1、“數據分析”的重點是觀察數據，而“數據挖掘”的重點是從數據中發現“知識規則”KDD（Knowledge Discover in Database）；
2、“數據分析”得出的結論是人的智能活動結果，而“數據挖掘”得出的結論是機器從學習集（或訓練集、樣本集）發現的知識規則；
3、“數據分析”得出結論的運用是人的智力活動，而“數據挖掘”發現的知識規則，可以直接應用到預測。
4、“數據分析”不能建立數學模型，需要人工建模，而“數據挖掘”直接完成了數學建模。如傳統的控制論建模的本質就是描述輸入變量與輸出變量之間的函數關系，“數據挖掘”可以通過機器學習自動建立輸入與輸出的函數關系，根據KDD得出的“規則”，給定一組輸入參數，就可以得出一組輸出量。

你可以簡單的認為是所要面對的數據量大小和進行的工作量的深淺而進行區分，數據分析師更加側重于指標體系分析、多元以及多維度的分析，在此統計分析的理論知識與相關的行業與業務經驗更加重要，相對來說，數據挖掘的話面向海量數據，談到數據挖掘更多想到的工作可能是大數據挖掘算法、機器學習等，現在實際應用中比較明顯的例子是，數據報表部分更加側重數據分析，精準營銷、智能推薦等更加需要數據挖掘；但最后的話，兩者還是殊途同歸，都要探索數據背后的規律，發現數字背后的知識。。。說得還是比較泛和空，希望能幫到你！