每日一發小視頻
這兩個概念完全不同啊。量化交易是具體的工作內容，數據挖掘是一種工作方法。
——量化交易不是隻會數據挖掘就可以的，至少你還要懂基本的投資知識和交易規則。
——數據挖掘作為一種工作方法，不僅可以用於量化交易，比如製造業可以用來做自動控制，金融業可以用來做反洗錢或風險評測，市場營銷人員可以用來做銷售預測，運營人員可以用來做客戶精準分析等等。
大數據嚒，我覺得是一個被濫用的概念，我作為數據工作人員，我都不知道大數據的準確定義是啥。事實上我也不關心，究竟多少維度多少容量的數據才是大數據，這個問題沒有意義。只是在數據量和數據類型不同的情況下，你需要不同的技術方法和數據架構去實現。
舉個例子，如果你想用客戶的交易數據來做CRM（客戶關係管理），你的數據量可能只有幾萬行，也都是結構化數據，那麼excel足夠了；如果數據量到百萬行，開源的mysql簡單用用也可以；如果到千萬級，mysql需要優化了，或者直接用sql server及oracle；如果數據量再大，建議上所謂大數據平臺，如hadoop等方案；如果你的數據還包括音頻、視頻、圖片等，那麼你需要更豐富的non sql 方案。
做量化的話，以A股為例，算2000家好了，每年250交易日，每天4*60=240分鐘。如果你要做分鐘級的分析，數據總量1.2億條，再加上你可能還關注財務報表、基準利率、新聞、政策等信息，處理這些數據還是需要一定技術的。
我猜測題主是不是想做量化投資，在評估各方面的資源和條件。
量化投資肯定需要數據挖掘技術，但未必需要“大數據”技術（我默認數據挖掘人員具備處理大數據的能力），交易規則和投資知識肯定是需要的。我大概列一下吧：
1、交易員（提出交易規則）
2、數據建模人員（實現並分析交易規則）
3、機房、硬件等管理人員（基礎設施）
4、數據架構師（底層數據存儲、計算框架的搭建）
5、開發人員（數據平臺的開發、與證券、銀行接口對接等）
如果是個人興趣，我覺得會爬蟲和數據分析就可以入門了。
推薦python
