1樓：海同職座標**
資料分析與資料探勘的目的不一樣，資料分析是有明確的分析群體，就是對群體進行各個維度的拆、分、組合，來找到問題的所在，而資料發挖掘的目標群體是不確定的，需要我們更多是是從資料的內在聯絡上去分析，從而結合業務、使用者、資料進行更多的洞察解讀。
資料分析與資料探勘的思考方式不同，一般來講，資料分析是根據客觀的資料進行不斷的驗證和假設，而資料探勘是沒有假設的，但你也要根據模型的輸出給出你評判的標準。
我們經常做分析的時候，資料分析需要的思維性更強一些，更多是運用結構化、mece的思考方式，類似程式中的假設。
分析框架（假設）+客觀問題（資料分析）=結論（主觀判斷）
而資料探勘大多數是大而全，多而精，資料越多模型越可能精確，變數越多，資料之間的關係越明確
資料分析更多依賴於業務知識，資料探勘更多側重於技術的實現，對於業務的要求稍微有所降低，資料探勘往往需要更大資料量，而資料量越大，對於技術的要求也就越高需要比較強的程式設計能力，數學能力和機器學習的能力。如果從結果上來看，資料分析更多側重的是結果的呈現，需要結合業務知識來進行解讀。而資料探勘的結果是一個模型，通過這個模型來分析整個資料的規律，一次來實現對於未來的**，比如判斷使用者的特點，使用者適合什麼樣的營銷活動。
顯然，資料探勘比資料分析要更深一個層次。資料分析是將資料轉化為資訊的工具，而資料探勘是將資訊轉化為認知的工具。
其實不論資料分析還是資料探勘，能抓住老鼠的就是好貓，真的沒必要糾結他們之前的區別，難道你給領導彙報時，第一部分是資料分析得出，第二部分是資料探勘得出？他們只關注你分析的邏輯、呈現的方式。
2樓：
資料探勘與資料分析兩者緊密相連，具有迴圈遞迴的關係，資料分析結果需要進一步進行資料探勘才能指導決策，而資料探勘進行價值評估的過程也需要調整先驗約束而再次進行資料分析。
而兩者的具體區別在於：
（其實資料分析的範圍廣，包含了資料探勘，在這裡區別主要是指統計分析）
資料量上：資料分析的資料量可能並不大，而資料探勘的資料量極大。
約束上：資料分析是從一個假設出發，需要自行建立方程或模型來與假設吻合，而資料探勘不需要假設，可以自動建立方程。
物件上：資料分析往往是針對數字化的資料，而資料探勘能夠採用不同型別的資料，比如聲音，文字等。
結果上：資料分析對結果進行解釋，呈現出有效資訊，資料探勘的結果不容易解釋，對資訊進行價值評估，著眼於**未來，並提出決策性建議。
資料分析是把資料變成資訊的工具，資料探勘是把資訊變成認知的工具，如果我們想要從資料中提取一定的規律（即認知）往往需要資料分析和資料探勘結合使用。
大資料開發和資料分析有什麼區別？
3樓：南瓜蘋果
1、技術區別
大資料開發類的崗位對於code能力、工程能力有一定要求，這意味著需要有一定的程式設計能力，有一定的語言能力，然後就是解決問題的能力。
因為大資料開發會涉及到大量的開源的東西，而開源的東西坑比較多，所以需要能夠快速的定位問題解決問題，如果是零基礎，適合有一定的開發基礎，然後對於新東西能夠快速掌握。
如果是大資料分析類的職位，在業務上，需要你對業務能夠快速的瞭解、理解、掌握，通過資料感知業務的變化，通過對資料的分析來做業務的決策。
在技術上需要有一定的資料處理能力，比如一些指令碼的使用、sql資料庫的查詢，execl、sas、r等工具的使用等等。在工具層面上，變動的範圍比較少，主要還是業務的理解能力。
2、薪資區別
作為it類職業中的「大熊貓」，大資料工程師的收入待遇可以說達到了同類的頂級。國內it、通訊、行業招聘中，有10%都是和大資料相關的，且比例還在上升。
在美國，大資料工程師平均每年薪酬高達17.5萬美元。大資料開發工程師在一線城市和大資料發展城市的薪資是比較高的。
大資料分析：大資料分析同樣作為高收入技術崗位，薪資也不遑多讓，並且，我們可以看到，擁有3-5年技術經驗的人才薪資可達到30k以上。
