數據分析和數據挖掘在目標、方法和結果解釋上存在明顯的區別。

首先，數據分析的目標是通過適當的統計分析方法和工具對收集來的數據進行處理與分析，以提取有價值的信息。它通常用于現狀分析、原因分析和預測分析，其過程往往是定量的。在數據分析中，分析師通常會有一個明確的假設，然后通過收集和分析數據來驗證這個假設是否正確。數據分析的結果往往是指標統計量，如總和、平均值等，這些指標需要與業務知識結合才能得出有意義的結論。

其次，數據挖掘的重點是從大量的數據中發現“知識規則”，這通常涉及到機器學習和其他高級算法的使用。數據挖掘的目的是通過學習集(或訓練集、樣本集)發現知識規則，這些規則可以用于預測或影響因素分析。與數據分析不同，數據挖掘得出的結論是機器從數據中自動發現的模式和關系，而不是基于人的智力活動結果。

最后，從思維方式上看，數據分析往往強調對比思維和拆分思維，而數據挖掘則更多地依賴于模型和算法來揭示數據背后的復雜結構。

總的來說，數據分析更側重于理解現狀和驗證假設，而數據挖掘則側重于從大量數據中自動發現模式和規律。兩者都是處理數據的重要手段，但它們各自適用于不同的場景和需求。