1樓：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，可以直接應用到**。
4、「資料分析」不能建立數學模型，需要人工建模，而「資料探勘」直接完成了數學建模。
5、相對而言，資料探勘工程師對統計學，機器學習等技能的要求比資料分析師高得多。
6、很多情況下，資料探勘工程師同時兼任資料分析師的角色。
關於資料分析師和資料探勘工程師的區別可以到cda認證機構瞭解一下，為響應教育部《關於在院校實施「學歷證書+若干職業技能等級證書」制度試點方案》（簡稱1+x證書）和產學合作協同育人專案，通過「以證促學」的方式， 深化複合型技術人才培養模式和評價模式改革，培養更多具有良好專業知識、實際操作技能和職業態度的高素質、高技能的應用型人才。cda及其認可的教育機構已與國內100多家高校達成了合作， 制定了cda全國統一的管理制度標準，建立了高校考試中心、專業共建及新時代資料科學人才培養基地！
2樓：匿名使用者
資料分析師崗位重在「分析」，資料探勘工程師崗位重點是要「挖掘」。
1、【資料分析師】:基於業務，通過資料分析手段發現和分析業務問題，為決策作支援。一般招聘這類崗位的公司規模都不會太小，人數可能不是一個唯一的衡量指標，但是業務規模肯定比較大,反而言之，業務規模太小的公司就沒什麼可分析的了。
2、此崗位重在「分析」，首先要有一定的資料靈敏度和數學底子，知道在什麼樣的資料規模下，需要看什麼樣的資料指標。瞭解常規的資料探勘演算法，可以使用一些工具得到預期的結果。當然用工具的話是需要公司系統支援一些資料分析軟體的，spss啊，clementine什麼的，如果沒有，說句難聽的，弄個excel**在有些公司也叫資料分析師。
當然有些資料分析師excel玩兒的可以很溜，可以用excel模擬一個ctr預估演算法的迭代過程。
3、【資料探勘工程師】：偏技術，通過建立模型、演算法、**等提供一些通用的解決方案，當然也有針對某業務的。崗位重點是要「挖掘」，所以對於人的要求就是要熟悉挖掘的方法，挖掘的工具，或者至少知道在什麼平臺應該用什麼工具，面對什麼樣的需求應該怎麼解。
4、簡單來說就是負責接收需求然後產出結果，大部分公司的資料探勘工程師都比較被動，比如bi找你說「我要100年內的明星資料，而且要知道他們每個人在什麼年代拍過什麼型別的**」，這時候你就需要做資料採集，加工整理，結果產出。中間可能會加一些資料視覺化或者演算法工作，但都要求不高。
5、程式設計底子不錯的，適宜做資料探勘工程師。數學不錯有商業頭腦的，適宜做資料分析師。
3樓：匿名使用者
資料分析師主要工作就是通過資料去解決企業實際遇到的問題，包括根據資料分析的原因和結果推理以及**未來進行制定方案、對調研蒐集到的各種產品資料的整理、對資料進行分類和彙總等等。而且發展前景很好，畢竟資料分析這一行在國內才剛剛起步，很多企業都需要這方面的人才，是很有潛力的，這一行偏商科，技術輔助。真正的大牛不是資料分析工具技術，而是用資料幫助企業在產品、**、**、顧客、流量、財務、廣告、流程、工藝等方面進行價值提升的人。
像我本人就是自學的資料分析師然後畢業後去了決明工作，現在基本實現了財務自由，但想成為大資料分析師的話，需要日積月累堅持沉澱下去，相信你總有一天也能達到這個層次。
資料分析師和資料探勘工程師的區別
4樓：尊威天下網路
1.資料分析和資料探勘聯絡和區別 聯絡：都是搞資料的 區別：資料分析偏統計，視覺化，出報表和報告，需要較強的表達能力。資料探勘偏演算法，重模型，需要很深的**功底，要碼**，很多
5樓：匿名使用者
資料分析師崗位重在「分析」，資料探勘工程師崗位重點是要「挖掘」。
1、【資料分析師】
62616964757a686964616fe59b9ee7ad9431333365643661:基於業務，通過資料分析手段發現和分析業務問題，為決策作支援。一般招聘這類崗位的公司規模都不會太小，人數可能不是一個唯一的衡量指標，但是業務規模肯定比較大,反而言之，業務規模太小的公司就沒什麼可分析的了。
2、此崗位重在「分析」，首先要有一定的資料靈敏度和數學底子，知道在什麼樣的資料規模下，需要看什麼樣的資料指標。瞭解常規的資料探勘演算法，可以使用一些工具得到預期的結果。當然用工具的話是需要公司系統支援一些資料分析軟體的，spss啊，clementine什麼的，如果沒有，說句難聽的，弄個excel**在有些公司也叫資料分析師。
當然有些資料分析師excel玩兒的可以很溜，可以用excel模擬一個ctr預估演算法的迭代過程。
3、【資料探勘工程師】：偏技術，通過建立模型、演算法、**等提供一些通用的解決方案，當然也有針對某業務的。崗位重點是要「挖掘」，所以對於人的要求就是要熟悉挖掘的方法，挖掘的工具，或者至少知道在什麼平臺應該用什麼工具，面對什麼樣的需求應該怎麼解。
4、簡單來說就是負責接收需求然後產出結果，大部分公司的資料探勘工程師都比較被動，比如bi找你說「我要100年內的明星資料，而且要知道他們每個人在什麼年代拍過什麼型別的**」，這時候你就需要做資料採集，加工整理，結果產出。中間可能會加一些資料視覺化或者演算法工作，但都要求不高。
5、程式設計底子不錯的，適宜做資料探勘工程師。數學不錯有商業頭腦的，適宜做資料分析師。
資料探勘與資料分析的主要區別是什麼
6樓：南霽月
總結一下主要有以下幾點：
1、計算機程式設計能力的要求
