数据分析(狭义)与数据挖掘的本质都是一样的，都是从数据里面发现关于业务的知识(有价值的信息)，从而帮助业务运营、改进产品以及帮助企业做更好的决策.

从分析的目的来看，数据分析一般是对历史数据进行统计学上的一些分析，数据挖掘更侧重于机器对未来的预测，一般应用于分类、聚类、推荐、关联规则等。

从分析的过程来看，数据分析更侧重于统计学上面的一些方法，经过人的推理演译得到结论;数据挖掘更侧重由机器进行自学习，直接到得到结论。

　　从分析的结果看，数据分析的结果是准确的统计量，而数据挖掘得到的一般是模糊的结果。

从概念上可以认为，大数据分析是数据挖掘的一个子集。在通常的概念下，他们之间是有差别的，但是严格意义下，大数据的所有成果都可以纳入数据挖掘的成果范畴。

　　有时候，人们把数据挖掘等同于大数据分析，而又把大数据的一些理想情况，如高效度、高速等移加到数据挖掘的实践中去，造成了一些认知上的错误。

涉及大数据的问题，目前更多的是工程方面的，重点在于存储和计算力两个方面；而数据挖掘的问题，很多仍在探索阶段，不成熟，精度方面也不能保证。因此，用大数据的方法，并不能直接解决数据挖掘存在的困难。不是所有的学术问题，数据量大了都能解决。

　　大数据技术首要的是提供存储和计算能力，其次是洞察数据中隐含的意义。前者依赖于硬件设备的升级，后者依赖于数据挖掘算法的不断优化创新。