通俗點說，數據分析是本科生，通過簡單的統計來觀察小數據，解決相對簡單問題，比如用戶年齡分布分析；而數據挖掘是研究生，通過機器學習算法建模，要深挖大數據背后的模式，來解決復雜問題，比如個性化推薦。

方法論方面：一個是統計，一個是機器學習

數據分析作用的多數是概率統計理工具，比如留存率的分析，大多數上是對歷史數據的某個維度的展示。而數據挖掘，背后的目標隱藏在大數據中，需要通過機器學習、深度學習理論去預測，比如挖掘用戶的喜好，本質上是對用戶未來行為的預測。

工具層面：一個是excel，一個是代碼

數據分析，通過excel可以基本搞定，excel內置很多統計函數，頂多做個簡單的線性回歸分析。而數據挖掘，將要利用大數據、機器學習等用更專業的編程語言來實現，比如python調用sklearn或xgboost，來實現。

數據層面：一個是小數據，一個是大數據

數據分析數據量上相對小，或者很多數據都進行了聚合。比如通過分析某商品的近幾年的銷量來看市場趨勢。而數據挖掘，背后對應的大部分為海量數據，比如通過用戶行為日志，來對用戶做千人千面的個性化推薦。

實際項目中，以實際需求驅動，根據實際情況選不同的方法。