随着信息时代的来临以及大数据的发展，数据挖掘和数据分析也如雨后春笋般火热起来，很多人对于数据挖掘和数据分析也是字面上的了解，对这两种事物并没有多么深入的了解，下面我们就给大家讲一讲这两种事物的区别。

其实在数据应用的角度上面来说，这个问题其实没有什么意义，这是因为在企业的商业战争中，在通过使用数据分析分析问题的时候，我们首先考虑的是思路，考虑完了这些思路我们才会对与思路匹配的分析挖掘技术进行筛选，而不是先考虑到底是用统计技术还是用数据挖掘技术来解决这个问题。从数据挖掘和数据分析来说，两者在很多的情况中都是很相似的，尤其是在典型的数据挖掘技术的决策树里，CART、CHAID等理论方法都是基于统计理论所发展和延伸的，并且数据挖掘中的技术有相当比例是用统计学中的多变量分析来支撑的。

那么相对于传统的统计分析技术种数据挖掘有什么特点呢？数据挖掘的特点就是特别擅长于处理大数据，尤其是几十万行、几百万行，甚至更多更大的数据。在实践应用中一般都会借助数据挖掘工具，而这些挖掘工具的使用，很多时候并不需要特别专业的统计背景作为必要条件。需要强调的是基本的统计知识和技能是必需的。基础的统计知识是数据挖掘工作能够顺利进展的前提。

就目前的信息化时代中，数据分析应用的趋势是从大型数据库中抓取数据，并通过专业软件进行分析，所以数据挖掘工具的应用更加符合企业实践和实战的需要。从操作者来看，数据挖掘技术更多是企业的数据分析师、业务分析师在使用，而不是统计学家用于检测。很多观点数据挖掘是统计分析技术的延伸和发展，数据挖掘在统计分析形成了比较明显的差异。

首先，数据的统计分析的基础之一就是概率论，这是因为在对数据进行统计分析时，分析人员常常需要对数据分布和变量的关系做假设，确定用什么概率函数来描述变量间的关系，以及如何检验参数的统计显着性。而在数据挖掘的应用中，分析人员不需要对数据分布做任何假设，数据挖掘中的算法会自动寻找变量之间的关系。

数据挖掘和数据分析的区别我们在这篇文章中给大家介绍了一部分，就是在统计分析方式中存在比较明显的差异，我们在下一个文章中给大家介绍其他的内容。