谈起数据分析，很多人往往合在一起说：数据挖掘与数据分析。时下比较热门的微博都在八卦国内外最新的数据挖掘技术，晦涩高深的概念让咋们这些文科出身的菜鸟一头雾水。说实话，从事数据分析这几年，我真的不懂数据挖掘，也很少涉及到用最新的挖掘工具和技术去挖掘数据，更多的是作为一个普通的职场人，根据工作要求，对数据进行自动化获取、按条件筛选统计、分类、再用常用的数据分析工具(如XY矩阵、鱼骨图、柏拉图、点图、双层饼图、VSM、相关分析、回归分析、方差分析等)进行分析和呈现。 数据挖掘，更多的侧重数据模型和数据平台如数据仓库的搭建，工作重点在于数据架构的搭建和底盘性工作。因此，需要具备理工科基础，具有深厚的`数学和计算机理论知识，尤其要掌握一门编程语言如Cjava，更要对数据库的理论和技术有较深的积累。在此技术上，再熟练掌握某几种国内外数据建模和数据挖掘软件。作为一个普通的职场人员，要掌握这些，难度不是一般的大，除非是专门研究数据挖掘技术的研发人员。 数据挖掘和数据分析有本质上的区别。数据挖掘侧重智能机器，数据分析侧重在日常工作中的数据实物的整理、分析和呈现。数据分析能力是一项专业技能，任何行业任何岗位都是需要的，是衡量一个人专业能力的重要标准。任何技能，重在普及和应用，对于大多数人，如果掌握起来很难，或者学会了难以致用，那么这项技能就失去了社会认同的意义。所以，作为职场人，欲提升自己的数据分析能力，并不需要掌握高深的数据挖掘理论和技术，而应该从本职工作的业务实际出发，多掌握一些诸如excel函数、宏与专业图表、SPSS、Minitab、精益六西格玛理论和方法论、常见的数据分析统计工具等，只有掌握了这些带有普适性的数据分析方法和工具，才能在实际工作中体现自身价值。
