1、“數(shù)據(jù)分析”的重點(diǎn)是觀察數(shù)據(jù)，而“數(shù)據(jù)挖掘”的重點(diǎn)是從數(shù)據(jù)中發(fā)現(xiàn)“知識(shí)規(guī)則”KDD（Knowledge Discover in Database）；
2、“數(shù)據(jù)分析”得出的結(jié)論是人的智能活動(dòng)結(jié)果，而“數(shù)據(jù)挖掘”得出的結(jié)論是機(jī)器從學(xué)習(xí)集（或訓(xùn)練集、樣本集）發(fā)現(xiàn)的知識(shí)規(guī)則；
3、“數(shù)據(jù)分析”得出結(jié)論的運(yùn)用是人的智力活動(dòng)，而“數(shù)據(jù)挖掘”發(fā)現(xiàn)的知識(shí)規(guī)則，可以直接應(yīng)用到預(yù)測(cè)。
4、“數(shù)據(jù)分析”不能建立數(shù)學(xué)模型，需要人工建模，而“數(shù)據(jù)挖掘”直接完成了數(shù)學(xué)建模。如傳統(tǒng)的控制論建模的本質(zhì)就是描述輸入變量與輸出變量之間的函數(shù)關(guān)系，“數(shù)據(jù)挖掘”可以通過(guò)機(jī)器學(xué)習(xí)自動(dòng)建立輸入與輸出的函數(shù)關(guān)系，根據(jù)KDD得出的“規(guī)則”，給定一組輸入?yún)?shù)，就可以得出一組輸出量。

你可以簡(jiǎn)單的認(rèn)為是所要面對(duì)的數(shù)據(jù)量大小和進(jìn)行的工作量的深淺而進(jìn)行區(qū)分，數(shù)據(jù)分析師更加側(cè)重于指標(biāo)體系分析、多元以及多維度的分析，在此統(tǒng)計(jì)分析的理論知識(shí)與相關(guān)的行業(yè)與業(yè)務(wù)經(jīng)驗(yàn)更加重要，相對(duì)來(lái)說(shuō)，數(shù)據(jù)挖掘的話面向海量數(shù)據(jù)，談到數(shù)據(jù)挖掘更多想到的工作可能是大數(shù)據(jù)挖掘算法、機(jī)器學(xué)習(xí)等，現(xiàn)在實(shí)際應(yīng)用中比較明顯的例子是，數(shù)據(jù)報(bào)表部分更加側(cè)重?cái)?shù)據(jù)分析，精準(zhǔn)營(yíng)銷(xiāo)、智能推薦等更加需要數(shù)據(jù)挖掘；但最后的話，兩者還是殊途同歸，都要探索數(shù)據(jù)背后的規(guī)律，發(fā)現(xiàn)數(shù)字背后的知識(shí)。。。說(shuō)得還是比較泛和空，希望能幫到你！