淺談數(shù)據(jù)挖掘與數(shù)據(jù)分析？

數(shù)據(jù)分析和數(shù)據(jù)挖掘都可以做為“玩數(shù)據(jù)”的方法論，兩者有很多的共性，也有顯著的差異。從分析的目的來看，數(shù)據(jù)分析一般是對(duì)歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)上的一些分析，數(shù)據(jù)挖掘更側(cè)重于機(jī)器對(duì)未來的預(yù)測(cè)，一般應(yīng)用于分類、聚類、推薦、關(guān)聯(lián)規(guī)則等。

數(shù)據(jù)分析(狹義)與數(shù)據(jù)挖掘的本質(zhì)都是一樣的，都是從數(shù)據(jù)里面發(fā)現(xiàn)關(guān)于業(yè)務(wù)的知識(shí)(有價(jià)值的信息)，從而幫助業(yè)務(wù)運(yùn)營(yíng)、改進(jìn)產(chǎn)品以及幫助企業(yè)做更好的決策.

從分析的過程來看，數(shù)據(jù)分析更側(cè)重于統(tǒng)計(jì)學(xué)上面的一些方法，經(jīng)過人的推理演譯得到結(jié)論;數(shù)據(jù)挖掘更側(cè)重由機(jī)器進(jìn)行自學(xué)習(xí)，直接到得到結(jié)論。 從分析的結(jié)果看，數(shù)據(jù)分析的結(jié)果是準(zhǔn)確的統(tǒng)計(jì)量，而數(shù)據(jù)挖掘得到的一般是模糊的結(jié)果。 ‘?dāng)?shù)據(jù)分析’的重點(diǎn)是觀察數(shù)據(jù)，‘數(shù)據(jù)挖掘’的重點(diǎn)是從數(shù)據(jù)中發(fā)現(xiàn)‘知識(shí)規(guī)則’KDD(Knowledge Discover in Database)。

‘?dāng)?shù)據(jù)分析、數(shù)據(jù)統(tǒng)計(jì)’得出的結(jié)論是人的智力活動(dòng)結(jié)果，‘數(shù)據(jù)挖掘’得出的結(jié)論是機(jī)器從學(xué)習(xí)集(或訓(xùn)練集、樣本集)發(fā)現(xiàn)的知識(shí)規(guī)則。 ‘?dāng)?shù)據(jù)分析’需要人工建模，‘數(shù)據(jù)挖掘’自動(dòng)完成數(shù)學(xué)建模。

數(shù)據(jù)挖掘與數(shù)據(jù)分析的主要區(qū)別是什么

1、計(jì)算機(jī)編程能力的要求

作為數(shù)據(jù)分析很多情況下需要用到成型的分析工具，比如EXCEL、SPSS，或者SAS、R。很多的數(shù)據(jù)分析人員做的工作都是從原始數(shù)據(jù)到各種拆分匯總，再經(jīng)過分析，最后形成完整的分析報(bào)告。當(dāng)然原始數(shù)據(jù)可以是別人提供，也可以自己提取(作為一名合格的數(shù)據(jù)分析師，懂點(diǎn)SQL知識(shí)是很有好處的)。 而數(shù)據(jù)挖掘則需要有編程基礎(chǔ)。為什么這樣說呢?舉兩個(gè)理由：第一個(gè)，目前的數(shù)據(jù)挖掘方面絕大多數(shù)是隸屬于計(jì)算機(jī)系;第二點(diǎn)，在招聘崗位上，國(guó)內(nèi)比較大的公司掛的崗位名稱大多數(shù)為‘數(shù)據(jù)挖掘工程師’。從這兩點(diǎn)就可以明確看出數(shù)據(jù)挖掘跟計(jì)算機(jī)跟編程有很大的聯(lián)系。

2、在對(duì)行業(yè)的理解的能力

要想成為一名優(yōu)秀的數(shù)據(jù)分析師，對(duì)于所從事的行業(yè)有比較深的了解和理解是必須要具備的，并且能夠?qū)?shù)據(jù)與自身的業(yè)務(wù)緊密結(jié)合起來。簡(jiǎn)單舉個(gè)例子來說，給你一份業(yè)務(wù)經(jīng)營(yíng)報(bào)表，你就能在腦海中勾畫出目前經(jīng)營(yíng)狀況圖，能夠看出哪里出現(xiàn)了問題。但是，從事數(shù)據(jù)挖掘不一定要求對(duì)行業(yè)有這么高的要求。

3、專業(yè)知識(shí)面的要求

數(shù)據(jù)分析師出對(duì)行業(yè)要了解外，還要懂得一些統(tǒng)計(jì)學(xué)、營(yíng)銷、經(jīng)濟(jì)、心理學(xué)、社會(huì)學(xué)等方面的知識(shí)，當(dāng)然能了解數(shù)據(jù)挖掘的一些知識(shí)會(huì)更好。數(shù)據(jù)挖掘工程師則要求要比較熟悉數(shù)據(jù)庫(kù)技術(shù)、熟悉數(shù)據(jù)挖掘的各種算法，能夠根據(jù)業(yè)務(wù)需求建立數(shù)據(jù)模型并將模型應(yīng)用于實(shí)際，甚至需要對(duì)已有的模型和算法進(jìn)行優(yōu)化或者開發(fā)新的算法模型。想要成為優(yōu)秀的數(shù)據(jù)挖掘工程師，良好的數(shù)學(xué)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、編程能力是必不可少的。

