職場人要學數據挖掘還是數據分析好？

談起數據分析，很多人往往合在一起説：數據挖掘與數據分析。時下比較熱門的微博都在八卦國內外最新的數據挖掘技術，晦澀高深的概念讓咋們這些文科出身的菜鳥一頭霧水。説實話，從事數據分析這幾年，我真的不懂數據挖掘，也很少涉及到用最新的挖掘工具和技術去挖掘數據，更多的是作為一個普通的職場人，根據工作要求，對數據進行自動化獲取、按條件篩選統計、分類、再用常用的數據分析工具(如XY矩陣、魚骨圖、柏拉圖、點圖、雙層餅圖、VSM、相關分析、迴歸分析、方差分析等)進行分析和呈現。 數據挖掘，更多的側重數據模型和數據平台如數據倉庫的搭建，工作重點在於數據架構的搭建和底盤性工作。因此，需要具備理工科基礎，具有深厚的`數學和計算機理論知識，尤其要掌握一門編程語言如Cjava，更要對數據庫的理論和技術有較深的積累。在此技術上，再熟練掌握某幾種國內外數據建模和數據挖掘軟件。作為一個普通的職場人員，要掌握這些，難度不是一般的大，除非是專門研究數據挖掘技術的研發人員。 數據挖掘和數據分析有本質上的區別。數據挖掘側重智能機器，數據分析側重在日常工作中的數據實物的整理、分析和呈現。數據分析能力是一項專業技能，任何行業任何崗位都是需要的，是衡量一個人專業能力的重要標準。任何技能，重在普及和應用，對於大多數人，如果掌握起來很難，或者學會了難以致用，那麼這項技能就失去了社會認同的意義。所以，作為職場人，欲提升自己的數據分析能力，並不需要掌握高深的數據挖掘理論和技術，而應該從本職工作的業務實際出發，多掌握一些諸如excel函數、宏與專業圖表、SPSS、Minitab、精益六西格瑪理論和方法論、常見的數據分析統計工具等，只有掌握了這些帶有普適性的數據分析方法和工具，才能在實際工作中體現自身價值。