你們班10個女生，40個男生，你分析出最理想的情況下至少會有20個光棍。這是資料分析！

但是，你綜合自己的身高，體重，顏值，性格愛好，家境和對未來老婆的暢享等諸多因素。你發現某個女生A可能是你的菜，並且你的成功率很大，而且你知道了她的很多小秘密，小愛好，你知道了努力的方向。深挖下去，最後你們走進了婚姻的殿堂。這就是資料探勘。

你好，我是一名大資料專業學生，資料的挖掘是屬於資料分析的前置，也就是說挖掘下來才可以分析，一般來說分析是要難於挖掘，但是現在的一些網站都注意資料的保護，所以現在的資料探勘相對於資料分析是難的，反觀分析其實都是根據對應的要求進行資料的篩選。挖掘就是爬取資料，分析就是清洗資料。

你好，作為一名資料分析和資料探勘從業者我來說說我的看法。

資料分析:就是對資料進行分析，利用統計分析方法和工具，對收集的資料進行處理與分析，提取有價值的資訊。

資料探勘:從大量資料中，透過統計學，機器學習，深度學習挖掘出有價值的資訊，更偏向演算法建模。

資料分析主要透過對比分析，分組分析，交叉分析等等分析方法計算統計量結果，並將結果與業務結合進行解讀。

資料探勘主要透過決策樹，聚類，svm，神經網路等等分類，迴歸方法，建立輸出模型或者規則。利用模型和規則對未知資料進行預測和挖掘。

廣義上來看資料分析和資料探勘是同一個含義。都是對資料中的價值資訊提取，最終落腳到商業決策上。

簡單說：資料探勘就是從海量資料中找到隱藏的規則，資料分析一般要分析的目標比較明確。主要區別：

“資料分析”的重點是觀察資料，而“資料探勘”的重點是從資料中發現“知識規則”KDD（Knowledge Discover in Database）。“資料分析”得出的結論是人的智力活動結果，而“資料探勘”得出的結論是機器從學習集（或訓練集、樣本集）發現的知識規則。“資料分析”得出結論的運用是人的智力活動，而“資料探勘”發現的知識規則，可以直接應用到預測。“資料分析”不能建立數學模型，需要人工建模，而“資料探勘”直接完成了數學建模。如傳統的控制論建模的本質就是描述輸入變數與輸出變數之間的函式關係，“資料探勘”可以透過機器學習自動建立輸入與輸出的函式關係，根據KDD得出的“規則”，給定一組輸入引數，就可以得出一組輸出量。

舉個簡單的例子：

有一些人總是不及時向電信運營商繳錢，如何發現它們？

資料分析：透過對資料的觀察，我們發現不及時繳錢人群裡的貧困人口占82%。所以結論是收入低的人往往會繳費不及時。結論就需要降低資費。資料探勘：透過編寫好的演算法自行發現深層次的原因。原因可能是，家住在五環以外的人，由於環境偏遠不及時繳錢。結論就需要多設立一些營業廳或者自助繳費點。希望有所幫助

首先，資料分析和資料探勘的概念

一、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，根據分析目的，用適當的統計分析方法及工具，提取有用的資訊和形成結論。資料分析是對既有資料的分析，可以幫助人們做出判斷，以便採取適當行動。

二、資料探勘

一般指從大量的資料中通過演算法搜尋隱藏於其中的資訊的過程。資料探勘通常與計算機科學有關，並透過統計，線上分析處理，情報檢索，機器學習和模式識別等諸多方法來實現上述目標。主要著重於發掘出未知的，且有價值的資訊和知識的過程。

然後，兩者的主要區別

一、作用不同

資料分析的目標明確，先做出假設，然後透過資料分析來驗證假設是否正確，從而得出結論。簡單的講，就是拿來一堆資料，你知道自己要幹嘛，然後奔著目標去，藉助一些工具，實現你的目標。

資料探勘則不同，資料探勘的重點在於尋找未知的模式和規律，比如我們聽說的沃爾瑪大資料探勘出，啤酒和尿不溼的擺放規律問題，事先我們不知道這個結果，是透過深度挖掘資料背後的關聯得到的有效資訊。

二、兩者輸出結果不同

資料分析一般得到一個指標統計量結果，如總和和平均值等，這些指標透過與業務的結合進行解讀，得出一些結論，發揮出資料的價值和作用，比如我們學生的卷面分析，從眾多學生的得分情況統計分析，得到不同型別的題目的解答情況，從而得出學生對於不同知識點的掌握程度。

資料探勘則注重輸出模型或者規則，並可得到模型得分或標籤，得分如流失機率值、相似度和預測值等，標籤如高中低價值使用者、流失與非流失和信用優良等。

三、價值不同

資料分析以輸入的資料為基礎，透過先驗的約束，對資料進行處理，但是不以結論如何為調整。例如影象識別就屬於資料分析的範疇，透過一套先驗的方法進行處理，重點在於資料的有效性、真實性和先驗約束的正確性。

資料探勘則不同，資料探勘是對資訊價值化的獲取，不考慮資料本身，只考慮資料是否有價值。與資料分析不同的是，需要調整不同的先驗條件，先驗條件不侷限於資料本身，而是你期望得到的一個有價值的內容。

最後，做個總結

資料分析和資料探勘，都跟資料打交道，知識技能有很多交叉點，都需要懂的統計學，資料分析的常用方法，對資料敏感度比較好。在職業上沒有明顯的界限，很多時候資料分析師也在做資料探勘方面的工作，資料探勘工程師也會做資料分析的工作。所以，作為概念我們可以從理論和文字上區別兩者，但真正從業以後，他們之間的絕對差別會變得模糊一些。