相当数量的人，在初次碰到这两项概念之际，时常弄不明白，数据挖掘与大数据究竟存在着怎样的差异。
有人说它们是一回事，也有人觉得两者毫无关系。
实际上，数据挖掘跟大数据尽管关联紧密，然而于实际运用里有显著差别。
今天咱们就从头捋一捋，把这两个概念弄明白。
数据挖掘是“找金子”的技术
数据挖掘是这样一个过程，它要对付大量数据，这些数据具不完全的性质，同时存在噪声，还透着模糊之感且是随机的排列情况，从中去提取出隐含着的信息，这些信息是人们事先并不知晓的，然而却有着潜在的有用价值，是关于知识方面的提取过程。
说白了，就是从数据堆里“挖”出有价值的东西。
它规定数据源得务必是如实的、数量众多的、带有噪声的，并且所发觉的知识要能够被用户领会以及应用。
数据挖掘并非是要去找出那种在任何地方都适用的真理，而是针对专门特定的问题，给出有作用的结论。
此项技术依托人工智能，此人工智能关联机器学习，机器学习涉及统计学，统计学又关联数据库等多个领域，它属于一种能协助企业调整策略的决策支持过程，且能帮助企业减少风险。
大数据是“数据本身”的规模
大数据所着重突出的，乃是数据之称谓里的“大”，此“大”表现为，数据的数量极为庞大，数据的类型繁杂多样，数据展开处理时的速度相当之快，而数据自身所蕴含的价值密度却处于较低水平。
它更加侧重于怎样进行存储，以及如何实施管理，还有怎样开展处理海量数据的工作，并非直接去“挖掘”知识。
大数据一般具备四个特性，其一为数据量极大到超乎寻常（Volume），其二是数据类型繁杂多样（Variety），其三是数据处理得以快速推进（Velocity），最后是数据价值密度处于较低水平（Value）。
比如 Hadoop 这样的分布式存储，像 Spark 那样的分布式计算，以及实时处理等，均属于大数据技术范畴，其要解决的是那种“数据太多以至于存不下来、算起来也有困难”的问题。
而数据挖掘是在数据准备好之后，去寻找规律和知识。
两者的核心区别在哪里
最根本的区别存在于数据挖掘与大数据之间，那便是，大数据着重于数据自身的处理以及管理，而数据挖掘则在着重于从数据里发现知识。
你能够这样去理解，大数据属于“仓库”以及“运输系统”的范畴，其职责在于将海量的数据妥善地存储好，管理得有条不紊，并且能够实现高效快速的调用；而数据挖掘则如同一个“分析师”，其任务是在仓库之中寻觅具有价值的宝贵“数据之物”。
要是没有大数据那项技术，数据挖掘在碰到海量数据的情形下就会特别费劲，要是没有数据挖掘，大数据就仅仅能让数据闲置着，无法产生出实际的价值。
两者是互补关系，而不是互相替代的关系。
实际工作中怎么用它们
拿一个事例来讲，有一家电商平台，其所产生的用户浏览记录以及购买记录，在每一天当中，数量达到了几千万条。
一开始，运用大数据技术，像 Hadoop、Spark 这类，将这些数据予以存储，随后，按照用户 ID、时间、商品类别等维度，把它们整理妥当。
接着，采用数据挖掘技术，像关联分析、聚类分析这般，去探寻“买了 A 商品的用户通常也会买 B 商品”，以及“哪些用户属于高价值客户群”？
电商平台能够依据这些被挖掘出来的规律去做精准推荐，还能够据此调整营销策略句号。
你瞧，大数据所承担的任务乃是“将数据妥善管理好”，而数据挖掘的任务则是“从数据之中探寻出规律来”。
常见误区：不是所有数据分析都叫数据挖掘
这种情况是不对的，有许多人把简单的数据统计，还有报表查询，也称作数据挖掘。
数据挖掘所着重突出的，是那种“发觉事先并不知晓的、潜藏着的、具备价值的信息”。
比如说，你去查询一下上个月的销售额具体是多少，这被称作数据查询；你对今年以及去年同期的销售变化情况开展对比，这被称之为数据分析；然而，你是从几百万条用户行为数据当中，意外察觉到某个特定年龄段的用户对某类小众商品有着格外的喜爱，而这个规律在此之前是无人知晓的，这才真正叫做数据挖掘。
所以，数据挖掘每每都要运用机器学习，模式识别这类更为智能的技术。
总结一下
简要来讲，大数据面对的是海量数据的收纳以及处置方面的问题，数据挖掘攻关的是源自数据里寻觅潜藏规律和知识的问题。
两者配合使用，才能真正发挥数据的价值。
要是你才刚刚开始接触，记好这么一句话：大数据它是那种“管数据”的，而数据挖掘呢是“用数据”的。
搞清这个区别，再看相关技术文章或工具介绍，就不会犯糊涂了。
Comments NOTHING