数据挖掘基于数据仓库原理，机械学，人工智能，现代统计学的高速发展的交叉学科，有多领域中都关于作用。涉及到多的计算，起源于机械学的神经网络，决策树，也关于基于统计学原理的支持向量机械，分类回归树，与关联分析的诸多计算。

数据挖掘的定义还是从海量数据中找到关于意义的模式或者知识。大数据还是今年提出来，也还是媒体忽悠的1个概念。关于3个主要的表现：数据量大，结构复杂，数据更新速度快。

因为网页技术的发展，网页客户出现的数据自动保存、感应器也有不断收集数据，以及移动互联网的发展，数据自动收集、保存的速度有加快，全世界的数据量有不断放大，数据的保存与计算超过了单个计算机械(微型机械与大型机械)的能力，这给数据挖掘技术的开展提出了挑战（1般而言，数据挖掘的开展基于1台微型机械或者大型机械，也能进行并行计算）。谷歌提出了分布式保存文件系统，发展出后来的云保存与云计算的概念。 

大数据必须映射为小的单元进行计算，又给所关于的结果进行合并，就还是所谓的map-reduce计算框架。有单个计算机械上进行的计算仍然必须采用1些数据挖掘技术，区别还是原先的1些数据挖掘技术不1定能方便地嵌入到 map-reduce 框架中，关于些计算必须调整。 此外，大数据处理能力的提升也给统计学提出了新的挑战。统计学原理往往建立有样本上，而有大数据时代，能得的还是整体，而不又还是整体的不放回抽样。