数据分析与数据挖掘的关系

数据挖掘与机器学习 fireling 2608℃

经常听人提到数据分析,那么数据怎么去分析?简单来说,可能就是做一些数据做统计、可视化、文字结论等。但是相比来说,数据挖掘就相对来说比较低调一些,这是这种低调,反而意味着数据挖掘对研究人员的要求要更高一些。

数据分析人员需要理解业务的核心指标,通过数据分析工具(比如R/SAS/SQL,或者内部的数据平台)对业务数据进行建模和分析,为相关的业务指标提供基于数据的解决方案。所以,数据分析岗位要求具备扎实的统计学功底和对数据的敏感。数据挖掘人员需要研究数据,试验和选择合适的机器学习相关的算法模型对数据进行建模和分析,最后自己在实际系统中将算法模型进行高性能的工程实现。所以,数据挖掘岗位要求同时具备深厚的机器学习功底和扎实的编程能力。

数据分析与数据挖掘不是相互独立的。数据分析通常是直接从数据库取出已有信息,进行一些统计、可视化、文字结论等,最后可能生成一份研究报告性质的东西,以此来辅助决策。但很多情况下,这种分析往往不解渴。如果要分析这些已有信息背后隐藏的信息呢,而这些信息通过观察往往是看不到的,这时数据挖掘就冲在了数据分析的前面,作为分析之前要走的一个门槛。

除此之外,因为数据挖掘的输出往往含有的信息价值比较高,因此这些输出不仅仅应用在分析上,更多的是用在其他应用上,如网站后台、APP应用上,实实在在提供一些决策来丰富应用的功能。

data_analysis_mining

数据挖掘不是简单的人为推测就可以的,它往往需要针对大量数据,进行大规模运算,才能得到一些统计学规律。但是前提是,必须针对某些具体的业务来。没有落实真正的场景和需求,没有落实需要的输入和输出,空谈数据挖掘,就是纯粹的耍流氓。举个简单的例子,房价预测,这里给出了一系列的点,我们要预测未来的一点。如果不知道业务,也就是相当我们不知道这些点的由来,那么完全可以理解为这些点可能是地球轨迹中的一部分,或者其他,这样的话,会做出不一样的结论。

其实在数据分析上,往往也需要研究人员了解业务。在数据分析与数据挖掘领域,要想做好,那就先去获取数据学好业务,再说其他吧。

 

转载请注明:宁哥的小站 » 数据分析与数据挖掘的关系

喜欢 (27)