按关键词阅读： 数据挖掘
文章图片
【数据挖掘|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 。
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 。
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 。
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
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：
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
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 。
总结数据分析不比数据挖掘的含金量低 ， 职业前景也不比数据挖掘差 。 而数据挖掘走技术路线 ， 竞争激烈程度没数据分析大 ， 保住饭碗是没问题的 。 但是这些都在一个前提中：你处于数据部门 ， 而不是业务部门 ， 并且你的公司要重视数据 ， 你的领导能给团队带来好的资源 。
稿源：(数据分析不是个事儿)
【傻大方】网址：/c/11219E3O2021.html
标题：数据挖掘|一文讲清：数据分析与数据挖掘到底有什么区别？