大数据指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）Veracity（真实性）

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据挖掘：涉及到很多的算法，源于机器学习的神经网络，决策树，也有基于统计学习理论的支持向量机，分类回归树，和关联分析的诸多算法。数据挖掘的定义是从海量数据中找到有意义的模式或知识。

大数据分析与数据挖掘的含义
所谓大数据分析,也就是运用合适的统计分析方法对采集来的规模巨大的数据进行分析,是一个为提取有用信息和形成结论而对数据加以详细研究和概括的过程。数据挖掘,它的英文含义翻译过来可以理解为资料探勘和数据采矿,是指用过相关算法从大量的数据中探索隐藏在其中的信息的过程。看似与大数据分析的含义有点类似,但相较而言,数据挖掘涉猎的知识面更广,要求更高。因为数据挖掘会涉及到很多算法,有源于机器学习的神经网络和决策树,也有基于统计学理论的支持向量机、分类回归树和关联分析的诸多算法等等。

大数据分析与数据挖掘的区别
简单来说,在算法复杂度上,大数据分析对算法要求随着数据量增加而降低,数据挖掘则对算法要求高,复杂度更大;在数据状态上,大数据分析多为动态增量数据和存量数据,数据挖掘则大多使用存量数据;在概念范畴上,大数据分析的概念较窄,数据需要满足特定的条件和标准,而数据挖掘概念较广,包含了大数据技术;在实验环境上,大数据分析要求较高,多为云计算和云存储环境,而数据挖掘则没有特定的要求,单机环境也是允许的。

也有一种较为普遍的说法,数据分析是进行做出针对性的分析和诊断,而数据挖掘更多是针对内部企业行业小众化的数据挖掘。大数据需要分析的是趋势和发展,数据挖掘主要发现的是问题和诊断。但无论什么说法,其实大数据分析与数据挖掘都是相辅相成息息相关的。