資料分析和資料探勘的區別
首先說下資料分析（Data analysis）和資料探勘（Data mining）這兩個概念的區別。
這兩個概念有密切的相關性，很多場合下經常混用，但還是有一些區別的。
首先，顧名思義，資料探勘，英文是data mining，mining本義是挖礦的意思。顯然，你在後院挖出一枚金幣，不能說你挖了一座金礦。所以，資料探勘的資料，需要是大資料。換句話說，假設你開了家咖啡店，辦會員卡需要登記生日，有一天你心血來潮，決定統計下不同年齡層次的人對不同種類咖啡的偏愛，這可以算資料分析，但你要說自己在資料探勘，那就有點說不過去了。
其次，資料探勘包含的過程比資料分析要廣。某種意義上來說，這也和它處理的資料規模有關。除了分析統計之外，大資料的收集、提取關鍵資訊、儲存，都是比較有挑戰性的事情。
最後，大資料（Big Data）其實屬於buzzword。我不知道buzzword該怎麼翻譯，要翻譯成忽悠，可能有點過了。然後資料探勘其實也是buzzword。以前有本書，本來叫《實用機器學習》（Practical machine learning），主要內容是介紹機器學習的基本概念，然後包含用Java語言編寫的一些示例程式碼，演示如何在實際問題上應用機器學習。然後出版商感覺不好賣，就給改成了《資料探勘：實用機器學習工具與技術的Java實現》（Data mining: Practical machine learning tools and techniques with Java Implementation）。然後buzzword的含義，其實都是不能太過深究的，換句話說，都是大筐子，什麼都往裡裝。
（慘遭改名的書——第一版的封面沒找到，這是第二版的封面）
Python資料分析專家，基本上就是numpy、pandas、sklearn這些，然後有的場合可能還需要視覺化，比如matplotlib和seaborn之類，甚至有的場合還需要你會神經網路，比如TensorFlow或者PyTorch。
至於Python資料探勘專家，既然前面已經說了資料探勘是buzzword，所以Python資料探勘專家的技術棧就很龐雜了。除了上面資料分析的那些，還可能包括網頁爬取（比如Scrapy），大資料儲存與處理（比如Hadoop、Spark都有Python介面），傳統關係型資料庫（主要是SQL查詢，因為有很多內部資料可能存在關係型資料庫裡），甚至叢集和虛擬化技術（資料大到一定程度，單機處理來不及）。
資料分析和資料探勘的區別
首先說下資料分析（Data analysis）和資料探勘（Data mining）這兩個概念的區別。
這兩個概念有密切的相關性，很多場合下經常混用，但還是有一些區別的。
首先，顧名思義，資料探勘，英文是data mining，mining本義是挖礦的意思。顯然，你在後院挖出一枚金幣，不能說你挖了一座金礦。所以，資料探勘的資料，需要是大資料。換句話說，假設你開了家咖啡店，辦會員卡需要登記生日，有一天你心血來潮，決定統計下不同年齡層次的人對不同種類咖啡的偏愛，這可以算資料分析，但你要說自己在資料探勘，那就有點說不過去了。
其次，資料探勘包含的過程比資料分析要廣。某種意義上來說，這也和它處理的資料規模有關。除了分析統計之外，大資料的收集、提取關鍵資訊、儲存，都是比較有挑戰性的事情。
最後，大資料（Big Data）其實屬於buzzword。我不知道buzzword該怎麼翻譯，要翻譯成忽悠，可能有點過了。然後資料探勘其實也是buzzword。以前有本書，本來叫《實用機器學習》（Practical machine learning），主要內容是介紹機器學習的基本概念，然後包含用Java語言編寫的一些示例程式碼，演示如何在實際問題上應用機器學習。然後出版商感覺不好賣，就給改成了《資料探勘：實用機器學習工具與技術的Java實現》（Data mining: Practical machine learning tools and techniques with Java Implementation）。然後buzzword的含義，其實都是不能太過深究的，換句話說，都是大筐子，什麼都往裡裝。
（慘遭改名的書——第一版的封面沒找到，這是第二版的封面）
技術棧Python資料分析專家，基本上就是numpy、pandas、sklearn這些，然後有的場合可能還需要視覺化，比如matplotlib和seaborn之類，甚至有的場合還需要你會神經網路，比如TensorFlow或者PyTorch。
至於Python資料探勘專家，既然前面已經說了資料探勘是buzzword，所以Python資料探勘專家的技術棧就很龐雜了。除了上面資料分析的那些，還可能包括網頁爬取（比如Scrapy），大資料儲存與處理（比如Hadoop、Spark都有Python介面），傳統關係型資料庫（主要是SQL查詢，因為有很多內部資料可能存在關係型資料庫裡），甚至叢集和虛擬化技術（資料大到一定程度，單機處理來不及）。