一事物比對時間緯度上的變化，如環保 同比等等，不管是哪...
《Python資料分析與挖掘實戰》怎麼樣
該書是企業在資料探勘領域探索10餘年和高校資深講師聯合經驗總結之作。全書以實踐和實用為宗旨，深度與廣度兼顧，實踐與理論並舉。本書共15章，分兩個部分 基礎篇 實戰篇。基礎篇介紹了資料探勘的基本原理，實戰篇介紹了一個個真實案例，通過對案例深入淺出的剖析，使讀者在不知不覺中通過案例實踐獲得資料探勘專案經...