數據挖掘與數據分析的區別

總結一下主要有以下幾點：

1、計算機編程能力的要求

作為數據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。一個完全不懂編程，不會敲代碼的人完全可以是一名能好的數據分析師，因為一般情況下OFFICE包含的幾個工具已經可以滿足大多數數據分析的要求了。很多的數據分析人員做的工作都是從原始數據到各種拆分匯總，再經過分析，最后形成完整的分析報告。當然原始數據可以是別人提供，也可以自己提?。ㄗ鳛橐幻细竦臄祿治鰩?，懂點SQL知識是很有好處的）。

而數據挖掘則需要有編程基礎。為什么這樣說呢？舉兩個理由：第一個，目前的數據挖掘方面及相關的研究生方面絕大多數是隸屬于計算機系；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“數據挖掘工程師”。從這兩點就可以明確看出數據挖掘跟計算機跟編程有很大的聯系。

2、在對行業的理解的能力

要想成為一名優秀的數據分析師，對于所從事的行業有比較深的了解和理解是必須要具備的，并且能夠將數據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，能夠看出哪里出現了問題。但是，從事數據挖掘不一定要求對行業有這么高的要求。

3、專業知識面的要求

數據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，當然能了解數據挖掘的一些知識會更好。數據挖掘工程師則要求要比較熟悉數據庫技術、熟悉數據挖掘的各種算法，能夠根據業務需求建立數據模型并將模型應用于實際，甚至需要對已有的模型和算法進行優化或者開發新的算法模型。想要成為優秀的數據挖掘工程師，良好的數學、統計學、數據庫、編程能力是必不可少的。

總之一句話來概括的話，數據分析師更關注于業務層面，數據挖掘工程師更關注于技術層面。

數據分析師與數據挖掘工程師的相似點：

1、都跟數據打交道。

他們玩的都是數據，如果沒有數據或者搜集不到數據，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，懂數據分析一些常用的方法，對數據的敏感度比較好。

3、在職業上他們沒有很明顯的界限。

很多時候數據分析師也在做挖掘方面的工作，而數據挖掘工程師也會做數據分析的工作，數據分析也有很多時候用到數據挖掘的工具和模型，很多數據分析從業者使用SAS、R就是一個很好的例子。而在做數據挖掘項目時同樣需要有人懂業務懂數據，能夠根據業務需要提出正確的數據挖掘需求和方案能夠提出備選的算法模型，實際上這樣的人一腳在數據分析上另一只腳已經在數據挖掘上了。
事實上沒有必要將數據分析和數據挖掘分的特別清，但是我們需要看到兩者的區別和聯系，作為一名數據行業的從業者，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。