从他们的理论来源来看，他们在很多情况下非常相似。在数据挖掘technology的典型决策树中，CART、CHAID等理论方法都是基于统计理论发展和扩展的。并且数据 挖掘中有相当比例的技术是由统计学中的多元分析支持的。在信息时代，-0/的应用趋势是从庞大的数据库中抓取数据并通过专业软件进行分析，因此数据 挖掘工具的应用更符合企业实际。
统计分析的基础之一是概率论。在数据的统计分析中，分析人员往往需要对数据分布与变量之间的关系做出假设，确定用什么概率函数来描述变量之间的关系，以及如何检验参数的统计显著性；但是在数据 挖掘的应用中，分析者不需要对数据的分布做任何假设，而数据中的算法会自动找到变量之间的关系。
9、大 数据和 数据 挖掘的区别Da 数据概念:Da 数据是近两年提出的，它有三个重要特点:数据数量大，结构复杂，数据更新速度快。由于web技术的发展，Web用户自动保存的数据和传感器的不断采集数据以及移动互联网的发展，自动采集和存储数据的速度在加快，全世界数据的量在不断扩大。数据的存储和计算超出了单台计算机(小型机和大型机)的能力，这对数据 挖掘技术的实现提出了挑战(一般来说，数据
涉及到很多算法，比如机器学习衍生的神经网络和决策树，基于统计学习理论的支持向量机，分类回归树，相关分析等。数据 挖掘的定义是从海量的数据中寻找有意义的模式或知识。大数据需要映射成小单元进行计算，然后将所有的结果进行整合，也就是所谓的mapreduce算法框架。
10、 数据分析和 数据 挖掘的区别是什么?如何做好 数据 挖掘1。数据挖掘数据挖掘指从大量数据中，通过统计学、人工智能、机器。数据 挖掘主要着重解决分类、聚类、相关、预测四类问题，即定量和定性。数据 挖掘专注于寻找未知的模式和规律。输出模型或规则，并据此得到模型分数或标签。模型得分例如损失概率值、总得分、相似度、预测值等。标签有高、中、低价值用户，亏损与不亏损，信用好与差。
综合起来看数据分析(狭义)和数据 挖掘的本质是一样的，从数据中找到关于商业的知识(有价值的信息)，从而帮助商业运作，改进产品而这些内容与数据分析是不同的。2.数据分析其实我们可以说数据分析是数据的一种运算方法或算法，目标是根据先验约束进行整理、筛选和处理数据，从而得到信息。
