一文讲清：数据分析与数据挖掘到底有什么区别？虽然岗位title里都有数据这两个

虽然岗位title里都有数据这两个字，但这是两条不同的发展路线，数据分析走的是管理路线，数据挖掘走的是技术路线。
我身边就有年薪10万刀的数据分析师，只会Excel ，不存在别的技能，但人家就是有能力把技术问题转变成业务问题，不需要会算法和模型。
因为“SQL+Excel+BI工具+PPT”这套组合拳，就能满足工作中的绝大部分需求了，如果你再能用PPT把故事讲漂亮，领导就觉得你很厉害了，你大搞机器学习，神经网络，数据算法，如果超出了领导的认知范围并且没有什么好效果的话，你的背景和你的技术也就没什么价值了。

文章图片
扯远了，先来看看数据分析和数据挖掘这2块分别会涉及到什么。
数据分析
数据分析是比较大的概念，因为它的流程是由很多个部分组成的，包含了数据获取、数据清洗、数据处理、数据分析、数据可视化等。

文章图片
相比于那些长篇大论的言论，基本上就是这六大块可以完整地概括出一整个数据分析的流程，这也是数据分析概念的体现。
【一文讲清：数据分析与数据挖掘到底有什么区别？】那就我个人而言，平时的数据分析工作都是在做什么？
从0到1搭建数据分析体系数据分析工具化，产品化支撑领导、部门决策的专题分析及业务方向探索数据规范制定及提升数据质量等基础工作可以看出，数据分析师比较看重分析策略和业务知识，而这些东西，都是需要在平时的工作中，依靠项目经验去积累，比较吃资历、经验和对业务的认知深度。
数据挖掘
什么是数据挖掘？我一直想以通俗的语言解释出来。
都说数据挖掘，那从哪挖掘出来？基于以下4点：

文章图片
数据挖掘能做到什么？我觉得举例子更容易理解。
工厂或者制造业，可以预测以后一段时间的产品销量，然后来调节生产计划或采购计划。
头条和抖音，预测用户会对哪个内容感兴趣，然后进行精准的推荐，这也是和算法有关。
电商，可以根据用户购买商品，个性化推荐其他。
券商，关联分析用户的数据，认定用户的能力等级。
接下来说说这两个岗位的对比，不扯皮，直接说事实。
1、入行门槛
数据分析＜数据挖掘，很多年前数据分析的门槛是很低的，但是现在不同了，不过比起数据挖掘所需要的背景，还是要差不少。
举个例子，数据分析师的学历背景：需要985211学校，有互联网公司的实习，最好能参与一个项目全程。
数据挖掘的背景：985硕士优先，要有知名互联网公司项目经历，最好有从0-1的经验
2、职业发展
都差不多，上面也说了，走的是不同的路线，你在清华，我在北大，我们都有光明的未来[奸笑]
3、薪酬
总体上来说，数据分析＜数据挖掘，毕竟对数据挖掘的技术背景要求高，当然这只是平均薪酬，数据分析师薪酬的天花板也是高的。
4、跳槽含金量
看人，看项目。如果你只在大厂当螺丝钉，没业务经验积累/技术沉淀，两三年后想跳出来，其实是不好跳的，因为想要你的公司，你看不上给开的薪资，你想去的公司，会觉得你在大厂没参与完整项目，给你的钱和你能带来的经济效益不成正比，最后哪都去不了。
总结