共计 1260 个字符，预计需要花费 4 分钟才能阅读完成。
什么是数据分析
1）定义：简略来说，数据分析就是对数据进行剖析。业余的说法，数据分析是指依据剖析目标，用适当的统计分析办法及工具，对收集来的数据进行解决与剖析，提取有价值的信息，施展数据的作用。
2）作用：它次要实现三大作用：现状剖析、起因剖析、预测剖析（定量）。数据分析的指标明确，先做假如，而后通过数据分析来验证假如是否正确，从而失去相应的论断。
3）办法：次要采纳比照剖析、分组剖析、穿插剖析、回归剖析等罕用分析方法；
4）后果：数据分析个别都是失去一个指标统计量后果，如总和、平均值等，这些指标数据都须要与业务联合进行解读，能力施展出数据的价值与作用。
什么是数据挖掘
1）定义：数据挖掘是指从大量的数据中，通过统计学、人工智能、机器学习等办法，挖掘出未知的、且有价值的信息和常识的过程。
2）作用：数据挖掘次要偏重解决四类问题：分类、聚类、关联和预测（定量、定性），数据挖掘的重点在寻找未知的模式与法则；如咱们常说的数据挖掘案例：啤酒与尿布、安全套与巧克力等，这就是当时未知的，但又是十分有价值的信息；
3）办法：次要采纳决策树、神经网络、关联规定、聚类分析等统计学、人工智能、机器学习等办法进行开掘；
4）后果：输入模型或规定，并且可相应失去模型得分或标签，模型得分如散失概率值、总和得分、类似度、预测值等，标签如高中低价值用户、散失与非散失、信用低劣中差等。
数据挖掘和数据分析的次要区别
1、数据分析的重点是察看数据，而数据挖掘的重点是从数据中发现“常识规定”KDD。
2、数据分析得出的论断是人的智力活动后果，而数据挖掘得出的论断是机器从学习集（或训练集、样本集）发现的常识规定。
3、数据分析得出结论的使用是人的智力活动，而数据挖掘发现的常识规定，能够间接利用到预测。
4、数据分析不能建设数学模型，须要人工建模，而“数据挖掘”间接实现了数学建模。如传统的控制论建模的实质就是形容输出变量与输入变量之间的函数关系，数据挖掘能够通过机器学习主动建设输出与输入的函数关系，依据 KDD 得出的“规定”，给定一组输出参数，就能够得出一组输出量。
数据挖掘和数据分析的区别示例
有一些人总是不及时向电信运营商缴钱，如何发现它们？
数据分析：通过对数据的察看，咱们发现不及时缴钱人群里的贫困人口占 82%。所以论断是支出低的人往往会缴费不及时。论断就须要升高资费。
数据挖掘：通过编写好的算法自行发现深层次的起因。起因可能是，家住在五环以外的人，因为环境偏僻不及时缴钱。论断就须要多设立一些营业厅或者自助缴费点。
以上是思迈特软件 Smartbi 的分享，更多行业干货可关注咱们下一期的分享。思迈特软件 Smartbi 是出名国产 BI 品牌, 专一于商业智能 BI 与大数据 BI 剖析平台软件产业的研发及服务。通过多年继续自主研发，凝聚大量商业智能最佳实践经验，整合了各行业的数据分析和决策反对的性能需要。满足最终用户在企业级报表、数据可视化剖析、自助摸索剖析、数据挖掘建模、AI 智能剖析等大数据分析需要。
现个人版提供全模块长期收费应用，有趣味的小伙伴可登陆官网收费试用~
