數據挖掘(Data Mining)
有目的的從現有大數據中提取數據的模式(Pattern)和模型(Model)，精選出最重要的信息，爲機器學習與AI做準備。核心目的是找到數據之間的關係。
關鍵詞：模式提取，大數據
機器學習(Machine Learning)
自動地從過往的經驗中學習新知識。機器學習可以用程序和算法自動學習，一旦被設計好，程序可以進行自動優化。機器學習需要一定量的訓練數據集(Train Data Set)，用於構建過往的經驗知識。機器學習在目前實踐中最重要的功能便是預測結果。
關鍵詞：自動化，自我優化，預測，推薦系統
人工智能(AI)
比較廣泛的概念，本質上是用數據和模型爲現有的問題提供解決的方法。人工智能是爲了創造有智力的電腦，達到能夠像人一樣處理問題。其中包括數據挖掘和機器學習的內容，同時還有監視和控制進程的功能。
關鍵詞：和人一樣處理問題，技術合集
數據科學與商業分析的關聯：
開始沒有數據科學家和數據科學的概念，更多的稱呼爲商業分析。在大數據的驅動下，對數據的深度分析的人稱爲數據科學家，這樣的人需要同時具備數據和科學創造新的東西。