以下是一个有关于数据分析的思维导图：
结合思维导图可以看出，数据分析主要包括三个部分：数据采集、数据挖掘和数据可视化。数据挖掘可以说是最“高大上”的部分，也是整个商业价值所在。之所以要进行数据分析，就是要找到其中的规律，来指导我们的业务。因此数据挖掘的核心是挖掘数据的商业价值，也就是我们所谈的商业智能 BI。下面我们来分别介绍下数据分析和数据挖掘的定义。
数据分析是指用适当的统计、分析方法对收集来的大量数据进行分析，将它们加以汇总和理解，以求最大化地发挥数据的功能和作用。其目的是将一批看起来杂乱无章的数据的信息提炼出来，从而找出对象的内在规律，可以协助做一些判断。
数据挖掘通常和计算机相关，是基于人工智能、机器学习、模式识别、统计学、数据库可视化技术等，高度自动化地分析数据，作出归纳性的推理，从而挖掘出潜在的商业价值，帮助决策者调整市场策略。
那数据分析和数据挖掘有什么具体区别呢？
- 数据分析一般是基于成型的工具去进行分析数据，如Excel，可以不需要懂计算机知识；而数据挖掘则需要有编程基础。
- 数据挖掘相比较数据分析，更擅长处理大数据分析。
- 数据分析一般是从一个假设来出来，通过一组函数关系式来验证；而数据挖掘不需要基于假设，会通过算法自动寻找数据中隐藏的规律。
- 数据分析倾向于业务层面，而数据挖掘更关注技术层面。
通过比较也可以看出，我认为数据分析和数据挖掘没有优劣之分，在实际应用过程中，还是要根据具体的业务需求场景，选择合适的解决方案。
编辑 | lee
