这个数据挖掘之所以和解决问题有关。概率论与数理统计与统计推荐DavidFreedman版，商业建模与数据挖掘，数据挖掘入门，SAS编程与数据挖掘商业案例，克莱曼婷数据挖掘方法与应用，Excel2007VBA参考书，IBM PSStatistics 19统计程序伴侣等(2)
数据分析和数据挖掘的区别是什么？如何做好数据挖掘?哪家做的比较好？
感谢邀请，数据分析和数据挖掘是两个完全不同的领域，如何做好数据挖掘，这个概念的话，应当是一个技能的话题，大家做的比较好的话，是一个领域类的问题，从这个问题来讲，大大的都讲了四个大的方向，如果要把这个四个方向完全讲完，会非常的困难，甚至非常有难度，那么此处就这四个方向，简单的去做一下总结或作做一下剖析，我们的回答也从这个四个方向分别讲一讲这些不同的地方，首先讲一下数据分析数据分析是基于数据获取之后对数据整理和清洗的一个过程，而数据挖掘是基于数据分析之前数据获得和数据源泉的一个实际取得的一个过程，简单的总结，那就是分析就是数据清洗挖掘就是数据取得，如何挖掘数据啊，这个问题的话应该是嗯，你首先看中了哪一个数据，然后再针对这个数据进行挖掘和获取变成挖掘的过程，哪一家做的比较好，这个问题非常非常的宽泛，以至于我们无法去回答那么恩重企业大数据的角度来讲，许多平台还是值得去参考和有意义的只要你去搜索企业大数据，这个关键词便会有很多平台跳出来那这些平台都是做的，还是不错的。
从零开始，如何学习数据挖掘？
这个问题思考了很久，作为过来人谈一谈，建议在看我这篇回答之前先去了解一下数据挖掘的概念和定义，在学习数据挖掘之前你应该明白几点：数据挖掘目前在中国的尚未流行开，犹如屠龙之技。数据初期的准备通常占整个数据挖掘项目工作量的70%左右，数据挖掘本身融合了统计学、数据库和机器学习等学科，并不是新的技术。数据挖掘技术更适合业务人员学习（相比技术人员学习业务来的更高效）数据挖掘适用于传统的BI（报表、OLAP等）无法支持的领域，
数据挖掘项目通常需要重复一些毫无技术含量的工作。如果你阅读了以上内容觉得可以接受，那么继续往下看，学习一门技术要和行业靠拢，没有行业背景的技术如空中楼阁。技术尤其是计算机领域的技术发展是宽泛且快速更替的（十年前做网页设计都能成立公司），一般人没有这个精力和时间全方位的掌握所有技术细节，但是技术在结合行业之后就能够独当一面了，一方面有利于抓住用户痛点和刚性需求，另一方面能够累计行业经验，使用互联网思维跨界让你更容易取得成功。
不要在学习技术时想要面面俱到，这样会失去你的核心竞争力，一、目前国内的数据挖掘人员工作领域大致可分为三类。1）数据分析师：在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询，商务智能，出分析报告，2）数据挖掘工程师：在多媒体、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析。3）科学研究方向：在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用，
第二，说说各个工作领域需要掌握的技能。(1).数据分析师需要有很深的数理统计基础，但不要求有程序开发的能力。他们需要熟练使用SAS、SPSS、EXCEL、BI工具等主流数据挖掘(或统计分析)工具。你需要对所有与你所在行业相关的核心数据有深入的了解，并进行一定程度的数据敏感度训练。经典书籍推荐:概率论与数理统计，统计学推荐DavidFreedman版，业务建模与数据挖掘，数据挖掘入门，SAS编程与数据挖掘业务案例，克莱曼婷数据挖掘方法与应用，Excel2007VBA参考书，《IBM PSS Statistics 19 statistical procedures Companion》等(2)。数据挖掘工程师需要了解主流机器学习算法的原理和应用。
文章TAG：为什么数据挖掘要单独做 挖掘 数据 单独 做好
