1、“數(shù)據(jù)分析”的重點是觀察數(shù)據(jù)，而“數(shù)據(jù)挖掘”的重點是從數(shù)據(jù)中發(fā)現(xiàn)“知識規(guī)則”KDD（Knowledge Discover in Database）；
2、“數(shù)據(jù)分析”得出的結論是人的智能活動結果，而“數(shù)據(jù)挖掘”得出的結論是機器從學習集（或訓練集、樣本集）發(fā)現(xiàn)的知識規(guī)則；
3、“數(shù)據(jù)分析”得出結論的運用是人的智力活動，而“數(shù)據(jù)挖掘”發(fā)現(xiàn)的知識規(guī)則，可以直接應用到預測。
4、“數(shù)據(jù)分析”不能建立數(shù)學模型，需要人工建模，而“數(shù)據(jù)挖掘”直接完成了數(shù)學建模。如傳統(tǒng)的控制論建模的本質就是描述輸入變量與輸出變量之間的函數(shù)關系，“數(shù)據(jù)挖掘”可以通過機器學習自動建立輸入與輸出的函數(shù)關系，根據(jù)KDD得出的“規(guī)則”，給定一組輸入?yún)?shù)，就可以得出一組輸出量。

你可以簡單的認為是所要面對的數(shù)據(jù)量大小和進行的工作量的深淺而進行區(qū)分，數(shù)據(jù)分析師更加側重于指標體系分析、多元以及多維度的分析，在此統(tǒng)計分析的理論知識與相關的行業(yè)與業(yè)務經(jīng)驗更加重要，相對來說，數(shù)據(jù)挖掘的話面向海量數(shù)據(jù)，談到數(shù)據(jù)挖掘更多想到的工作可能是大數(shù)據(jù)挖掘算法、機器學習等，現(xiàn)在實際應用中比較明顯的例子是，數(shù)據(jù)報表部分更加側重數(shù)據(jù)分析，精準營銷、智能推薦等更加需要數(shù)據(jù)挖掘；但最后的話，兩者還是殊途同歸，都要探索數(shù)據(jù)背后的規(guī)律，發(fā)現(xiàn)數(shù)字背后的知識。。。說得還是比較泛和空，希望能幫到你！