區(qū)別:大數(shù)據(jù)是互聯(lián)網(wǎng)的大眾數(shù)據(jù) 挖掘，而數(shù)據(jù) 挖掘更多的是針對內(nèi)部企業(yè)的小眾/。數(shù)據(jù)分析就是做出有針對性的分析和診斷。需要分析的是趨勢和發(fā)展。數(shù)據(jù)挖掘主要發(fā)現(xiàn)問題和診斷。釋義:大數(shù)據(jù):指在可承受的時間范圍內(nèi)，常規(guī)軟件工具無法捕捉、管理和處理的數(shù)據(jù)的集合。它是一種海量、高增長、多元化的信息資產(chǎn)，需要新的處理模式來擁有更強的決策、洞察和流程優(yōu)化能力；在維克多·邁耶、勛伯格和肯尼斯·庫克耶寫的《Da 數(shù)據(jù) Time》中，Da 數(shù)據(jù)是指所有數(shù)據(jù)都用于分析，沒有隨機分析(抽樣調(diào)查)的捷徑。

Da 數(shù)據(jù)概念:Da 數(shù)據(jù)是近兩年提出的，它有三個重要特點: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用戶自動保存的數(shù)據(jù)和傳感器的不斷采集數(shù)據(jù)以及移動互聯(lián)網(wǎng)的發(fā)展，自動采集和存儲數(shù)據(jù)的速度在加快，全世界數(shù)據(jù)的量在不斷擴大。數(shù)據(jù)的存儲和計算超出了單臺計算機(小型機和大型機)的能力，這對數(shù)據(jù) 挖掘技術(shù)的實現(xiàn)提出了挑戰(zhàn)(一般來說，數(shù)據(jù)

涉及到很多算法，比如機器學(xué)習(xí)衍生的神經(jīng)網(wǎng)絡(luò)和決策樹，基于統(tǒng)計學(xué)習(xí)理論的支持向量機，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。大數(shù)據(jù)需要映射成小單元進行計算，然后將所有的結(jié)果進行整合，也就是所謂的mapreduce算法框架。

數(shù)據(jù)挖掘(數(shù)據(jù)挖掘)采用數(shù)學(xué)、統(tǒng)計學(xué)、人工智能、神經(jīng)網(wǎng)絡(luò)等領(lǐng)域的科學(xué)方法，如記憶推理、聚類分析、相關(guān)性分析、決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳算法等。從大量的-2挖掘中，導(dǎo)出隱含的、以前未知的、潛在有價值的關(guān)系、模式和趨勢，利用這些知識和規(guī)則建立決策支持的模型，提供預(yù)測性決策支持的方法、工具和過程。數(shù)據(jù) 挖掘它集成了多種學(xué)科和技術(shù)，功能很多。目前主要功能有:(1)分類:根據(jù)被分析對象的屬性和特征，建立不同的分組來描述事物。

1。-2挖掘數(shù)據(jù)挖掘指通過統(tǒng)計學(xué)、人工智能和機器學(xué)習(xí)從大量數(shù)據(jù)中學(xué)習(xí)。數(shù)據(jù) 挖掘主要著重解決分類、聚類、相關(guān)、預(yù)測四類問題，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)此得到模型分數(shù)或標(biāo)簽。模型得分例如損失概率值、總得分、相似度、預(yù)測值等。標(biāo)簽有高、中、低價值用戶，虧損與不虧損，信用好與差。