数据挖掘和数据分析
现在信息世界中，每天生成的数据量呈指数级增长。获取这些数据的过程并不复杂，因为可以使用的方法很多。然而，从这些数据中获取有意义的信息是非常复杂和耗时的。
收集的数据通常存储在数据仓库中，数据仓库是保存从各种来源收集的数据的地方。其中一些来源包括公司数据库、外部来源的数据和内部系统的汇总信息。
对这些数据的分析需要统计分析、简单的查询和报表、更复杂的多维分析和数据挖掘。
数据挖掘和数据分析是商业智能（BI）的子集。BI还集成了数据仓库、在线分析处理和数据库管理系统。
在客户关系管理CRM中，数据挖掘和数据分析都经常被用来分析模式和查询客户数据库。然而，许多人认为数据挖掘和数据分析是一回事。他们相信这两种技术执行相同的任务。本文将重点介绍差异数据挖掘和数据分析。
数据挖掘（Data Mining）
数据挖掘是从大型数据库中提取隐藏的预测数据的过程。这项技术非常强大，有可能帮助公司集中精力处理其数据仓库中最重要的信息。数据挖掘工具有助于预测未来的行为和趋势，这使企业能够做出主动和知识驱动的决策。
数据挖掘提供了自动化和前瞻性的分析，这超出了由回顾性工具提供的对过去事件的分析。数据挖掘工具能够帮助企业快速获得结果和问题的答案。在过去，使用传统方法处理这些问题花费了很多时间。这些工具搜索隐藏模式的数据，这有助于企业获得专家们忽略的预测信息，因为它超出了他们的预期。
数据挖掘的范围
数据挖掘源于在大型数据库中搜索有价值的商业信息与在山区开采有价值的矿脉之间的相似性。这两个过程都需要通过大量的材料或敏锐地搜索材料来发现其价值。数据挖掘技术为IT部门提供了以下能力来创造商机：
- 趋势和行为的自动预测——它自动化了从大型数据库中查找预测信息的过程。过去需要很长时间才能得到传统答案的问题现在