什么是數據分析

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。

什么是數據挖掘

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。

數據挖掘和數據分析的主要區別

1、數據分析的重點是觀察數據，而數據挖掘的重點是從數據中發現“知識規則”KDD。
2、數據分析得出的結論是人的智力活動結果，而數據挖掘得出的結論是機器從學習集（或訓練集、樣本集）發現的知識規則。
3、數據分析得出結論的運用是人的智力活動，而數據挖掘發現的知識規則，可以直接應用到預測。
4、數據分析不能建立數學模型，需要人工建模，而“數據挖掘”直接完成了數學建模。如傳統的控制論建模的本質就是描述輸入變量與輸出變量之間的函數關系，數據挖掘可以通過機器學習自動建立輸入與輸出的函數關系，根據KDD得出的“規則”，給定一組輸入參數，就可以得出一組輸出量。

數據挖掘和數據分析的區別示例

有一些人總是不及時向電信運營商繳錢，如何發現它們？
數據分析：通過對數據的觀察，我們發現不及時繳錢人群里的貧困人口占82%。所以結論是收入低的人往往會繳費不及時。結論就需要降低資費。
數據挖掘：通過編寫好的算法自行發現深層次的原因。原因可能是，家住在五環以外的人，由于環境偏遠不及時繳錢。結論就需要多設立一些營業廳或者自助繳費點。

以上是思邁特軟件Smartbi的分享，更多行業干貨可關注我們下一期的分享。思邁特軟件Smartbi是知名國產BI品牌,專注于商業智能BI與大數據BI分析平臺軟件產業的研發及服務。經過多年持續自主研發，凝聚大量商業智能最佳實踐經驗，整合了各行業的數據分析和決策支持的功能需求。滿足最終用戶在企業級報表、數據可視化分析、自助探索分析、數據挖掘建模、AI智能分析等大數據分析需求。

現個人版提供全模塊長期免費使用，有興趣的小伙伴可登陸官網免費試用~

?