作為資料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。一個完全不懂程式設計，不會敲**的人完全可以是一名能好的資料分析師，因為一般情況下office包含的幾個工具已經可以滿足大多數資料分析的要求了。很多的資料分析人員做的工作都是從原始資料到各種拆分彙總，再經過分析，最後形成完整的分析報告。
當然原始資料可以是別人提供，也可以自己提取（作為一名合格的資料分析師，懂點sql知識是很有好處的）。
而資料探勘則需要有程式設計基礎。為什麼這樣說呢？舉兩個理由：
第一個，目前的資料探勘方面及相關的研究生方面絕大多數是隸屬於計算機系；第二點，在招聘崗位上，國內比較大的公司掛的崗位名稱大多數為「資料探勘工程師」。從這兩點就可以明確看出資料探勘跟計算機跟程式設計有很大的聯絡。
2、在對行業的理解的能力
要想成為一名優秀的資料分析師，對於所從事的行業有比較深的瞭解和理解是必須要具備的，並且能夠將資料與自身的業務緊密結合起來。簡單舉個例子來說，給你一份業務經營報表，你就能在腦海中勾畫出目前經營狀況圖，能夠看出**出現了問題。但是，從事資料探勘不一定要求對行業有這麼高的要求。
3、專業知識面的要求
資料分析師出對行業要了解外，還要懂得一些統計學、營銷、經濟、心理學、社會學等方面的知識，當然能瞭解資料探勘的一些知識會更好。資料探勘工程師則要求要比較熟悉資料庫技術、熟悉資料探勘的各種演算法，能夠根據業務需求建立資料模型並將模型應用於實際，甚至需要對已有的模型和演算法進行優化或者開發新的演算法模型。想要成為優秀的資料探勘工程師，良好的數學、統計學、資料庫、程式設計能力是必不可少的。
總之一句話來概括的話，資料分析師更關注於業務層面，資料探勘工程師更關注於技術層面。
資料分析師與資料探勘工程師的相似點：
1、都跟資料打交道。
他們玩的都是資料，如果沒有資料或者蒐集不到資料，他們都要丟飯碗。
2、知識技能有很多交叉點。
他們都需要懂統計學，懂資料分析一些常用的方法，對資料的敏感度比較好。
3、在職業上他們沒有很明顯的界限。
很多時候資料分析師也在做挖掘方面的工作，而資料探勘工程師也會做資料分析的工作，資料分析也有很多時候用到資料探勘的工具和模型，很多資料分析從業者使用sas、r就是一個很好的例子。而在做資料探勘專案時同樣需要有人懂業務懂資料，能夠根據業務需要提出正確的資料探勘需求和方案能夠提出備選的演算法模型，實際上這樣的人一腳在資料分析上另一隻腳已經在資料探勘上了。
事實上沒有必要將資料分析和資料探勘分的特別清，但是我們需要看到兩者的區別和聯絡，作為一名資料行業的從業者，要根據自身的特長和愛好規劃自己的職業生涯，以尋求自身價值的最大化。
sc-cpda 資料分析公眾交流平臺
7樓：橋偲須柔
從分析的目的來看，資料分析一般是對歷史資料進行統計學上的一些分析，資料探勘更側重於機器對未來的**，一般應用於分類、聚類、推薦、關聯規則等。
從分析的過程來看，資料分析更側重於統計學上面的一些方法，經過人的推理演譯得到結論；資料探勘更側重由機器進行自學習，直接到得到結論。
從分析的結果看，資料分析的結果是準確的統計量，而資料探勘得到的一般是模糊的結果。
「資料分析」的重點是觀察資料，「資料探勘」的重點是從資料中發現「知識規則」kdd（knowledge
discover
indatabase）。
「資料分析、資料統計」得出的結論是人的智力活動結果，「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。
「資料分析」需要人工建模，「資料探勘」自動完成數學建模。
資料分析師是做什麼的？
8樓：
資料分析師主要工作是在本行業內將各種資料進行蒐集、整理、分析，然後根據這些資料進行分析判斷，在分析資料後對行業發展、行業知識規則等等進行**和挖掘。資料分析師是資料師其中的一種，另一種是資料探勘工程師，兩者都是專業型人才。
擴充套件資料
資料分析師和資料探勘工程師的區別
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，可以直接應用到**。
4、「資料分析」不能建立數學模型，需要人工建模，而「資料探勘」直接完成了數學建模。
5、相對而言，資料探勘工程師對統計學，機器學習等技能的要求比資料分析師高得多。
6、很多情況下，資料探勘工程師同時兼任資料分析師的角色。
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...
資料分析師如何選擇合適的資料分析工具
袋鼠雲 其實題主需要搞清楚以下幾個問題，搞清楚了，其實問題的答案也就有了 1 是從個人學習成長的角度想搭建平臺自學？還是現在的公司需要大資料技術進行分析？如果是從個人學習成長的角度，建議直接按照hadoop或者spark的官網教程安裝即可，建議看官網 英文 在大資料技術領域，英語的掌握是非常重要的，...
資料探勘需要哪些技能，資料探勘工程師需要具備哪些技能
用ethink平臺做資料探勘很簡單，零 資料探勘工程師需要具備哪些技能?資料探勘工程師要具備哪些技能?1 程式設計 統計語言 資料探勘在很大程度上依賴於程式設計，根據kd nuggets的研究，r和python是資料科學中最受歡迎的程式語言。2 大資料處理框架 hadoop，storm，samza，...