從他們的理論來源來看，他們?cè)诤芏嗲闆r下非常相似。在數(shù)據(jù)挖掘technology的典型決策樹中，CART、CHAID等理論方法都是基于統(tǒng)計(jì)理論發(fā)展和擴(kuò)展的。并且數(shù)據(jù) 挖掘中有相當(dāng)比例的技術(shù)是由統(tǒng)計(jì)學(xué)中的多元分析支持的。在信息時(shí)代，-0/的應(yīng)用趨勢(shì)是從龐大的數(shù)據(jù)庫中抓取數(shù)據(jù)并通過專業(yè)軟件進(jìn)行分析，因此數(shù)據(jù) 挖掘工具的應(yīng)用更符合企業(yè)實(shí)際。

統(tǒng)計(jì)分析的基礎(chǔ)之一是概率論。在數(shù)據(jù)的統(tǒng)計(jì)分析中，分析人員往往需要對(duì)數(shù)據(jù)分布與變量之間的關(guān)系做出假設(shè)，確定用什么概率函數(shù)來描述變量之間的關(guān)系，以及如何檢驗(yàn)參數(shù)的統(tǒng)計(jì)顯著性；但是在數(shù)據(jù) 挖掘的應(yīng)用中，分析者不需要對(duì)數(shù)據(jù)的分布做任何假設(shè)，而數(shù)據(jù)中的算法會(huì)自動(dòng)找到變量之間的關(guān)系。

Da 數(shù)據(jù)概念:Da 數(shù)據(jù)是近兩年提出的，它有三個(gè)重要特點(diǎn):數(shù)據(jù)數(shù)量大，結(jié)構(gòu)復(fù)雜，數(shù)據(jù)更新速度快。由于web技術(shù)的發(fā)展，Web用戶自動(dòng)保存的數(shù)據(jù)和傳感器的不斷采集數(shù)據(jù)以及移動(dòng)互聯(lián)網(wǎng)的發(fā)展，自動(dòng)采集和存儲(chǔ)數(shù)據(jù)的速度在加快，全世界數(shù)據(jù)的量在不斷擴(kuò)大。數(shù)據(jù)的存儲(chǔ)和計(jì)算超出了單臺(tái)計(jì)算機(jī)(小型機(jī)和大型機(jī))的能力，這對(duì)數(shù)據(jù) 挖掘技術(shù)的實(shí)現(xiàn)提出了挑戰(zhàn)(一般來說，數(shù)據(jù)

涉及到很多算法，比如機(jī)器學(xué)習(xí)衍生的神經(jīng)網(wǎng)絡(luò)和決策樹，基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)，分類回歸樹，相關(guān)分析等。數(shù)據(jù) 挖掘的定義是從海量的數(shù)據(jù)中尋找有意義的模式或知識(shí)。大數(shù)據(jù)需要映射成小單元進(jìn)行計(jì)算，然后將所有的結(jié)果進(jìn)行整合，也就是所謂的mapreduce算法框架。

1。數(shù)據(jù)挖掘數(shù)據(jù)挖掘指從大量數(shù)據(jù)中，通過統(tǒng)計(jì)學(xué)、人工智能、機(jī)器。數(shù)據(jù) 挖掘主要著重解決分類、聚類、相關(guān)、預(yù)測(cè)四類問題，即定量和定性。數(shù)據(jù) 挖掘?qū)Ｗ⒂趯ふ椅粗哪Ｊ胶鸵?guī)律。輸出模型或規(guī)則，并據(jù)此得到模型分?jǐn)?shù)或標(biāo)簽。模型得分例如損失概率值、總得分、相似度、預(yù)測(cè)值等。標(biāo)簽有高、中、低價(jià)值用戶，虧損與不虧損，信用好與差。

綜合起來看數(shù)據(jù)分析(狹義)和數(shù)據(jù) 挖掘的本質(zhì)是一樣的，從數(shù)據(jù)中找到關(guān)于商業(yè)的知識(shí)(有價(jià)值的信息)，從而幫助商業(yè)運(yùn)作，改進(jìn)產(chǎn)品而這些內(nèi)容與數(shù)據(jù)分析是不同的。2.數(shù)據(jù)分析其實(shí)我們可以說數(shù)據(jù)分析是數(shù)據(jù)的一種運(yùn)算方法或算法，目標(biāo)是根據(jù)先驗(yàn)約束進(jìn)行整理、篩選和處理數(shù)據(jù)，從而得到信息。