數據挖掘的概念:數據挖掘是建立在數據庫理論、機器學習、人工智能和現代統計學的基礎上的，已經在很多領域得到了應用。涉及到很多算法，比如機器學習衍生的神經網絡和決策樹，基於統計學習理論的支持向量機，分類回歸樹，相關分析等。數據挖掘的定義是從海量數據中發現有意義的模式或知識。？
大數據需要映射成小單元進行計算，然後將所有結果進行整合，也就是所謂的map-reduce算法框架。單臺計算機上的計算仍然需要采用壹些數據挖掘技術，不同的是壹些原有的數據挖掘技術可能不容易嵌入到map-reduce框架中，壹些算法需要調整。？
大數據與數據挖掘的相似性或相關性在於，數據挖掘的未來不再是針對少量或抽樣、隨機化的精確數據，而是大量的混合大數據。數據分析是指用適當的統計分析方法對大量收集的數據進行分析，提取有用信息並形成結論，然後對數據進行詳細研究和總結的過程。這個過程也是質量管理體系的支持過程。在實踐中，數據分析可以幫助人們做出判斷。？
大數據是指在壹定時間範圍內，常規軟件工具無法捕捉、管理和處理的數據集合。它是壹種海量、高增長、多元化的信息資產，需要新的處理模式來擁有更強的決策力、洞察力和發現力以及流程優化能力。？
在維克多·邁耶-勛伯格和肯尼斯·庫克耶合著的《大數據時代》中，大數據是指所有的數據都用於分析和處理，而沒有隨機分析(抽樣調查)的捷徑。大數據的5V特征(IBM提出):體量(海量)、速度(高速)、多樣性(多樣性)、價值(低價值密度)、真實性。