數(shù)據(jù)分析的目的和數(shù)據(jù)挖掘的目的不一樣。數(shù)據(jù)分析有一個(gè)明確的分析群體，就是把各個(gè)維度的群體進(jìn)行拆分、劃分、組合，找出問題所在，而數(shù)據(jù)挖掘的目標(biāo)群體是不確定的，這就需要我們更多的從數(shù)據(jù)的內(nèi)在聯(lián)系去分析，從而把業(yè)務(wù)、用戶、數(shù)據(jù)結(jié)合起來，進(jìn)行更多的洞察和解讀。數(shù)據(jù)分析和數(shù)據(jù)挖掘的思維方式不同。一般來說，數(shù)據(jù)分析是基于客觀數(shù)據(jù)進(jìn)行不斷的驗(yàn)證和假設(shè)，而數(shù)據(jù)挖掘是沒有假設(shè)的，但是你也要根據(jù)模型的輸出給出你的判斷標(biāo)準(zhǔn)。

分析框架(假設(shè))客觀問題(數(shù)據(jù)分析)結(jié)論(主觀判斷)而數(shù)據(jù)挖掘大多是大而全，多而精。數(shù)據(jù)越多，模型越精確，變量越多，數(shù)據(jù)之間的關(guān)系越清晰。數(shù)據(jù)分析更依賴于業(yè)務(wù)知識(shí)，數(shù)據(jù)挖掘更側(cè)重于技術(shù)的實(shí)現(xiàn)。對(duì)業(yè)務(wù)的要求略有降低。數(shù)據(jù)挖掘往往需要更多的數(shù)據(jù)，數(shù)據(jù)越大，對(duì)技術(shù)的要求就越高。

一般對(duì)于大數(shù)據(jù)分析，會(huì)首先使用大數(shù)據(jù)數(shù)據(jù)庫，比如MongoDB、GBase等。其次，我們將使用數(shù)據(jù)倉庫工具對(duì)數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和處理，以獲得有價(jià)值的數(shù)據(jù)。然后用數(shù)據(jù)建模工具建模。最后，利用大數(shù)據(jù)工具進(jìn)行可視化分析。根據(jù)上面的描述，我們討論根據(jù)流程使用的工具。1.大數(shù)據(jù)工具:數(shù)據(jù)存儲(chǔ)和管理工具大數(shù)據(jù)完全從數(shù)據(jù)存儲(chǔ)開始，也就是說從Hadoop這種大數(shù)據(jù)框架開始。

因?yàn)榇髷?shù)據(jù)需要大量的信息，所以存儲(chǔ)非常重要。但是除了存儲(chǔ)之外，我們還需要某種方式將所有這些數(shù)據(jù)聚合到某種格式/治理結(jié)構(gòu)中，以獲得洞察力。2.大數(shù)據(jù)工具:數(shù)據(jù)清理工具使用數(shù)據(jù)倉庫工具Hive。Hive基于Hadoop分布式文件系統(tǒng)，其數(shù)據(jù)存儲(chǔ)在HDFS。Hive本身沒有特殊的數(shù)據(jù)存儲(chǔ)格式，也沒有數(shù)據(jù)的索引。Hive只有在創(chuàng)建表時(shí)告知Hive數(shù)據(jù)中的列分隔符和行分隔符，才能解析數(shù)據(jù)。

數(shù)據(jù)分析的目的和數(shù)據(jù)挖掘的目的不一樣。數(shù)據(jù)分析有一個(gè)明確的分析群體，就是把各個(gè)維度的群體進(jìn)行拆分、劃分、組合，找出問題所在，而數(shù)據(jù)挖掘的目標(biāo)群體是不確定的，這就需要我們更多的從數(shù)據(jù)的內(nèi)在聯(lián)系去分析，從而把業(yè)務(wù)、用戶、數(shù)據(jù)結(jié)合起來，進(jìn)行更多的洞察和解讀。數(shù)據(jù)分析和數(shù)據(jù)挖掘的思維方式不同。一般來說，數(shù)據(jù)分析是基于客觀數(shù)據(jù)進(jìn)行不斷的驗(yàn)證和假設(shè)，而數(shù)據(jù)挖掘是沒有假設(shè)的，但是你也要根據(jù)模型的輸出給出你的判斷標(biāo)準(zhǔn)。

分析框架(假設(shè))客觀問題(數(shù)據(jù)分析)結(jié)論(主觀判斷)而數(shù)據(jù)挖掘大多是大而全，多而精。數(shù)據(jù)越多，模型越精確，變量越多，數(shù)據(jù)之間的關(guān)系越清晰。數(shù)據(jù)分析更依賴于業(yè)務(wù)知識(shí)，數(shù)據(jù)挖掘更側(cè)重于技術(shù)的實(shí)現(xiàn)。對(duì)業(yè)務(wù)的要求略有降低。數(shù)據(jù)挖掘往往需要更多的數(shù)據(jù)，數(shù)據(jù)越大，對(duì)技術(shù)的要求就越高。

1。先做數(shù)據(jù)分析，一般就是數(shù)據(jù)采集，數(shù)據(jù)清洗，數(shù)據(jù)篩選，畫像，2.高級(jí)數(shù)據(jù)挖掘，比較偏算法，對(duì)統(tǒng)計(jì)學(xué)、數(shù)學(xué)、計(jì)算機(jī)技能要求較高。數(shù)據(jù)分析:一般要分析的目標(biāo)明確，分析條件明確，數(shù)據(jù)挖掘:目標(biāo)不是很明確，必須依靠挖掘算法找出隱藏在大量數(shù)據(jù)中的規(guī)則、模式和規(guī)律。數(shù)據(jù)分析的目的不同于數(shù)據(jù)挖掘的目的，數(shù)據(jù)分析有明確的分析群體，即在各個(gè)維度上分解、劃分、組合群體來發(fā)現(xiàn)問題，而數(shù)據(jù)挖掘的目標(biāo)群體是不確定的，這就要求我們更多的從數(shù)據(jù)的內(nèi)在關(guān)系去分析，從而將業(yè)務(wù)、用戶、數(shù)據(jù)結(jié)合起來進(jìn)行更多的洞察和解讀。