百科是這樣定義資料探勘和資料分析的。
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。
更詳細的將兩者進行區分的話，可以從下面幾個方面進行理解：
資料分析可以分為廣義的資料分析和狹義的資料分析。廣義的資料分析就包括狹義的資料分析和資料探勘，我們常說的資料分析就是指狹義的資料分析。
資料分析(狹義)：
(1)定義：簡單來說，資料分析就是對資料進行分析。專業的說法，資料分析是指根據分析目的，用適當的統計分析方法及工具，對收集來的資料進行處理與分析，提取有價值的資訊，發揮資料的作用。
(2)作用：它主要實現三大作用：現狀分析、原因分析、**分析(定量)。資料分析的目標明確，先做假設，然後通過資料分析來驗證假設是否正確，從而得到相應的結論。
(3)方法：主要採用對比分析、分組分析、交叉分析、回歸分析等常用分析方法。
(4)結果：資料分析一般都是得到乙個指標統計量結果，如總和、平均值等，這些指標資料都需要與業務結合進行解讀，才能發揮出資料的價值與作用。
資料探勘：
(1)定義：資料探勘是指從大量的資料中，通過統計學、人工智慧、機器學習等方法，挖掘出未知的、且有價值的資訊和知識的過程。
(2)作用：資料探勘主要側重解決四類問題：分類、聚類、關聯和**(定量、定性)，資料探勘的重點在尋找未知的模式與規律；如我們常說的資料探勘案例：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資訊。
(3)方法：主要採用決策樹、神經網路、關聯規則、聚類分析等統計學、人工智慧、機器學習等方法進行挖掘。
(4)結果：輸出模型或規則，並且可相應得到模型得分或標籤，模型得分如流失概率值、總和得分、相似度、**值等，標籤如高中低價值使用者、流失與非流失、信用優良中差等。
綜合起來，資料分析(狹義)與資料探勘的本質都是一樣的，都是從資料裡面發現關於業務的知識(有價值的資訊)，從而幫助業務運營、改進產品以及幫助企業做更好的決策，所以資料分析(狹義)與資料探勘構成廣義的資料分析。
資料分析，是對資料的一種操作手段。或者演算法。目標是針對先驗的約束，對資料進行整理、篩選、加工，由此得到資訊。
資料探勘，是對資料分析手段後的資訊，進行價值化的分析。
而資料分析和資料探勘，又是甚至是遞迴的。就是資料分析的結果是資訊，這些資訊作為資料，由資料去挖掘。而資料探勘，又使用了資料分析的手段，周而復始。
資料分析和資料探勘的最大區別在於，資料分析，是以輸入的資料為基礎，通過先驗的約束，對資料進行處理，但是不以結論何如為調整。例如你需要影象識別，這個屬於資料分析。你要分析人臉。資料通過你的先驗的方法，就是出來個貓臉。你的資料分析也沒有問題。你需要默默的承受結果，並 且尊重事實。因此資料分析的重點在於資料的有效性、真實性和先驗約束的正確性。
而資料探勘則不同，資料探勘是對資訊的價值化的獲取。價值化自然不考慮資料本身，而是考慮資料是否有價值。由此，一批資料，你嘗試對它做不同的價值挖掘。評估，則就是資料探勘。此時對比資料分析，最大的特點就是，你需要調整你的不同的先驗約束，再次對資料進行分析。而先驗的約束已經不是針對資料**自身的特點，例如訊雜比處理演算法。而是你期望得到的乙個有價值的內容，做先驗的約束。以觀測，資料根據這個約束，是否有正確的反饋。
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。
職業上，有資料分析師和資料探勘師，這兩者的相似點可總結如下：
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就是乙個很好的例子。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乙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。
網易猛獁大資料平台：網易大資料實踐經驗積累，一站式大資料應用開發和資料管理平台。內嵌多種資料探勘演算法/包，支援spark機器學習等，基於業務場景設計的使用者操作介面提高了系統的易用性，結束了平台命令行運維的繁瑣狀態，資料開發工程師和資料分析師通過簡單拖拽和表單填寫即可完成資料科學相關工作。平台提供多租戶支援，不同租戶之間相互隔離，底層使用kerberos認證，實現了資料的安全性和隔離性，除了認證系統，利用ranger實現了細粒度許可權控制，保證了各個租戶之間只能檢視授權訪問的庫、表或者字段，此外，平台提供審計功能，通過對使用者平台行為的記錄、分析和匯報，用來幫助事後生成合規報告、事故追根溯源，提高平台的安全性。
原文：資料探勘與資料分析的主要區別是什麼？
資料分析與資料探勘的區別
資料分析可以分為廣義的資料分析和狹義的資料分析。廣義的資料分析就包括狹義的資料分析和資料探勘，我們常說的資料分析就是指狹義的資料分析。資料分析與資料探勘的區別 資料分析 狹義 1 定義 簡單來說，資料分析就是對資料進行分析。專業的說法，資料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...
解析資料探勘與資料分析的區別
資料分析 狹義 與資料 挖掘的實質都是相同的，都是從資料裡邊發現關於事務的常識 有價值的資訊 然後協助事務運營 改善產品以及協助企業做更好的決議計畫。的程序來看，資料 分析更偏重於統計學上面的一些辦法，經過人的推理演譯得到定論 資料 挖掘更偏重由機器進行自學習，直接到得到定論。從 分析的成果看，資料...
資料分析與資料探勘
一 常用資料探勘方法 1 關聯方法 2 人工神經網路 3 決策樹 4 異常分析 5 聚類分析 6 arima測試 二 資料分析師 國內兩種資料分析師認證 資料分析師cda 專案資料分析師cpda cda 1 統計概率基礎 2 資料分析模型方法 3 工具的運用 spss,modeler 三 資料分析的...