3、資料儲存不同
傳統的資料分析資料量較小，相對更加容易處理。不需要過多考慮資料的儲存問題。而大資料所涉及到的資料具有海量、多樣性、高速性以及易變性等特點。因此需要專門的儲存工具。
4、資料探勘的方式不同
傳統的資料分析資料一般採用人工挖掘或者收集。而面對大資料人工已經無法實現最終的目標，因此需要跟多的大資料技術實現最終的資料探勘，例如爬蟲。
4樓：加米穀大資料科技
大資料平臺應用開發是目前一個就業的熱門方向，一方面是大資料開發的場景眾多，另一方面是難度並不高，能夠接納的從業人數也非常多。大資料開發是在大資料平臺基礎之上的開發，充分利用大資料平臺提供的功能來滿足企業的實際需求。
大資料分析是大資料應用的一個重點。大資料分析是基於大資料平臺提供的功能進行具體的資料分析，資料分析與場景有密切的關係，比如出行大資料分析、營銷大資料分析、金融大資料分析等等。
大資料開發工程師：
開發，建設，測試和維護架構，負責公司大資料平臺的開發和維護，負責大資料平臺持續整合相關工具平臺的架構設計與產品開發等；
資料分析師：
收集，處理和執行統計資料分析；運用工具，提取、分析、呈現資料，實現資料的商業意義，需要業務理解和工具應用能力；
5樓：千鋒知道小助手
首先需要定義什麼叫大資料，大資料顧名思義資料量要大，至於多大才算大資料我也不清楚，還有一個是特徵維度多才能稱得上大資料。
處理大量特徵維度的大資料，通過人自己去發現規律是很難的一件事情，所以大資料分析更多需要的是程式設計能力和數學能力等，比如說機器學習，深度學習等演算法的應用。
當然在資料分析也可以利用機器學習去進行分析，不過在資料分析方面更多是通過統計學去發現解釋問題。當然有一些分析思路是想通的。
6樓：匿名使用者
簡單點來說，大資料開發就是做大量資料的分散式計算的。
資料分析主要是做資料的收集、挖掘、清洗、分析，最後形成分析報告
想學的話可以參考下科多大。
7樓：河北中公優就業
大資料工程師會的東西很多，首先是懂業務，脫離行業認知和公司業務背景，分析的結果就沒有太大的使用價值。所以說一名出色的大資料工程師，對於本行業本領域一定是很熟悉，最好是有自己獨到的見解。
其次是要懂管理，這個一方面是搭建資料分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導;另一方面是針對資料分析結論提出有指導意義的分析建議。然後懂分析師最最基本的，能夠掌握資料分析基本原理與一些有效的資料分析方法，並能靈活運用到實踐工作中，對於開展資料分析起著至關重要的作用。接著，對於工具的掌握，也是很基本的，畢竟人腦對於資料的容量都是有限的。
最後，大資料工程師可能還要懂點設計，能夠運用圖表有效表達資料分析師的分析觀點，使分析結果一目瞭然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。
以上，作為一名大資料工程師，需要掌握的基礎技能大概就這些，以上這些技能的養成不是一朝一夕，所以說被取代也是極其不易的，本身大資料分析並不是一蹴而就的事情，而是需要你日積月累的資料處理經驗。什麼樣的人會被輕易替代呢?不求甚解，似懂非懂，幹了多少年還看不透本質，遇到問題仍然懵懂不解茫然無措，整日坐著重複性工作的人，才有可能被替代，也激素是所謂的青春飯，反觀大資料，掌握的技能越多。
資料分析行業絕對是一個朝陽行業，特別是網際網路的不斷髮展，一個不談資料的公司根本不叫網際網路公司，大資料工程師已經成為一個網際網路公司必備的職位了。有興趣的小夥伴可以瞭解一下優就業的大資料課程，零基礎適學，緊扣市場熱門技術和熱門崗位，結合專案實戰培養多方位大資料人才，畢業以後可以從事大資料運維、大資料開發、大資料分析等工作崗位。希望各位小夥伴能找準自己的方向，入行大資料要趁早啊。
