1.2　數據挖掘與數據分析的關系

數據分析是指用適當的統計方法對收集的海量數據進行分析、提取有用的信息和形成結論，然后對數據加以詳細研究和概括總結的過程。有些人將數據分析劃分為描述性數據分析、探索性數據分析和驗證性數據分析。其中，探索性數據分析側重于在數據之中發現新的特征，而驗證性數據分析則側重于對已有假設的證實或證偽。數據挖掘是深層次的數據分析，數據分析是淺層次的數據挖掘，數據挖掘更偏重于探索性數據分析，因為數據挖掘的重點是從數據中發現知識規律。它們的具體區別如下：

（1）數據分析處理的數據量可能不大；而數據挖掘處理的數據量極大，并且特別擅長處理大數據，尤其是幾十萬行、幾百萬行，甚至更多的數據。

（2）數據分析往往是從一個假設出發，需要自行建立方程或模型來與假設吻合；而數據挖掘不需要假設，可以自動建立方程，比如關聯規則和聚類分析。

（3）數據分析往往處理數值型數據；而數據挖掘能夠處理不同類型的數據，比如聲音、文本等。

（4）數據分析主要側重于通過觀察數據來對歷史數據進行統計學分析；而數據挖掘通過從數據中發現“知識規律”來對未來的某些可能性做出預測分析，其更注重分析數據間的內在聯系。如果想從數據中提取一定的規律（即認知），則往往需要將數據分析和數據挖掘結合使用。因為在很多情況下，數據分析與數據挖掘是“同源同根”的。也就是說，數據分析與數據挖掘沒有明確的界限。在計算機中，數據都是以0和1的形式進行存儲的，從這個層面上講，數據分析的范疇更大一些。

（5）數據分析與數據挖掘的區別更多地體現在職業方向上。相對數據挖掘工程師，數據分析師與業務方的工作銜接更多，理解與梳理業務訴求、明確業務目的和指導模型搭建是數據分析師的主要工作。而模型搭建與參數調優則是數據挖掘工程師的工作。當然，這是在分工比較明確的大公司中，如果是在中小公司中，以上工作都是由一個人完成的。