總之一句話來概括的話，數(shù)據(jù)分析師更關(guān)注于業(yè)務(wù)層面，數(shù)據(jù)挖掘工程師更關(guān)注于技術(shù)層面。 數(shù)據(jù)分析師與數(shù)據(jù)挖掘工程師的相似點(diǎn)：

1、都跟數(shù)據(jù)打交道。

他們玩的都是數(shù)據(jù)，如果沒有數(shù)據(jù)或者搜集不到數(shù)據(jù)，他們都要丟飯碗。

2、知識(shí)技能有很多交叉點(diǎn)。

他們都需要懂統(tǒng)計(jì)學(xué)，懂?dāng)?shù)據(jù)分析一些常用的方法，對(duì)數(shù)據(jù)的敏感度比較好。

3、在職業(yè)上他們沒有很明顯的界限。

很多時(shí)候數(shù)據(jù)分析師也在做挖掘方面的工作，而數(shù)據(jù)挖掘工程師也會(huì)做數(shù)據(jù)分析的工作，數(shù)據(jù)分析也有很多時(shí)候用到數(shù)據(jù)挖掘的工具和模型，很多數(shù)據(jù)分析從業(yè)者使用SAS、R就是一個(gè)很好的例子。而在做數(shù)據(jù)挖掘項(xiàng)目時(shí)同樣需要有人懂業(yè)務(wù)懂?dāng)?shù)據(jù)，能夠根據(jù)業(yè)務(wù)需要提出正確的數(shù)據(jù)挖掘需求和方案能夠提出備選的算法模型，實(shí)際上這樣的人一腳在數(shù)據(jù)分析上另一只腳已經(jīng)在數(shù)據(jù)挖掘上了。 事實(shí)上沒有必要將數(shù)據(jù)分析和數(shù)據(jù)挖掘分的特別清，但是我們需要看到兩者的區(qū)別和聯(lián)系，作為一名數(shù)據(jù)行業(yè)的從業(yè)者，要根據(jù)自身的特長(zhǎng)和愛好規(guī)劃自己的職業(yè)生涯，以尋求自身價(jià)值的最大化。

數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別

數(shù)據(jù)分析可以分為廣義的數(shù)據(jù)分析和狹義的數(shù)據(jù)分析，廣義的數(shù)據(jù)分析就包括狹義的數(shù)據(jù)分析和數(shù)據(jù)挖掘，我們常說的數(shù)據(jù)分析就是指狹義的數(shù)據(jù)分析。

數(shù)據(jù)分析(狹義)：

(1)定義：簡(jiǎn)單來說，數(shù)據(jù)分析就是對(duì)數(shù)據(jù)進(jìn)行分析。專業(yè)的說法，數(shù)據(jù)分析是指根據(jù)分析目的，用適當(dāng)?shù)?a href='/map/tongjifenxi/' style='color:#000;font-size:inherit;'>統(tǒng)計(jì)分析方法及工具，對(duì)收集來的數(shù)據(jù)進(jìn)行處理與分析，提取有價(jià)值的信息，發(fā)揮數(shù)據(jù)的作用。 (2)作用：它主要實(shí)現(xiàn)三大作用：現(xiàn)狀分析、原因分析、預(yù)測(cè)分析(定量)。數(shù)據(jù)分析的目標(biāo)明確，先做假設(shè)，然后通過數(shù)據(jù)分析來驗(yàn)證假設(shè)是否正確，從而得到相應(yīng)的結(jié)論。 (3)方法：主要采用對(duì)比分析、分組分析、交叉分析、回歸分析等常用分析方法; (4)結(jié)果：數(shù)據(jù)分析一般都是得到一個(gè)指標(biāo)統(tǒng)計(jì)量結(jié)果，如總和、平均值等，這些指標(biāo)數(shù)據(jù)都需要與業(yè)務(wù)結(jié)合進(jìn)行解讀，才能發(fā)揮出數(shù)據(jù)的價(jià)值與作用;

數(shù)據(jù)挖掘：

(1)定義：數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中，通過統(tǒng)計(jì)學(xué)、人工智能、機(jī)器學(xué)習(xí)等方法，挖掘出未知的、且有價(jià)值的信息和知識(shí)的過程。 (2)作用：數(shù)據(jù)挖掘主要側(cè)重解決四類問題：分類、聚類、關(guān)聯(lián)和預(yù)測(cè)(定量、定性)，數(shù)據(jù)挖掘的重點(diǎn)在尋找未知的模式與規(guī)律;如我們常說的數(shù)據(jù)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(jià)值的信息; (3)方法：主要采用決策樹、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則、聚類分析等統(tǒng)計(jì)學(xué)、人工智能、機(jī)器學(xué)習(xí)等方法進(jìn)行挖掘; (4)結(jié)果：輸出模型或規(guī)則，并且可相應(yīng)得到模型得分或標(biāo)簽，模型得分如流失概率值、總和得分、相似度、預(yù)測(cè)值等，標(biāo)簽如高中低價(jià)值用戶、流失與非流失、信用優(yōu)良中差等; 綜合起來，數(shù)據(jù)分析(狹義)與數(shù)據(jù)挖掘的本質(zhì)都是一樣的，都是從數(shù)據(jù)里面發(fā)現(xiàn)關(guān)于業(yè)務(wù)的知識(shí)(有價(jià)值的信息)，從而幫助業(yè)務(wù)運(yùn)營(yíng)、改進(jìn)產(chǎn)品以及幫助企業(yè)做更好的決策。所以數(shù)據(jù)分析(狹義)與數(shù)據(jù)挖掘構(gòu)成廣義的數(shù)據(jù)分析。