大資料、資料分析和資料探勘的區別是什麼？
8樓：時時時擦
區別：大資料
是網際網路的海量資料探勘，而資料探勘更多是針對內部企業行業小眾化的資料探勘，資料分析就是進行做出針對性的分析和診斷，大資料需要分析的是趨勢和發展，資料探勘主要發現的是問題和診斷。
釋義：大資料：指無法在可承受的時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產；在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大資料時代》 中大資料指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有資料進行分析處理。
大資料的5v特點（ibm提出）：volume（大量）、velocity（高速）、variety（多樣）、value（價值）veracity（真實性） 。
資料分析：是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支援過程。
在實用中，資料分析可幫助人們作出判斷，以便採取適當行動。
資料分析的數學基礎在20世紀早期就已確立，但直到計算機的出現才使得實際操作成為可能，並使得資料分析得以推廣。資料分析是數學與電腦科學相結合的產物。
9樓：cda資料分析師
1、大資料：指無法在可承受的時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產。
大資料的5v特點（ibm提出）：volume（大量）、velocity（高速）、variety（多樣）、value（價值）veracity（真實性）
2、資料分析：是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支援過程。
在實用中，資料分析可幫助人們作出判斷，以便採取適當行動。
3、資料探勘：涉及到很多的演算法，源於機器學習的神經網路，決策樹，也有基於統計學習理論的支援向量機，分類迴歸樹，和關聯分析的諸多演算法。資料探勘的定義是從海量資料中找到有意義的模式或知識。
海闊憑魚躍，天高任鳥飛。對於進入這個行業的同學而言，你可以選擇讀研後再進入這個行業，也可以先就業，用你的工作經驗彌補你的學歷不足。大資料、資料分析或資料探勘是實踐性很強的學科，從實際工作中獲取的知識和能力是你在學校裡面無法學習到的，企業最終也是看重你的實際工作能力。
資料分析師和資料探勘工程師的區別是什麼
cda資料分析師 1 資料分析 的重點是觀察資料，而 資料探勘 的重點是從資料中發現 知識規則 2 資料分析 得出的結論是人的智慧活動結果，而 資料探勘 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 資料分析 得出結論的運用是人的智力活動，而 資料探勘 發現的知識規則，可以直接應用...
銷售資料分析，銷售資料分析
1 銷售排名 優秀的銷售都喜歡拼第一，所以銷售龍虎榜尤為重要，每天莓菌會通過實際業績排名對前三名員工給予相應的獎勵，老闆也會通過排行榜瞭解各部門業績情況。3 庫存管理 對於銷售而言，瞭解公司庫存會節約很大的成本，因為一旦缺貨就會影響正常的交付時間。而管理者，通過圖表來了解產品銷售情況，哪些產品賣的好...
資料分析師，資料探勘師，大資料工程師，三者的工作有何區別
大資料是網際網路上海量的資料探勘，而資料探勘更多的是針對企業內部的小資料探勘，資料分析是進行有針對性的分析和診斷，大資料需要分析的是趨勢和發展趨勢，資料探勘主要是發現問題和診斷。資料分析更多采用統計學的知識，對原資料進行描述性和探索性分析，從結果中發現價值資訊來評估和修正現狀。資料探勘不僅僅用到統計...