数据仓库快速入门教程19数据挖掘与数据仓库的区别

2019-07-05 本文已影响77人 python测试开发

数据挖掘与数据仓库的区别

什么是数据仓库？

数据仓库是一种用于收集和管理来自不同来源的数据的技术，以提供有意义的业务洞察。它结合了技术和组件，可以战略性地使用数据。

数据仓库是由企业进行的大量信息的电子存储，其被设计用于查询和分析而不是交易处理。这是一个将数据转换为信息并将其提供给用户进行分析的过程。

什么是数据挖掘？

数据挖掘正在寻找大型数据集中隐藏的，有效的和可能有用的模式。数据挖掘就是要发现数据中未经预料/以前未知的关系。

它是一门多学科的技能，使用机器学习，统计，AI和数据库技术。

通过数据挖掘提取的见解可用于营销，欺诈检测和科学发现等。

参考资料

数据挖掘	数据仓库
数据挖掘是分析未知数据模式的过程。	数据仓库是数据库系统，专为分析而非事务工作而设计。
数据挖掘是一种将大量数据与查找正确模式进行比较的方法。	数据仓库是一种将来自不同源的数据集中到一个公共存储库中的方法。
数据挖掘通常由业务用户在工程师的帮助下完成。	数据仓库是在进行任何数据挖掘之前需要进行的过程。
数据挖掘被认为是从大型数据集中提取数据的过程。	另一方面，数据仓库是将所有相关数据汇集在一起的过程。
数据挖掘技术最重要的好处之一是检测和识别系统中的错误。	数据仓库的一个优点是它能够一致地更新。这就是为什么它是想要最好和最新功能的企业主的理想选择。
数据挖掘有助于创建重要因素的暗示模式。喜欢顾客，产品，销售的购买习惯。因此，公司可以在运营和生产方面进行必要的调整。	当仓库集成时，数据仓库为CRM系统等运营业务系统增加了额外的价值。
数据挖掘技术永远不会100％准确，并且可能在某些条件下造成严重后果。	在数据仓库中，组织分析所需的数据很可能不会集成到仓库中。它很容易导致信息丢失。
基于组织的数据挖掘收集的信息可能会被滥用于一群人。	为大型IT项目创建数据仓库。因此，它涉及高维护系统，可能影响中小型组织的收入。
在成功初始查询之后，用户可能会询问更复杂的查询，这会增加工作量。	数据仓库的实施和维护很复杂。
通过配备相关且可用的基于知识的信息，组织可以从该分析工具中受益。	数据仓库存储大量历史数据，帮助用户分析不同的时间段和趋势，以便进行未来的预测。
组织需要将大量资源用于培训和实施目的。此外，由于设计中采用了不同的算法，数据挖掘工具以不同的方式工作。	在数据仓库中，数据来自多个源。需要清理和转换数据。这可能是一个挑战。
与其他统计数据应用相比，数据挖掘方法具有成本效益和高效性。	数据仓库的职责是简化每种类型的业务数据。用户将完成的大部分工作是输入原始数据。
数据挖掘技术的另一个重要好处是识别可能导致损失的错误。生成的数据可用于检测插入式销售。	数据仓库允许用户在一个地方从多个源访问关键数据。因此，它节省了用户从多个源检索数据的时间。
数据挖掘有助于生成基于数据洞察的可操作策略。	将任何信息输入数据仓库系统后，您将不太可能再次丢失此数据。您需要进行快速搜索，帮助您找到正确的统计信息。

为何使用数据仓库？

使用数据仓库的一些最重要的原因是：

集成了许多数据源，有助于减少生产系统的压力。
用于读取访问和连续磁盘扫描的优化数据。
数据仓库有助于保护数据免受源系统升级的影响。
允许用户执行主数据管理。
提高源系统的数据质量。

为何使用数据挖掘？

使用数据挖掘的一些最重要的原因是：

建立数据之间的相关性和关系。使用此信息可以生成有利可图的见解
企业可以迅速做出明智的决策
有助于在杂货店找到不寻常的购物模式。
通过为每位访客提供定制优惠来优化网站业务。
帮助衡量客户在企业营销中的响应率。
为营销目的创建和维护新的客户群。
预测客户流失，例如哪些客户在最近的将来更有可能转向其他供应商。
区分有利可图和无利可图的客户。
识别所有类型的可疑行为，作为欺诈检测过程的一部分。

小结：

数据仓库是技术和组件的混合体，允许战略性地使用数据。这是一个将来自不同来源的数据集中到一个公共存储库的过程。
数据挖掘正在寻找大型数据集中隐藏的，有效的和可能有用的模式。
数据仓库有助于保护数据免受源系统升级的影响。
数据仓库由数据科学家，商业智能开发人员用于分析数据。
数据挖掘技术可帮助企业更接近目标。