什么是數據挖掘?大家知道嗎?與數據分析有什么聯系嗎?又或者說數據挖掘與數據分析有什么區別呢?讓我們帶著這些問題，一起往下解惑吧。

什么是數據挖掘

01、數據的產生

很多時候，我們在瀏覽網站或者app時會給推薦一些相關的信息，這其實就是根據我們的互聯網行為來進行預測的。前端獲取到用戶的行為數據，傳輸到后端，然后存儲到服務器上，具體行為如下：

瀏覽網頁時或者app時，用戶的點擊和停留行為都會被服務器所記錄，終存儲到數據庫上;

瀏覽購物app時，用戶的訂單、添加購物車、收藏、關注等行為;

瀏覽快手，抖音等洗腦app時，用戶的關注、停留、評論、點贊、轉發等行為都會被記錄在服務器上。

02、數據預處理

預處理就是提前處理一下，當把數據從源中讀取出來之后，會發現有些數據不符合我們的要求，比如有缺失值或者異常值(年齡為0)，我們的處理可能是刪除，也可能是填充，我們把這些臟數據整理成干凈的數據。除此之外，我們可能還需要進行數據的變換，把原始數據轉化成符合模型要求的數據。

03、數據建模

數據清洗完了之后，進行可視化展示，然后我們使用一條線去擬合這些點，這條線就是一個函數，有了這個函數我們就可以進行預測，這個函數就是一個模型，這就是數據建模的過程。

數據挖掘與數據分析有什么區別

數據分析更多采用統計學的知識，對源數據進行描述性和探索性分析，從結果中發現價值信息來評估和修正現狀。而數據挖掘不僅僅用到統計學的知識，還要用到機器學習的知識，這里會涉及到模型的概念。數據挖掘具有更深的層次，來發現未知的規律和價值。

從側重點上來說，相比較而言，數據分析更多依賴于業務知識，數據挖掘更多側重于技術的實現，對于業務的要求稍微有所降低。

從數據量上來說，數據挖掘往往需要更大數據量，而數據量越大，對于技術的要求也就越高。

從技術上來說，數據挖掘對于技術的要求更高，需要比較強的編程能力，數學能力和機器學習的能力。

從結果上來說，數據分析更多側重的是結果的呈現，需要結合業務知識來進行解讀。而數據挖掘的結果是一個模型，通過這個模型來分析整個數據的規律，一次來實現對于未來的預測，比如判斷用戶的特點，用戶適合什么樣的營銷活動。顯然，數據挖掘比數據分析要更深一個層次。

綜上，大數據是互聯網上海量的數據挖掘，而數據挖掘更多的是針對企業內部的小數據挖掘，數據分析是進行有針對性的分析和診斷。大數據需要分析的是趨勢和發展趨勢，而數據挖掘主要是發現問題和診斷。