1、数据分析
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
数据分析有极其广泛的应用范围，典型的数据分析过程可看做“四部曲”：
第一，数据获取，获取数据的前提是对商业问题的理解，把商业问题转化为数据问题，确定问题分析的纬度，采集较为有用的数据。
第二，数据处理，当获得数据时，数据大部分都是杂乱无章，看不出规律，我们要采取高效的处理工具对数据进行处理。其中常用的工具有Excel、Access、SPSS Modeler、SAS、SPSS Statistics等。
第三，数据分析，基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析对比从中挑选一定的模型。
第四，数据呈现，通过一些可视化图形或者报表形式进行展示，增强对分析结果的理解。可以以报表形式或PPT形式展示结果。
2、数据挖掘
数据挖掘是对存储于数据库中的大量数据，通过查询和抽取方式获得以前未知的有用信息、模式和规则的过程，即是一个利用各种方法，从大量数据中提取隐含和潜在的，对决策有用的信息和知识的过程。
数据挖掘可以完成数据总结、分类、关联、聚类等任何，主要有以下特点：
第一，数据挖掘是一个过程，而非一个单纯的数据建模。
第二，数据挖掘方法是各种分析方法的集合。
第三，数据挖掘具有分析海量数据的能力。
第四，数据挖掘的最终目的是辅助决策。
数据挖掘的开发流程：数据获取->数据清洗预处理->数据变换->模型训练->模型测试->结果分析->模型优化
3、数据分析与数据挖掘区别
相似点：两者都是通过分析从数据中提取一些有价值的信息，对数据的敏感度要好；
不同点：实现方法不同，数据挖掘通过编程实现，需要掌握编程语言，数据分析借助现有分析工具；侧重点不同，数据分析的目标一般比较明确，而数据挖掘的目标不是很清晰。
4、数据分析师
如何成为一名出色的数据分析师？
