数据挖掘与信息处理和联机分析处理有何关系?
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、基本数值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现代趋势是开发低成本的基于 Web 的访问工具，并将其与 Web 浏览器集成。
分析处理 − 它提供基本的 OLAP 操作，例如切片和切块、下钻、汇总和数据透视。它通常处理汇总和详细形式的历史信息。联机分析处理相对于信息处理的主要领域是数据仓库数据的多维信息分析。
数据挖掘 −它通过发现隐藏的模式和关联、构建分析模型、进行分类和预测，并使用可视化工具展示挖掘结果，从而提供知识发现。
信息处理基于查询，可以发现有用的数据。此类查询的答案可以反映直接存储在数据库中的数据，或可由聚合服务计算的数据。它们并不反映隐藏在数据库中的复杂设计或可预测性。因此，信息处理并非数据挖掘。
联机分析处理更接近数据挖掘，因为它可以对数据仓库中用户定义的子集按多个粒度汇总的数据进行更改。 OLAP 和数据挖掘服务可以被视为互不相交的 −
OLAP 是一种数据汇总/聚合工具，支持轻松进行数据分析，而数据挖掘能够自动发现隐藏在海量数据中的隐含设计和有趣知识。
OLAP 工具旨在简化和提供交互式数据分析，而数据挖掘工具的目标是尽可能地自动化流程，同时允许用户支持该流程。在这种方法中，数据挖掘比传统的联机分析处理更进一步。
可以采用另一种数据挖掘观点，其中数据挖掘涵盖数据定义和数据建模。由于 OLAP 系统可以显示数据仓库中信息的一般定义，因此 OLAP 服务本质上用于用户指导的数据汇总和比较(通过钻取、旋转、切片、切块等)。
数据挖掘不仅限于对数据仓库中保存的数据进行分析。它可以探索比数据仓库支持的汇总记录更细粒度的数据。
它还可以探索事务、空间、文本和多媒体记录，这些记录很难用现代多维数据库技术建模。在这种情况下，数据挖掘比 OLAP 涵盖更广泛的范围，包括数据挖掘服务和所管理数据的复杂性。
