在大数据领域里，我们经常会看到例如数据挖掘、OLAP、
大数据分析等等的专业词汇。如果仅仅从字面上，我们很难说清楚每个词汇的意义和差别。那么数据挖掘与数据分析到底有什么区别？
一、数据分析的定义
数据分析就是对数据进行分析。专业的说法，数据分析是指根据分析目的，用适当的统计分析方法及工具，对收集来的数据进行处理与分析，提取有价值的信息，发挥数据的作用。它主要是以分析目的为主，通过适当的统计分析方法对数据进行处理与分析，提取有价值的信息。它主要实现三大作用：现状分析、原因分析、预测分析。数据分析的目标明确，先做假设，然后通过数据分析来验证假设是否正确，从而得到相应的结论。
二、数据挖掘的定义
数据挖掘是指从大量的数据中，通过统计学、人工智能、机器学习等方法，挖掘出未知的、且有价值的信息和知识的过程，极大化数据资产的效益。数据挖掘主要侧重解决四类问题：分类、聚类、关联和预测，数据挖掘的重点在寻找未知的模式与规律；如我们常说的数据挖掘案例：啤酒与尿布、安全套与巧克力等，这就是事先未知的，但又是非常有价值的信息。
三、主要区别
1）数据分析与数据挖掘的思考方式不同，一般来讲，数据分析是根据客观的数据进行不断的验证和假设，而数据挖掘是没有假设的，但你也要根据模型的输出给出你评判的标准。
我们经常做分析的时候，数据分析需要的思维性更强一些，更多是运用结构化、MECE的思考方式，类似程序中的假设。
分析框架（假设）+客观问题（数据分析）=结论（主观判断）
而数据挖掘大多数是大而全，多而精，数据越多模型越可能精确，变量越多，数据之间的关系越明确。
2）数据挖掘更多侧重于技术的实现，数据分析更多依赖于业务知识，对于业务的要求稍微有所降低，数据挖掘往往需要更大数据量，而数据量越大，对于技术的要求也就越高需要比较强的编程能力，数学能力和机器学习的能力。如果从结果上来看，数据分析更多侧重的是结果的呈现，需要结合业务知识来进行解读。而数据挖掘的结果是一个模型，通过这个模型来分析整个数据的规律，一次来实现对于未来的预测，比如判断用户的特点，用户适合什么样的营销活动。显然，数据挖掘比数据分析要更深一个层次。数据分析是将数据转化为信息的工具，而数据挖掘是将信息转化为认知的工具。
3）数据分析与数据挖掘的目的不一样，数据挖掘的目标群体是不确定的，需要我们从数据的内在联系上去分析，从而结合业务、用户、数据进行更多的洞察解读，而数据分析是有明确的分析群体，就是对群体进行各个维度的拆、分、组合，来找到问题的所在。
