数据挖掘(Data Mining)
有目的的从现有大数据中提取数据的模式(Pattern)和模型(Model)，精选出最重要的信息，为机器学习与AI做准备。核心目的是找到数据之间的关系。
关键词：模式提取，大数据
机器学习(Machine Learning)
自动地从过往的经验中学习新知识。机器学习可以用程序和算法自动学习，一旦被设计好，程序可以进行自动优化。机器学习需要一定量的训练数据集(Train Data Set)，用于构建过往的经验知识。机器学习在目前实践中最重要的功能便是预测结果。
关键词：自动化，自我优化，预测，推荐系统
人工智能(AI)
比较广泛的概念，本质上是用数据和模型为现有的问题提供解决的方法。人工智能是为了创造有智力的电脑，达到能够像人一样处理问题。其中包括数据挖掘和机器学习的内容，同时还有监视和控制进程的功能。
关键词：和人一样处理问题，技术合集
数据科学与商业分析的关联：
开始没有数据科学家和数据科学的概念，更多的称呼为商业分析。在大数据的驱动下，对数据的深度分析的人称为数据科学家，这样的人需要同时具备数据和科学创造新的东西。