非常简单说道：数据挖掘就就是指海量数据中寻找隐蔽的规则，数据分析一般要分析的目标较为具体，数据统计资料则是全然的用于样本来推测总体。　　主要区别：数据分析的重点是仔细观察数据，数据挖掘的重点就是指数据中找到科学知识规则KDD（KnowledgeDiscoverinDatabase），数据统计资料的重点是参数估计和假设检验。

数据分析、数据统计资料得出结论的结论是人的智力活动结果，数据挖掘得出结论的结论是机器从自学集（或训练集、样本集）找到的科学知识规则。　　数据分析必须人工建模，数据挖掘自动已完成数学建模，数据统计资料则是把模糊不清估算显得精确而定量。可以通过机器学习自动创建输出与输入的函数关系，根据KDD得出结论的规则，等价一组输出参数，就可以得出结论一组输出量。

　　荐个非常简单的例子：有一些人总是不及时向电信运营商缴付，如何找到它们？　　数据分析：通过对附近人口的生活习惯、业余爱好、教育背景、收益产于、家庭构成等展开仅有方面分析，找到很多人都习惯在接到欠费通报以后再行缴付。结论就是提早派发短信警告。　　数据挖掘：通过撰写机器学习聚类算法找到无法通过观察图表得出结论的深层次原因。找到同住在五环以外的人，由于居住于环境偏僻没时间上营业厅缴付。

结论就必须多成立一些营业厅或者自助缴付点。　　数据统计资料：通过统计学推理方法构成样本的试验单元展开参数估计和假设检验，我们找到不及时缴钱人群里的贫困人口占到82%。

所以结论是收益较低的人往往不会缴付不及时。结论就必须减少资费。

本文来源：星力游戏打鱼平台-www.villaobao.com