数据仓库与数据挖掘
databasemca更新于 2026/2/6 11:52:17
数据仓库
数据仓库是一系列工具和技术的集合，利用它们可以从海量数据中提取更多知识。这有助于决策过程并改进信息资源。
数据仓库本质上是一个具有独特数据结构的数据库，可以相对快速、轻松地对大量数据执行复杂查询。它由多个异构数据源创建。
数据仓库的特点
- 集成性
- 时变性
- 非易失性
数据仓库的目的是支持决策过程。它使信息易于访问，因为我们可以从数据仓库生成报表。它通常包含源自交易数据的历史数据，但也可以包含来自其他来源的数据。数据仓库始终与事务数据分开保存。
我们有多个数据源，我们会在这些数据源上应用 ETL 流程:从数据源中提取数据，然后根据某些规则进行转换，最后将数据加载到所需的目标位置，从而创建数据仓库。
数据挖掘
数据挖掘是指从大量数据中提取知识。数据源可以包括数据库、数据仓库、Web 等。
知识发现是一个迭代过程:
数据清理 - 删除不一致的数据。
数据集成 - 将多个数据源合并为一个。
数据选择 - 仅选择相关数据进行分析。
数据转换 - 将数据转换为适合挖掘的形式。
数据挖掘 - 提取数据模式的方法。
模式评估 -识别数据中有趣的模式。
知识表示——使用可视化和知识表示技术。
可以挖掘哪些类型的数据?
- 数据库数据
- 数据仓库
- 交易数据
数据挖掘的范围
趋势和行为的自动预测:数据挖掘可以自动在大型数据库中查找预测信息。例如:考虑一家营销公司。在这家公司，数据挖掘使用过去的促销邮件来识别目标，以实现回报最大化。
自动发现未知模式:数据挖掘会扫描数据库并识别先前隐藏的模式。例如:在零售店中，数据挖掘将遍历整个数据库，并找到通常放在一起的商品的模式。
