如何從概念上分清數(shù)據(jù)挖掘與數(shù)據(jù)分析？

通俗點(diǎn)說，數(shù)據(jù)分析是本科生，通過簡(jiǎn)單的統(tǒng)計(jì)來觀察小數(shù)據(jù)，解決相對(duì)簡(jiǎn)單問題，比如用戶年齡分布分析；而數(shù)據(jù)挖掘是研究生，通過機(jī)器學(xué)習(xí)算法建模，要深挖大數(shù)據(jù)背后的模式，來解決復(fù)雜問題，比如個(gè)性化推薦。

方法論方面：一個(gè)是統(tǒng)計(jì)，一個(gè)是機(jī)器學(xué)習(xí)

數(shù)據(jù)分析作用的多數(shù)是概率統(tǒng)計(jì)理工具，比如留存率的分析，大多數(shù)上是對(duì)歷史數(shù)據(jù)的某個(gè)維度的展示。而數(shù)據(jù)挖掘，背后的目標(biāo)隱藏在大數(shù)據(jù)中，需要通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)理論去預(yù)測(cè)，比如挖掘用戶的喜好，本質(zhì)上是對(duì)用戶未來行為的預(yù)測(cè)。

工具層面：一個(gè)是excel，一個(gè)是代碼

數(shù)據(jù)分析，通過excel可以基本搞定，excel內(nèi)置很多統(tǒng)計(jì)函數(shù)，頂多做個(gè)簡(jiǎn)單的線性回歸分析。而數(shù)據(jù)挖掘，將要利用大數(shù)據(jù)、機(jī)器學(xué)習(xí)等用更專業(yè)的編程語(yǔ)言來實(shí)現(xiàn)，比如python調(diào)用sklearn或xgboost，來實(shí)現(xiàn)。

數(shù)據(jù)層面：一個(gè)是小數(shù)據(jù)，一個(gè)是大數(shù)據(jù)

數(shù)據(jù)分析數(shù)據(jù)量上相對(duì)小，或者很多數(shù)據(jù)都進(jìn)行了聚合。比如通過分析某商品的近幾年的銷量來看市場(chǎng)趨勢(shì)。而數(shù)據(jù)挖掘，背后對(duì)應(yīng)的大部分為海量數(shù)據(jù)，比如通過用戶行為日志，來對(duì)用戶做千人千面的個(gè)性化推薦。

實(shí)際項(xiàng)目中，以實(shí)際需求驅(qū)動(dòng)，根據(jù)實(shí)際情況選不同的方法。