数据分析和数据挖掘在目标、方法和结果解释上存在明显的区别。

首先，数据分析的目标是通过适当的统计分析方法和工具对收集来的数据进行处理与分析，以提取有价值的信息。它通常用于现状分析、原因分析和预测分析，其过程往往是定量的。在数据分析中，分析师通常会有一个明确的假设，然后通过收集和分析数据来验证这个假设是否正确。数据分析的结果往往是指标统计量，如总和、平均值等，这些指标需要与业务知识结合才能得出有意义的结论。

其次，数据挖掘的重点是从大量的数据中发现“知识规则”，这通常涉及到机器学习和其他高级算法的使用。数据挖掘的目的是通过学习集(或训练集、样本集)发现知识规则，这些规则可以用于预测或影响因素分析。与数据分析不同，数据挖掘得出的结论是机器从数据中自动发现的模式和关系，而不是基于人的智力活动结果。

最后，从思维方式上看，数据分析往往强调对比思维和拆分思维，而数据挖掘则更多地依赖于模型和算法来揭示数据背后的复杂结构。

总的来说，数据分析更侧重于理解现状和验证假设，而数据挖掘则侧重于从大量数据中自动发现模式和规律。两者都是处理数据的重要手段，但它们各自适用于不同的场景和需求。