數據分析與數據挖掘的區別

不管什么行業，數據分析都是非常重要的。數據分析可以分為廣義的數據分析和狹義的數據分析，廣義的數據分析就包括狹義的數據分析和數據挖掘，我們常說的數據分析就是指狹義的數據分析，今天我們就來說說數據分析與數據挖掘的區別。

數據分析（狹義）：

（1）定義：簡單來說，數據分析就是對數據進行分析。專業的說法，數據分析是指根據分析目的，用適當的統計分析方法及工具，對收集來的數據進行處理與分析，提取有價值的信息，發揮數據的作用。

（2）作用：它主要實現三大作用：現狀分析、原因分析、預測分析（定量）。數據分析的目標明確，先做假設，然后通過數據分析來驗證假設是否正確，從而得到相應的結論。

（3）方法：主要采用對比分析、分組分析、交叉分析、回歸分析等常用分析方法；

（4）結果：數據分析一般都是得到一個指標統計量結果，如總和、平均值等，這些指標數據都需要與業務結合進行解讀，才能發揮出數據的價值與作用；

數據挖掘：

（1）定義：數據挖掘是指從大量的數據中，通過統計學、人工智能、機器學習等方法，挖掘出未知的、且有價值的信息和知識的過程。

（2）作用：數據挖掘主要側重解決四類問題：分類、聚類、關聯和預測（定量、定性），數據挖掘的重點在尋找未知的模式與規律；如我們常說的數據挖掘案例：啤酒與尿布、安全套與巧克力等，這就是事先未知的，但又是非常有價值的信息；

（3）方法：主要采用決策樹、神經網絡、關聯規則、聚類分析等統計學、人工智能、機器學習等方法進行挖掘；

（4）結果：輸出模型或規則，并且可相應得到模型得分或標簽，模型得分如流失概率值、總和得分、相似度、預測值等，標簽如高中低價值用戶、流失與非流失、信用優良中差等；

綜合起來，數據分析（狹義）與數據挖掘的本質都是一樣的，都是從數據里面發現關于業務的知識（有價值的信息），從而幫助業務運營、改進產品以及幫助企業做更好的決策。所以數據分析（狹義）與數據挖掘構成廣義的數據分析。