互聯(lián)網(wǎng)，基本上是免費(fèi)導(dǎo)向，所以常常選擇開源的工具，例如MySql、R、Python等。常常是基于hadoop的分布式數(shù)據(jù)采集、加工、存儲和分析。
商業(yè)銀行一般基于成熟的數(shù)據(jù)倉庫，例如TD，以及一些成熟的數(shù)據(jù)挖掘工具，SAS EG和EM。
（四）應(yīng)用場景
在應(yīng)用場景上，兩者之間也存在著非常大的差異。
（1）金融領(lǐng)域
金融領(lǐng)域的數(shù)據(jù)挖掘，不同的細(xì)分行業(yè)（如銀行和證券），也是存在差別的。
銀行領(lǐng)域的統(tǒng)計(jì)建模。銀行內(nèi)的數(shù)據(jù)挖掘，較為側(cè)重統(tǒng)計(jì)建模，數(shù)據(jù)分析對象主要為截面數(shù)據(jù)，一般包括客戶智能（CI）、運(yùn)營智能（OI）和風(fēng)險(xiǎn)智能（RI）。開發(fā)的模型以離線為主，少量模型，例如反欺詐、申請?jiān)u分，對實(shí)時(shí)性的要求比較高。
證券領(lǐng)域的量化分析。證券行業(yè)的挖掘工作，更加側(cè)重量化分析，分析對象更多的是時(shí)間序列數(shù)據(jù)，旨在從大盤指數(shù)、波動特點(diǎn)、歷史數(shù)據(jù)中發(fā)現(xiàn)趨勢和機(jī)會，進(jìn)行短期的套利操作。量化分析的實(shí)時(shí)性要求也比較高，可能是離線運(yùn)算模型，但是在交易系統(tǒng)部署后，實(shí)時(shí)運(yùn)算，捕捉交易事件和交易機(jī)會。