什么是数据仓库?

数据仓库是一种技术，用于收集和管理来自不同来源的数据，以提供有意义的业务洞察。它是技术和组件的混合体，允许战略性地使用数据。

数据仓库是企业为查询和分析而不是为事务处理而设计的大量信息的电子存储。它是一个将数据转换成信息并使用户可以进行分析的过程。

什么是数据挖掘?

数据挖掘是在大型数据集中寻找隐藏的、有效的和潜在有用的模式。数据挖掘就是发现数据之间未知的关系。

它是一个多学科的技能，使用机器学习，统计，人工智能和数据库技术。

通过数据挖掘提取的见解可以用于营销、欺诈检测和科学发现等方面。

数据挖掘与数据仓库:关键区别

数据挖掘	数据仓库
数据挖掘是分析未知数据模式的过程。	数据仓库是为分析而不是事务性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发现正确模式的方法。	数据仓库是将来自不同数据源的数据集中到一个公共存储库的方法。
数据挖掘通常由业务用户在工程师的帮助下完成。	数据仓库是一个在进行任何数据挖掘之前都需要进行的过程。
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优点之一是能够检测和识别系统中的错误。	数据仓库的优点之一是能够持续更新。这就是为什么它是理想的企业所有者谁想要最好的和最新的功能。
数据挖掘有助于创建重要因素的暗示模式。喜欢客户的购买习惯、产品、销售。这样，公司就可以在经营和生产上做出必要的调整。	当数据仓库被集成时，数据仓库为操作业务系统(如CRM系统)添加了额外的价值。
数据挖掘技术从来都不是100%准确的，在某些情况下可能会造成严重的后果。	在数据仓库中，组织分析所需的数据很可能没有集成到数据仓库中。它很容易导致信息的丢失。
组织基于数据挖掘收集的信息可能被滥用于一组人。	为大型IT项目创建数据仓库。因此，它涉及到高维护性的系统，可能会影响中小型组织的收入。
在成功的初始查询之后，用户可能会询问更复杂的查询，这会增加工作负载。	数据仓库的实现和维护非常复杂。
组织可以从这一分析工具中受益，通过装备相关的和有用的基于知识的信息。	数据仓库存储了大量的历史数据，帮助用户分析不同的时间段和趋势，以便做出未来的预测。
组织需要花费大量资源用于培训和实施。此外，由于设计中使用的算法不同，数据挖掘工具的工作方式也不同。	在数据仓库中，数据来自多个源。需要清理和转换数据。这可能是个挑战。
与其他统计数据应用相比，数据挖掘方法具有较高的成本效益和效率。	数据仓库的职责是简化每种类型的业务数据。用户要做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。生成的数据可以用来检测回访销售。	数据仓库允许用户从单个位置的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力的可操作策略。	一旦您将任何信息输入到数据仓库系统中，您就不太可能再次丢失对这些数据的跟踪。您需要进行快速搜索，帮助您找到正确的统计信息。

为什么使用数据仓库?

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。
• 优化数据读取访问和连续磁盘扫描。
• 数据仓库有助于保护数据不受源系统升级的影响。
• 允许用户执行主数据管理。
• 改进源系统中的数据质量。

为什么要使用数据挖掘?

使用数据挖掘最重要的原因有:

• 建立数据之间的相关性和关系。利用这些信息产生有益的见解
• 商业可以迅速做出明智的决定
• 帮助发现不寻常的购物模式在杂货店。
• 优化网站业务提供自定义提供给每个访问者。
• 帮助衡量客户的回复率在企业营销。
• 为市场目标创建和维护新的客户群。
• 预测客户的缺陷，比如哪些客户在最近的将来更有可能转向其他供应商。
• 区分盈利客户和亏损客户。
• 识别所有可疑行为，作为欺诈检测过程的一部分。

总结:

• 数据仓库是技术和组件的混合体，允许战略性地使用数据。它是将来自不同数据源的数据集中到一个公共存储库的过程。
• 数据挖掘是在大型数据集中寻找隐藏的、有效的和潜在有用的模式。
• 数据仓库有助于保护数据不受源系统升级的影响。
• 数据仓库被数据科学家、商业智能开发人员用来分析数据。
• 数据挖掘技术帮助企业更接近他们的目标。