数据仓库和 OLAP 与数据挖掘有何关联?
数据仓库和数据集市的应用领域十分广泛。企业高管使用数据仓库和数据集市中的数据进行数据分析并制定战略决策。在一些公司，数据仓库被用作企业管理"计划-执行-评估""闭环"反馈系统的重要组成部分。
数据仓库广泛应用于银行和金融服务、消费品和零售分销行业以及受控制造(包括按需生产)。通常，数据仓库使用的时间越长，其发展就越快。这种演变贯穿于各个阶段。
最初，数据仓库通常用于生成文档和响应预定义的查询。它可以用于分析汇总信息和详细信息，并将结果以文档和图表的形式显示出来。随后，数据仓库用于实现战略目标，实施多维分析和复杂的切片和切块操作。
最后，数据仓库可用于使用数据挖掘工具进行知识发现和战略决策。在此框架中，数据仓库工具可分为访问和检索工具、数据库文档工具、数据分析工具和数据挖掘工具。
业务用户需要能够理解数据仓库中的内容(通过元数据)、如何创建数据仓库的内容、如何使用分析工具测试内容以及如何显示此类分析的结果。
数据仓库应用分为三种类型:信息处理、分析处理和数据挖掘。
信息处理 − 它提供查询、基本统计分析以及使用交叉表、表格、图表或图形进行记录的功能。数据仓库数据处理的最新趋势是创建低成本的基于 Web 的访问工具，并将其与 Web 浏览器统一起来。
分析处理 − 它提供基本的 OLAP 操作，包括切片和切块、下钻、上卷和透视。它通常以汇总和详细结构对历史信息进行操作。联机分析处理相对于数据处理的主要优势在于对数据仓库信息进行多维数据分析。
数据挖掘 − 它通过发现隐藏的模式和关联、构建分析模型、实施分类和预测以及使用可视化工具显示挖掘结果来提供知识发现。
数据挖掘比 OLAP 包含更自动化和更深入的分析，预计数据挖掘将拥有更广泛的应用。数据挖掘可以帮助业务经理找到并接触到更合适的用户，并获得关键的业务洞察，从而推动市场份额增长并提高利润。
