数据挖掘和数据仓库之间的区别
大卫卡特
数据挖掘和数据仓库之间的主要区别
- 数据挖掘被视为从大型数据集中提取数据的过程，而数据仓库是将所有相关数据汇集在一起的过程。
- 数据挖掘是分析未知数据模式的过程，而数据仓库是一种收集和管理数据的技术。
- 数据挖掘通常由业务用户在工程师的协助下完成，而数据仓库是任何数据挖掘之前必须进行的过程
- 数据挖掘允许用户提出更复杂的查询，这会增加工作量，而数据仓库的实现和维护很复杂。
- 数据挖掘有助于创建重要因素（如客户购买习惯）的暗示模式，而数据仓库则适用于以下运营业务系统： CRM系统 当仓库整合时。
什么是数据仓库？
数据仓库是一种从各种来源收集和管理数据以提供有意义的业务见解的技术。它融合了各种技术和组件，允许战略性地使用数据。
数据仓库 是企业以电子方式存储大量信息，用于查询和分析，而非交易处理。它是将数据转换为信息并提供给用户进行分析的过程。
什么是数据挖掘？
数据挖掘是在庞大的数据集中寻找隐藏的、有效的、潜在有用的模式。 数据挖掘 都是关于发现数据之间意想不到的/以前未知的关系。
它是一门使用机器学习、统计学、人工智能和数据库技术的多学科技能。
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。
数据挖掘和数据仓库之间的区别
以下是数据挖掘和数据仓库之间的主要区别
| 数据挖掘 | 数据仓库 |
|---|---|
| 数据挖掘是分析未知数据模式的过程。 | 数据仓库是一种专为分析而非事务工作而设计的数据库系统。 |
| 数据挖掘是一种比较大量数据以找到正确模式的方法。 | 数据仓库是一种将来自不同来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协助下完成。 | 数据仓库是进行任何数据挖掘之前必须进行的过程。 |
| 数据挖掘被视为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。 | 数据仓库的优点之一是它能够持续更新。因此，它对于想要获得最佳和最新功能的企业主来说是理想的选择。 |
| 数据挖掘有助于创建重要因素的暗示模式。例如客户的购买习惯、产品、销售。这样，公司就可以在运营和生产方面做出必要的调整。 | 当仓库集成时，数据仓库会为 CRM 系统等运营业务系统增加额外的价值。 |
| 数据挖掘技术永远不可能 100% 准确，并且在某些情况下可能会导致严重后果。 | 在数据仓库中，组织需要分析的数据很可能没有集成到仓库中。这很容易导致信息丢失。 |
| 组织基于数据挖掘收集的信息可能会被滥用来针对一群人。 | 数据仓库是为大型 IT 项目创建的。因此，它涉及高维护系统，这可能会影响中小型组织的收入。 |
| 初始查询成功后，用户可能会提出更复杂的查询，这会增加工作量。 | 数据仓库的实现和维护很复杂。 |
| 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，帮助用户分析不同时间段和趋势，从而做出未来预测。 |
| 组织需要投入大量资源用于培训和实施目的。 数据挖掘工具，数据挖掘工具由于设计时采用的算法不同，其工作方式也不同。 | 在数据仓库中，数据来自多个来源。数据需要清理和转换。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效率。 | 数据仓库的职责是简化各类业务数据，用户大部分的工作就是输入原始数据。 |
| 数据挖掘技术的另一个重要优势是识别可能导致损失的错误。生成的数据可用于检测销售下滑。 | 数据仓库允许用户在一个地方访问来自多个来源的关键数据。因此，它节省了用户从多个来源检索数据的时间。 |
| 数据挖掘有助于生成基于数据洞察的可行策略。 | 一旦你将任何信息输入数据仓库系统，你就不太可能再丢失这些数据。你需要进行快速搜索，以帮助你找到正确的统计信息。 |
为什么要使用数据仓库？
使用数据仓库的一些最重要的原因是：
- 整合多种数据源并有助于减轻生产系统的压力。
- 优化数据以进行读取访问和连续磁盘扫描。
- 数据仓库有助于保护源系统升级过程中的数据。
- 允许用户执行主数据管理。
- 提高源系统中的数据质量。
为什么要使用数据挖掘？
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。利用这些信息来产生有利可图的见解
- 企业可以快速做出明智的决策
- 有助于找出杂货店中不寻常的购物模式。
- 通过向每位访问者提供定制服务来优化网站业务。
- 有助于衡量商业营销中的客户响应率。
- 为了营销目的而创建并维护新的客户群。
- 预测客户流失，例如哪些客户在不久的将来更有可能转向其他供应商。
- 区分盈利客户和无盈利客户。
- 作为欺诈检测过程的一部分，识别所有类型的可疑行为。
