论数据分析和数据挖掘

wangzheng3056

先谈数据，其实很简单，就是观测值。例如测量数据。不过大家可能有个误区。认为，客户填写的表单就是数据。对编程序而言，是的。但是不是常规的数据。当然填写的内容，一旦落入的观测空间，则自然就成了数据。

不谈数据，就无以谈数据分析和数据挖掘。由此，上面先说了数据。这里还要说下信息。信息，抽象的说，就是可信的数据。那么这里和数据最大的区别就在于，一个是客观，一个是主观。例如你用尺子量桌子长宽。那么的出的值是数据。这是客观存在的，无论你的尺子是英制还是公制。但对于你而言，你实际上，不会 关心实际的长度。通常你会说，我需要个更长的桌子，或者这个桌子，家里放不下，太大了，得买个小的。你不会说，小二，来两尺的桌子。这种主观对客观数据的接受和再描述，就是信息。

区分数据和信息的最大差别，就是我上面说的，主观和客观的差别。如果这个分不清，你做数据分析、和数据挖掘，就失去了意义。那么数据分析，和数据挖掘的差异在于，数据分析是手段，数据挖掘也是手段。。。。别喷我。不是错别字。

数据分析，是对数据的一种操作手段。或者算法。目标是针对先验的约束，对数据进行整理，筛选，加工。由此得到信息。

数据挖掘，是对数据分析手段后的信息，进行价值化的分析。

而数据分析和数据挖掘，又是甚至是递归的。就是数据分析的结果是信息，这些信息作为数据，由去数据挖掘。而数据挖掘，又使用了数据分析的手段。周而复始。。。

估计有人要喷我。你这等于说了白说。哈。有点递归思想好不好。

这里再细化说一下。数据分析和数据挖掘的最大区别在于，数据分析，是以输入的数据为基础，通过先验的约束，对数据进行处理，但是不以结论何如为调整。例如你需要图像识别，这个属于数据分析。你要分析人脸。数据通过你的先验的方法，就是出来个猫脸。你的数据分析也没有问题。你需要默默的承受结果，并 且尊重事实。因此数据分析的重点在于数据的有效性，真实性，和先验约束的正确性。

而数据挖掘则不同，数据挖掘是对信息的价值化的获取。价值化自然不考虑数据本身，而是考虑数据是否有价值。由此，一批数据，你尝试对它做不同的价值 评估，则就是数据挖掘。此时对比数据分析，最大的特点就是，你需要调整你的不同的先验约束，再次对数据进行分析。而先验的约束已经不是针对数据来源自身的 特点，例如信噪比处理算法。而是你期望得到的一个有价值的内容，做先验的约束。以观测，数据根据这个约束，是否有正确的反馈。

说了这么多，恐怕可能还是有人不清楚。我就举两个简单的例子，诸位如果去面数据分析师，或数据挖掘师，不知道怎么回答时，套用我的例子。

1、你打算送女朋友戒指，那么你手上有批品牌和款型名单。你按照价格，风格，材质分类，得出如下结论，钻戒比钢戒贵。大钻戒比小钻戒贵，钢戒款式多。钻戒款式少。OK，这就是数据分析。对于一批数据，根据你的先验约束（按照什么什么划分）获得的结论。

但是，不是最贵的你的女朋友就最喜欢，女人嘛，感性的动物。也不是最贵的你能买的起。这些信息的价值，对你没有意义，你需要的就是用最少的钱，让你 女朋友最开心。由此你需要数据挖掘。最优标准就是，最少的投入，最大的开心。OK。你需要先验的去寻找，贵的戒指不买的理由。哪怕从已有数据中得出。比如 “钻戒款式少”或者“大钻戒也比钢钻戒要小”。同时你要去问问你的女朋友，你觉得怎么样才开心啊。当然，如果你女朋友来一句“反正看你皮夹胖的可以卡住 门，我就不开心”，那你就得继续琢磨，我得找个，刚好投入能让皮夹不卡门的，而且让女朋友开心的。于是，你又去数据分析，此时实际上是用价值的评价标准， 对数据进行价值化因此如果你确定了分析方式，则动作确实是数据分析，但是带上你确定价值化的评价标准的动作，就是数据挖掘了。最终，你可以得到一堆理由， 即少钱，也让女朋友开心。

2、老婆早上就给你50元，让你买一天的菜。要求鸡猪鱼肉俱全，且蛋菜葱蒜豆品必备。你到菜场，先绕一圈，各个档口拉拉家常，问问价格。猪肉十几一 斤，鱼也不便宜。数据分析下来，计算器，劈里啪啦的按，数字长的比韭菜还快。最后得出一价格。这个就是数据分析。根据客观数据，先验的公式，得到的信息。 但对你而言，最大的价值是，用最少的钱，满足老婆的要求，还可以截留1元买根棒棒糖吃。那么你就要开始进行数据挖掘了。但是要有评价标准。多少肉算一天的 菜量。梅花，后坐，小排，蹄旁。怎么个选法，可以让老婆满意，同时价格落于希望承受的空间范围。青菜白菜都是菜，便宜营养我最爱，于是，接着设定范围。几 个轮回，包括中饭怎么配，晚饭怎么配，最终，到腾出一个购买方案，这就是数据挖掘。

简单的说，不谈钱，或者不谈价值，就没有挖掘可言。但凡不谈时，都是数据分析。当然每轮挖掘过程中，又是个数据分析的过程。没有客观数据，没有主观喜好，就没有数据挖掘一说。只有数据分析之为。

所以切记，别把数据分析和数据挖掘混淆了。对于一些公司，热乎的搞名词概念。你也可以在BS的时候，好好的BS他们一下。补充个抽象说法，数据分析，就是先决而后知。 数据挖掘就是先知而后决。决断的决。

内容来源：http://www.oschina.net/question/249672_52154?sort=default&p=1